PerfTracker是一个用于大模型训练的在线性能分析诊断工具，基于高精度的软硬件全栈信息在线监控。当任务性能出现问题时，它能在线获取各个Worker的所有CUDA核函数、Python函数执行记录及硬件监控记录，并生成分析报告，自动化诊断性能损失原因，如慢节点定位、瓶颈/耗时异常函数以及Hang问题等。本文为您介绍如何使用PerfTracker。
使用限制
目前，Perftracker相关能力仅支持PyTorch框架任务。
PerfTracker功能介绍
主要功能
在线获取任务执行记录：当任务性能出现问题时，能够在线收集所有Worker的函数（CUDA核函数和Python函数等各种类型）执行记录，以及GPU、NVLink、PCIe、DRAM等硬件的高精度（100微秒粒度）监控信息。
函数级性能分析：通过集中处理这些高精度软硬件监控数据，生成各个函数的性能报告，并自动化诊断导致性能损失的原因，包括慢节点定位、瓶颈/耗时异常函数等。同时也为人工深入分析提供了依据，帮助确定性能优化的方向。
解决方案
支持线上训练任务函数运行记录细粒度采集：将收集信息由离线复现转向在线细粒度捕获，提升实时性和准确性。
基于多节点函数运行记录的高效性能分析算法：将人工性能分析的经验程序化，构建自动化诊断分析算法，实现高效的性能分析和问题定位。
实现原理
PerfTracker由Collector和PerfDisplay两部分组成。其中Collector运行于客户任务容器中，与训练任务进程完全独立，PerfDisplay提供本地可打开的可视化页面。PerfTracker原理如下图所示：
PerfTracker Collector：支持超高精度的全栈信息在线监控，利用Torch profiler API和nsys进行原始监控数据采集。可以采集以下类型数据：
任务运行时CUDA Kernel函数（包括计算Kernel和通信Kernel等）、向GPU launch Kernel函数、显存操作、Python函数，以及其它所有函数的执行记录，用于代码级别的性能分析，100%精确记录程序行为。
100微秒精度的GPU、NVLink、PCIe、DRAM等硬件的各种指标监控信息。
采集结果如下图所示：
CUDA Kernel函数、显存操作
Python函数、GPU launch Kernel
硬件监控信息
PerfDisplay：将以上数据进行汇总分析，生成性能分析报告及可视化输出。
使用PerfTracker
准备工作
在提交训练任务前，请先将PerfTracker安装包下载到本地。以避免因并发执行量高导致下载缓慢的情况。
说明您可以选择通过命令行直接下载，或使用浏览器访问命令行中的链接完成下载。
下载PerfTracker到指定目录（例如
/cpfs01/perftracker，您需要将其修改为本地存在的目录）：wget -t 5 -w 2 -P /cpfs01/perftracker https://network-research-lingjun-open-oss.oss-cn-hangzhou.aliyuncs.com/files/c4d_perftracker_collector-1.4.0-py3-none-any.whl
准备训练代码，导入PerfTracker模块并标记step。
在训练代码的头部import（导入）PerfTracker模块。示例如下：
try: from c4d_perftracker_collector.PerfTracker import PerfTracker my_tracer = PerfTracker() except: my_tracer = None在训练代码中标记step。
使用PerfTracker需要在训练代码中标记step。每次执行到一个tracer.step()，PerfTracker会记录下来，用于后台控制采集多少个iteration。
while iteration < args.train_iters: ... # 训练代码 if my_tracer is not None: my_tracer.step() # 标记一个step
一个包含了上述内容（import以及插入step）的简易代码training.py示例如下：
import torch import time import torch.distributed as dist import argparse try: from c4d_perftracker_collector.PerfTracker import PerfTracker my_tracer = PerfTracker() except: my_tracer = None dist.init_process_group("nccl") torch.cuda.set_device(dist.get_rank()) # 检查CUDA是否可用 if torch.cuda.is_available(): print("CUDA is available!") device = torch.device('cuda') # 使用默认的CUDA设备 else: print("CUDA is not available.") device = torch.device('cpu') # 如果没有CUDA，则使用CPU def matmul(): matrix_a = torch.randn(1000, 1000) matrix_b = torch.randn(1000, 1000) # 将矩阵移动到CUDA设备 matrix_a = matrix_a.to(device) matrix_b = matrix_b.to(device) # 执行矩阵乘法 result = torch.matmul(matrix_a, matrix_b) result_cpu = result.to('cpu') print(result_cpu) del matrix_a, matrix_b, result torch.cuda.empty_cache() for i in range(1000): matmul() time.sleep(dist.get_rank()) print("Epoch:", i) if my_tracer is not None: my_tracer.step() dist.barrier()将准备好的训练代码文件（training.py）和安装包（c4d_perftracker_collector-1.4.0-py3-none-any.whl）上传到对象存储OSS存储空间中。
创建训练任务
创建训练任务时在启动命令中加一行pip install来安装PerfTracker（需要加在任务启动的命令之前，如下表中的“启动命令”中所示），其余配置与平时创建任务相同不需要改变。参数配置完成后单击确定。以下是示例：
参数
描述
环境信息
节点镜像
选择PyTorch2.0或以上版本。本方案示例为
easyanimate:1.1.5-pytorch2.2.0-gpu-py310-cu118-ubuntu22.04。直接挂载
单击OSS，选择训练代码文件和安装包所在的OSS存储目录，并配置挂载路径，本方案示例为
/mnt/data/。启动命令
# 安装PerfTracker pip3 install /mnt/data/c4d_perftracker_collector-1.4.0-py3-none-any.whl # 执行训练代码（例如训练代码为training.py） CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 torchrun --nproc_per_node=4 /mnt/data/training.py其中
/mnt/data/为数据集挂载路径。您也可以直接在启动命令中配置下载PerfTracker安装包命令，但由于并发量高，可能会导致下载速度缓慢。本方案在准备工作阶段完成安装包的下载。
资源信息
框架
选择PyTorch。
任务资源
选择资源规格，至少包含4个GPU，例如ecs.gn6e-c12g1.12xlarge。
在任务运行期间，单击目标任务名称，并在概览页签的实例区域，单击master实例操作列下的进入容器，然后执行以下命令实现相应功能。
分析模式：用于在任务性能不符合预期时诊断原因。
该命令会产出并保存分析结果，不保存原始trace：
c4d_perftracker --trigger-on --auto-analyze --output-dir /path/to/trace保存分析结果后，可通过PerfDisplay（见下一节）查看分析报告。
在存储（如CPFS或OSS）空间充足时，推荐使用该命令。除分析结果外，原始trace也存档，以便在诊断问题后进行人工确认。但需要注意一个Worker的trace通常超过几百MB，诊断完毕后可以手动删除。
c4d_perftracker --trigger-on --auto-analyze --output-dir /path/to/trace --save-raw-trace all其中
/path/to/trace表示原始trace保存的目录，如果不填，则默认值为/tmp/perftracker/output。您可以将其配置为任务数据集挂载目录（例如/mnt/data/），原始trace将保存到数据集中，其中.json文件可在Perfetto页面进行可视化，.nsys-rep文件可使用免费软件Nsight Systems进行可视化。
除此之外，PerfTracker还提供了丰富的参数选择，和对诊断结果的交互查询功能，方便定位性能问题根因。
查看分析结果
参考分析模式生成并保存分析结果至
--output-dir参数配置的目录中。命令执行成功后，系统会在该目录中生成
<时间戳>/PerfDisplay文件夹。在容器中，将PerfDisplay文件夹拷贝到数据源的挂载目录
/mnt/data中，并参考命令行工具ossutil 2.0，将PerfDisplay目录下载到本地。在终端中，进入
PerfDisplay文件夹中并运行sudo python3 app.py（Linux可能不需要sudo），然后在浏览器中打开http://127.0.0.1:5000/，即可在可视化页面中查看任务性能报告，如下图所示。
PerfTracker会展示所有对任务性能有一定影响的函数的性能报告，并指示是否有性能异常。不同类型的函数会按如下分类进行展示，此外还提供了一系列操作选项，在网页中有详细提示和示例。以下是展示内容的简要介绍：
GPU计算函数
GPU Compute:
[2025-03-04 06:04:00,046 PerfTracker] (compute_functions.py 131) INFO: {
"min/median/max GPU utilization (in [0,1])": [
0.27586059769318555,
0.28605496203987174,
0.2945494558115959
],
"workers with abnormal GPU utilization": {},
"major_kernel_executions": {
"void multi_tensor_apply_kernel<TensorListMetadata<4>, AdamFunctor<float, float, int>, float, float, float, float, float, float, adamMode_t, float>(long, int volatile*, TensorListMetadata<4>, AdamFunctor<float, float, int>, float, float, float, float, float, float, adamMode_t, float)320_1_1|512_1_1": {
"median cost per execution (ms)": 403.7,
"bottleneck ratio (in [0,1])": 0.01608086667957405
},
"sm80_xmma_gemm_f16f16_f16f32_f32_nn_n_tilesize160x128x32_stage4_warpsize2x2x1_tensor16x8x16_kernel7_16_1|128_1_1": {
"median cost per execution (ms)": 130.0,
"bottleneck ratio (in [0,1])": 0.015779752711771233
},
"ampere_fp16_s16816gemm_fp16_128x128_ldg8_f2f_stages_32x5_nt16_32_1|128_1_1": {
"median cost per execution (ms)": 132.60000000000002,
"bottleneck ratio (in [0,1])": 0.013880912782219888
},
"void (anonymous namespace)::indexing_backward_kernel<c10::Half, 4>(long const*, long const*, c10::Half const*, c10::Half*, long, long, long, long, bool)256_16_1|32_4_1": {
"median cost per execution (ms)": 1202.25,
"bottleneck ratio (in [0,1])": 0.012148757934008617
},
"ampere_fp16_s16816gemm_fp16_128x128_ldg8_f2f_stages_32x5_nt16_24_1|128_1_1": {
"median cost per execution (ms)": 105.6,
"bottleneck ratio (in [0,1])": 0.005656117080836238
}
},
"workers with potential GPU issues": [],
"detailed report": {}
}报告解读：
"min/median/max GPU utilization (in [0,1])"表明该任务所有Worker的GPU利用率最高为29.4%，最低为27.5%，中位数为28.6%。"workers with abnormal GPU utilization"为空，表明GPU利用率没有显著离群的Worker（如果非空，则会列出离群的Worker号及其GPU利用率）。"major_kernel_executions"列出了几个总耗时较长的GPU Kernel执行情况，包括平均单次执行耗时（median cost per execution），以及占端到端性能的百分比（bottleneck ratio）。"workers with potential GPU issues"会列出GPU核函数执行较慢的Worker号，若为空则表示所有Worker都正常。"detailed report"会在"workers with potential GPU issues"非空时，列出具体哪个Worker执行的哪个Kernel函数比正常Worker慢，以及慢多少。
GPU显存操作函数
GPU memory operations:
[2025-03-04 06:04:00,048 PerfTracker] (gpu_mem.py 37) INFO: {
"Memcpy DtoD (Device -> Device)": {
"avg bottleneck ratio (in [0,1])": 0.010486858246092,
"abnormal_workers": {
"job_x08j11173.cloud.sqa.na131_2_122482.json": 0.010614755325049817,
"job_x08j11173.cloud.sqa.na131_8_122483.json": 0.0105935370201344,
"job_x08j11173.cloud.sqa.na131_1_122484.json": 0.010571838319204434,
"job_x08j11173.cloud.sqa.na131_0_122485.json": 0.010551186610995748,
"job_x08j11173.cloud.sqa.na131_2_122487.json": 0.010408514784026183,
"job_x08j11173.cloud.sqa.na131_5_122489.json": 0.010394903160689894,
"job_x08j11173.cloud.sqa.na131_8_122486.json": 0.010387693451926115,
"job_x08j11173.cloud.sqa.na131_9_122488.json": 0.010372437296709398
}
}
}报告解读：
"avg bottleneck ratio (in [0,1])"表明该任务在监控期间Memcpy DtoD的平均时间占比为1.048%。"abnormal_workers"表明其中8个Worker的Memcpy DtoD函数耗时异常。对于GPU显存操作函数，当bottleneck ratio（即运行时长除去和计算overlap的部分）大于0.01（1%）即被认为异常。
集合通信
Communication:
{
"nvlink ring send": {
"ncclDevKernel_AllReduce_Sum_f16_RING_LL(ncclDevComm*, unsigned long, ncclWork*)": {
"example_of_normal_worker": {
"worker": "job_x08j11173.cloud.sqa.na131_0_66930.json",
"different from other workers": 0,
"features": {
"bottleneck ratio (in [0,1])": 0.2743985289797289,
"avg throughput (%)": 73.75921390374332,
"throughput std (%)": 11.384679144385027
}
},
"abnormal_workers": []
}
},
"nvlink ring recv": {
"ncclDevKernel_AllReduce_Sum_f16_RING_LL(ncclDevComm*, unsigned long, ncclWork*)": {
"example_of_normal_worker": {
"worker": "job_x08j11173.cloud.sqa.na131_3_66933.json",
"different from other workers": 2,
"features": {
"bottleneck ratio (in [0,1])": 0.27346865947352955,
"avg throughput (%)": 72.70337362637363,
"throughput std (%)": 12.658093406593407
}
},
"abnormal_workers": []
}
},
"pcie sendrecv send": {
"ncclDevKernel_SendRecv(ncclDevComm*, unsigned long, ncclWork*)": {
"example_of_normal_worker": {
"worker": "job_x08j11173.cloud.sqa.na131_0_66930.json",
"different from other workers": 3,
"features": {
"bottleneck ratio (in [0,1])": 0.07248997985478658,
"avg throughput (%)": 46.667,
"throughput std (%)": 14.636000000000001
}
},
"abnormal_workers": []
}
},
"pcie sendrecv recv": {
"ncclDevKernel_SendRecv(ncclDevComm*, unsigned long, ncclWork*)": {
"example_of_normal_worker": {
"worker": "job_x08j11173.cloud.sqa.na131_7_66936.json",
"different from other workers": 1,
"features": {
"bottleneck ratio (in [0,1])": 0.0643436909425455,
"avg throughput (%)": 54.833333333333336,
"throughput std (%)": 14.166666666666666
}
},
"abnormal_workers": []
}
},
"pcie ring send": {
"ncclDevKernel_AllReduce_Sum_f16_RING_LL(ncclDevComm*, unsigned long, ncclWork*)": {
"example_of_normal_worker": {
"worker": "job_x08j11173.cloud.sqa.na131_0_66930.json",
"different from other workers": 0,
"features": {
"bottleneck ratio (in [0,1])": 0.2743985289797289,
"avg throughput (%)": 41.36698734177215,
"throughput std (%)": 14.653768987341774
}
},
"abnormal_workers": []
}
},
"pcie ring recv": {
"ncclDevKernel_AllReduce_Sum_f16_RING_LL(ncclDevComm*, unsigned long, ncclWork*)": {
"example_of_normal_worker": {
"worker": "job_x08j11173.cloud.sqa.na131_0_66930.json",
"different from other workers": 0,
"features": {
"bottleneck ratio (in [0,1])": 0.2743985289797289,
"avg throughput (%)": 41.5311475409836,
"throughput std (%)": 15.282721311475411
}
},
"abnormal_workers": []
}
}
}该报告按照不同的通信类型将集合通信函数进行分类，然后输出每种通信函数的性能分析，其中：
"example_of_normal_worker"列出了该函数执行的常态性能参数，包括bottleneck ratio（指占端到端时间的占比，已除去和计算overlap的时间）、avg throughput和throughput std。"abnormal_workers"若非空，则会列出所有该通信函数性能异常的Worker及其性能指标。
CUDA runtime
CUDA Runtime:
[2025-03-04 06:04:00,047 PerfTracker] (cuda_runtimes.py 43) INFO: {
"cudaLaunchKernel": {
"avg bottleneck ratio (in [0,1])": 0.039727736621541394,
"avg execution time / monitoring duration (in [0,1])": 0.06956947111288565,
"abnormal_workers": {
"job_x08j11173.cloud.sqa.na131_5_122489.json": 0.05342638907019616,
"job_x08j11173.cloud.sqa.na131_8_122483.json": 0.05125160206973098,
"job_x08j11173.cloud.sqa.na131_2_122487.json": 0.04770049253555521,
"job_x08j11173.cloud.sqa.na131_8_122486.json": 0.04358845044879828,
"job_x08j11173.cloud.sqa.na131_0_122485.json": 0.042635952262081556,
"job_x08j11173.cloud.sqa.na131_9_122488.json": 0.0354174573296689,
"job_x08j11173.cloud.sqa.na131_1_122484.json": 0.023585242093250733,
"job_x08j11173.cloud.sqa.na131_2_122482.json": 0.02021630716304934
}
}
}报告解读：
"avg bottleneck ratio (in [0,1])"表明该任务在监控期间cudaLaunchKernel的平均时间占比（已排除和计算overlap的部分）为3.97%。"avg execution time / monitoring duration (in [0,1])"表示cudaLaunchKernel的平均时间占比（不排除和计算overlap的部分）为6.95%。"abnormal_workers"表明其中8个Worker的cudaLaunchKernel函数耗时异常。对于CUDA Runtime函数、bottleneck ratio（即运行时长除去和计算overlap的部分）大于0.01（1%）即被认为异常。
Python函数
Python functions:
[2025-03-04 06:04:00,048 PerfTracker] (python_functions.py 43) INFO: {
"pretrain_gpt.py: <module>|megatron/training.py: pretrain|megatron/training.py: train|megatron/training.py: train_step|megatron/core/pipeline_parallel/schedules.py: forward_backward_pipelining_without_interleaving|megatron/core/pipeline_parallel/schedules.py: backward_step|megatron/core/pipeline_parallel/schedules.py: custom_backward|<built-in method run_backward of torch._C._EngineBase object at 0x>": {
"job_x08j11173.cloud.sqa.na131_2_122487.json": 0.16970858578301054,
"job_x08j11173.cloud.sqa.na131_5_122489.json": 0.16821543761561655,
"job_x08j11173.cloud.sqa.na131_0_122485.json": 0.16787961852913025,
"job_x08j11173.cloud.sqa.na131_8_122483.json": 0.16769273336153187,
"job_x08j11173.cloud.sqa.na131_8_122486.json": 0.14482595694389258,
"job_x08j11173.cloud.sqa.na131_9_122488.json": 0.10359829140378449,
"job_x08j11173.cloud.sqa.na131_1_122484.json": 0.06543764774209325,
"job_x08j11173.cloud.sqa.na131_2_122482.json": 0.06217541348063737
},
"pretrain_gpt.py: <module>|megatron/training.py: pretrain|megatron/training.py: train|megatron/training.py: train_step|megatron/core/pipeline_parallel/schedules.py: forward_backward_pipelining_without_interleaving|megatron/core/pipeline_parallel/schedules.py: forward_step|pretrain_gpt.py: forward_step|nn.Module: DistributedDataParallel_0|torch/nn/modules/module.py: _call_impl|megatron/core/distributed/distributed_data_parallel.py: forward|nn.Module: Float16Module_0|torch/nn/modules/module.py: _call_impl|megatron/model/module.py: forward|nn.Module: GPTModel_0|torch/nn/modules/module.py: _call_impl|megatron/model/gpt_model.py: forward|nn.Module: TransformerLanguageModel_0|torch/nn/modules/module.py: _call_impl|megatron/model/language_model.py: forward|nn.Module: ParallelTransformer_0|torch/nn/modules/module.py: _call_impl|megatron/model/transformer.py: forward": {
"job_x08j11173.cloud.sqa.na131_9_122488.json": 0.02471835416438489,
"job_x08j11173.cloud.sqa.na131_0_122485.json": 0.02022024568555683,
"job_x08j11173.cloud.sqa.na131_2_122482.json": 0.015394834126935101,
"job_x08j11173.cloud.sqa.na131_2_122487.json": 0.011625367332189284
},
"pretrain_gpt.py: <module>|megatron/training.py: pretrain|megatron/training.py: train|megatron/training.py: train_step": {
"job_x08j11173.cloud.sqa.na131_0_122485.json": 0.012272193902698852
},
"autograd::engine::evaluate_function: LinearWithGradAccumulationAndAsyncCommunicationBackward|LinearWithGradAccumulationAndAsyncCommunicationBackward|torch/autograd/function.py: apply|torch/cuda/amp/autocast_mode.py: decorate_bwd|megatron/core/tensor_parallel/layers.py: backward|<built-in method matmul of Tensor object at 0x>|aten::matmul|aten::mm": {
"job_x08j11173.cloud.sqa.na131_2_122487.json": 0.014066713574814782,
"job_x08j11173.cloud.sqa.na131_0_122485.json": 0.013168949365116213,
"job_x08j11173.cloud.sqa.na131_8_122483.json": 0.013000378454189552,
"job_x08j11173.cloud.sqa.na131_5_122489.json": 0.012500119397472594,
"job_x08j11173.cloud.sqa.na131_8_122486.json": 0.012470581043494208
},
"autograd::engine::evaluate_function: FastLayerNormFNBackward|FastLayerNormFNBackward|torch/autograd/function.py: apply|apex/contrib/layer_norm/layer_norm.py: backward|<built-in method ln_bwd of PyCapsule object at 0x>": {
"job_x08j11173.cloud.sqa.na131_0_122485.json": 0.010127612754279463
},
"pretrain_gpt.py: <module>|megatron/training.py: pretrain|megatron/training.py: train|megatron/training.py: train_step|megatron/core/pipeline_parallel/schedules.py: forward_backward_pipelining_without_interleaving": {
"job_x08j11173.cloud.sqa.na131_2_122487.json": 0.01041679269251709
},
"autograd::engine::evaluate_function: torch::autograd::AccumulateGrad": {
"job_x08j11173.cloud.sqa.na131_8_122486.json": 0.013633967050768714
}
}该报告列出了所有执行时间占比大于1%（除去与GPU计算、通信等overlap的时间）的Python函数，按照函数名聚类，每个函数下列出了所有执行时间占比大于1%的Worker，以及该函数分别在这些Worker上的执行时间占比。
附录：PerfTracker更多参数使用说明
PerfTracker使用：采集模式
采集模式支持登录任意一个容器，然后对该容器上的所有worker进行数据采集。
参数说明
--wait：指定等几个step开始采集，如果不指定该参数，则默认从下一个step开始采集。
--steps：指定要采集几个step的数据，默认值为2，推荐2-3。
--output-dir：指定trace存放的默认目录，默认值为
/tmp/perftracker/rawtrace。
使用示例
以下是开启PerfTracker采集模式的配置示例，开启采集模式后会输出以下提示信息：
使用默认配置，PerfTracker会采集2个step，并且在采集结束时将采集trace保存于
/tmp/perftracker/output目录下：c4d_perftracker --trigger-on指定--steps参数值为10，Perftracker将采集10个step，并将trace保存于
/tmp/perftracker/output目录下：c4d_perftracker --trigger-on --steps 10指定--wait参数值为10，PerfTracker将等10个step才开始采集，并将trace保存于
/tmp/perftracker/output目录下：c4d_perftracker --trigger-on --wait 10指定--output-dir，PerfTracker将采集数据保存到您指定的目录下：
c4d_perftracker --trigger-on --output-dir /path/to/trace混合参数配置示例：
c4d_perftracker --trigger-on --wait 3 --steps 5 --output-dir /path/to/trace
输出示例
输出文件为JSON格式，每个worker对应一个文件，每个文件通常几百MB至2-3GB不等，取决于监控时长和任务复杂度。可在https://ui.perfetto.dev/进行可视化，如下图所示：
PerfTracker使用：分析模式
采集模式需要登录master-0容器操作，从而对所有worker进行数据采集及汇总分析。
参数说明
--steps：指定要采集多少个step的数据，默认值为2，推荐2-3。
--wait：指定等多少个step开始采集，默认值为5。
--output-dir：可视化页面和trace文件保存的目录，默认值为
/tmp/perftracker/output。若不添加该参数，将在产出分析报告后删除原始trace文件。--save-raw-trace：是否保存worker的原始trace（每个worker对应一个文件，大小为几百MB到2-3GB），取值为none（不保存）、master（只保存rank0节点）或all（全部保存）。若未赋值，则默认为none。
使用示例
全部使用默认参数，PerfTracker会在接到指令后，等待5个step后，采集2个step的监控trace，生成性能报告后删除原始trace：
c4d_perftracker --trigger-on --auto-analyze指定了--wait的值后，PerfTracker会等待指定的step再开始采集一个轮次：
c4d_perftracker --trigger-on --auto-analyze --wait 10指定--steps参数值为3，PerfTracker将采集3个step数据：
c4d_perftracker --trigger-on --auto-analyze --steps 3如果命令行参数中有--save-raw-trace，trace将会被自动保存，默认路径为
/tmp/perftracker/output：c4d_perftracker --trigger-on --auto-analyze --save-raw-trace all将master的trace自动保存到您指定的路径
/path/to/trace：c4d_perftracker --trigger-on --auto-analyze --save-raw-trace master --output-dir /path/to/trace如果命令行参数中--save-raw-trace为all，所有worker的trace都将被保存：
c4d_perftracker --trigger-on --auto-analyze --output-dir --save-raw-trace all混合参数配置示例：
c4d_perftracker --trigger-on --auto-analyze --wait 5 --steps 10 --output-dir /path/to/trace --save-raw-trace all执行该命令后，PerfTracker将等待5个step，开始采集接下来的10个step数据，所有worker的trace会被保存到
/path/to/trace目录下，并将trace的分析报告展示在AIMaster容器中。