译者按

• AI火焰图的核心结论就一句话：CPU火焰图已经人手一份，GPU迟早是同样的趋势，谁先补齐谁就有话语权。
• 这东西对国内中小厂/K3s环境大概率只能“看看思路”，因为目前只支持Intel平台，而国内私有云和K8s集群里NVIDIA占绝对主流，直接搬过来跑不起来。
• 如果你真想在自己集群里实操火焰图，先别急着上GPU那套，老老实实把CPU侧的可观测性和栈回溯链路打通，很多所谓“性能问题”在K8s里都是资源配额和调度噪声导致的。
• 踩坑提醒：在K3s/容器环境里跑栈回溯，记得先确认内核版本和perf_event_paranoid权限，否则采样全是空的，折腾半天以为火焰图画不出来，其实是权限没放开。

AI 火焰图与GPU性能分析：一位SRE工程师的Intel三年半

离职回顾

我已从Intel离职，接受了新的机会。在Intel的三年半里，我主要做了以下工作：

• 推出AI火焰图（AI Flame Graphs） 并开源
• 开发GPU亚秒级偏移热力图
• 与Linux发行版合作，实现栈回溯（stack walking） 能力
• 接受WSJ关于eBPF安全监控的采访
• 担任eBPF技术指导委员会（BSC）领导成员
• 联合主持USENIX SREcon APAC 2023
• 完成6场大会主题演讲

关于AI火焰图的展望

目前，互联网上CPU性能分析案例中，火焰图已经是标配工具。但GPU领域的火焰图普及还远未达到这一程度（我们开源的版本仅支持Intel平台，这也不利于推广）。不过，随着GPU代码复杂度不断提升、分层越来越多，AI火焰图的需求必然持续增长。

云战略与协作

在云计算领域，我参与了110场客户会议，并与6个组织的同事协作，制定了包含33项具体建议的公司级云市场回归战略。该战略包含一张覆盖19个相关团队的交互可视化地图，多位Intel老员工表示这是他们首次见到这样的跨公司协作地图。

背景与环境

考虑到Intel近三年面临史上最艰难的局面，且我入职前15个月处于招聘冻结期，能有上述产出已属不易。

值得记忆的瞬间

• 在Intel活动中见到Linus，他说“现在大家都在用火焰图了”（芬兰口音）
• 见到Pat Gelsinger，他了解我的工作并把我介绍给高管层
• 与Harshad Sane的相识——他在我Netflix时期帮助过我，如今他也加入了Netflix，我们互换了会议桌的位置
• 与Intel硬件Fellows的交流，他们乐于帮我理解处理器内部架构

后续建议的执行

我未来几年在Intel的工作重点原本是推进那33项建议的落地。这些建议大多涉及组织变革，需要ELT/CEO层面的批准和多个季度的持续投入。虽然我离开了，但相关战略文档、演示文稿、代码和周报都已留在共享文件夹中，其他同事可以继续推动。希望这些工作能让Intel持续变强。

原文来源：Brendan Gregg