python / python/cpython

Differential flamegraphs are incorrectly scaled across sampling rates

Ouverte
#154,032 0 commentaires 0 réactions 0 personnes assignées Voir sur GitHub

Personne n'a encore pris cette issue.

stdlib topic-profiling type-bug
Langage dominant
Python
Étoiles
77.2k
Forks
35.9k
Métriques de merge des PR
Métriques de PR en attente

Description

Differential flamegraphs compare raw sample counts after scaling the baseline by sampled wall time. This makes identical profiles look very different when the sampling rates differ.

For example, using a 1 kHz baseline and profiling the same workload at 100 Hz reports around -90% for unchanged leaf functions. Using the same rate for both profiles reports approximately 0%.

We should normalize the sample counts consistently and use the sampling interval only when converting samples to time for display.

Linked PRs
  • gh-154082

Guide de contribution

Ouvrir le guide de contribution

Par où commencer

  1. Lisez l'issue en entier, puis le guide de contribution du projet.
  2. Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
  3. Forkez le dépôt et travaillez sur une branche.
  4. Ouvrez une pull request qui référence le numéro de l'issue.

Piste de recherche

Commencez par reproduire la comparaison de differential flamegraphs décrite dans l’issue avec des profils à 1 kHz et 100 Hz, puis déterminez où les nombres de samples sont mis à l’échelle et où les intervalles d’échantillonnage convertissent les samples en temps affiché. Le travail est terminé lorsque des profils identiques à différentes fréquences d’échantillonnage se comparent à environ 0 %, tandis que la conversion en temps affiché reste correcte.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Évaluation

Stack technique
python
Domaine
performance
Type d'issue
Bug
Difficulté
4/5
Temps estimé
3-5 jours
Activité
À l'abandon
Clarté
Plutôt claire
Accessibilité débutants
35/100

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.