vLLM推理引擎教程6-Nsight Systems性能分析

1、概念

我们需要通过推理引擎极致地优化推理的性能，所以必不可少需要一个性能分析工具。

本文介绍Nvidia Nsight Systems，它时一个低开销的系统级性能分析器。它的核心设计目标是回答一个关键问题：“我的应用程序在运行过程中，时间到底花在了哪里”。

Nsight Systems专注于应用程序的行为，它通过收集代码在CPU和GPU上的执行细节，生成一个跨整个系统的时间线视图，让开发者能够清晰地看到线程活动、GPU内核执行、内存拷贝、API调用等事件之间地因果关系和时序关系。

2、安装

目标：在linux服务器上跟踪应用程序的执行，在windows上进行可视化分析。

下载地址：https://developer.nvidia.com/nsight-systems/get-started

Windows安装：

linux安装：

Linux安装命令：

sudo rpm -ivh NsightSystems-linux-cli-public-2025.6.1.190-3689520.rpm

Linux端验证成功：

nsys --version

返回结果：

3、Python版本GPU性能测试

python测试代码：

import torch import time print("Creating tensors on GPU...") x = torch.randn(10000, 10000).cuda() y = torch.randn(10000, 10000).cuda() print("Performing matrix multiplication...") start = time.time() z = torch.mm(x, y) torch.cuda.synchronize() end = time.time() print(f"Done! Time: {end - start:.2f} seconds") print(f"Result shape: {z.shape}")

执行命令日志：

(vllm_python312) [work@iZuf6hp1dkg31metmko4pbZ test]$ nsys profile --trace=cuda,nvtx,osrt --output=matrix_mult_trace --force-overwrite true python test_gpu.py Collecting data... Creating tensors on GPU... Performing matrix multiplication... Done! Time: 0.10 seconds Result shape: torch.Size([10000, 10000]) Generating '/tmp/nsys-report-1078.qdstrm' [1/1] [========================100%] matrix_mult_trace.nsys-rep Generated: /data/xiehao/workspace/code/test/matrix_mult_trace.nsys-rep

将nsys-rep文件在Windows端通过GUI打开：

上面的python代码涉及GPU操作的有3部分：

- x复制到GPU，32ms

- y复制到GPU，31ms

- mm操作，47ms