MLIR的Profiling（性能分析）与Timing（计时）Pass
上周帮团队调一个AI推理引擎的算子性能问题，模型跑在自研NPU上，某个卷积算子的延迟比预期高了3倍。常规手段——插桩、打印时间戳、甚至用perf去抓——都试了，结果发现瓶颈不在计算本身，而在MLIR编译后的IR调度上。那个调度循环展开得过于激进，导致指令缓存频繁miss。这时候我才意识到，MLIR的Profiling和Timing Pass不是锦上添花，而是调试利器。
为什么MLIR需要自己的计时机制
很多人觉得性能分析有perf、gprof就够了，何必在MLIR层面再搞一套？这里有个关键点：MLIR的Pass流水线是分阶段执行的，每个Pass可能对IR做不同粒度的变换。你没法用perf去测量“某个Pattern匹配替换花了多少时间”，因为那是编译期行为，不是运行时行为。MLIR的Timing Pass解决的是编译期性能分析——哪个Pass慢、哪个Pattern匹配耗时、哪个Dialect转换卡住了。
另一个场景是运行时Profiling：你生成的代码跑在目标硬件上，但你想知道IR中某个特定Operation的执行时间。这时候需要把计时指令插入到生成的代码里，而不是事后用外部工具去猜。
Timing Pass：编译期的“秒表”
MLIR自带了一个-mlir-timing选项，开启后会在每个Pass执行前后打时间戳。用法很简单：
