01 为什么 Profiling 值得单独成章

页面目标

这一页先解释 profiling 的目标：不是“多看图”，而是把一个性能猜测变成证据链。

本页的输出是一份最小问题定义：现象、影响指标、可能边界和需要采集的证据。完成后再进入时间拆分，而不是直接猜具体 kernel。

问题起点

训练和推理里的“慢”，往往有很多表象：

• step time 变长
• TTFT 变高
• 多卡扩展不稳
• 显存降了但吞吐也掉了

如果没有 profiling，很多结论都停留在“怀疑某个模块慢”，而不是“证明确实慢在这里”。

核心矛盾

profiling 想得到更可靠的判断，但代价是：

• 采集会更复杂
• 图和表会更多
• 更容易被局部热点误导

所以这条专题的关键，不是把工具列全，而是教人怎样建立一条可靠的诊断链。

可视化入口

对应 Part

• 0E / 17 / 20：profiling 的入门和前置桥。
• 74 / 79 / 46：profiling 在真实训练、分布式和通信场景里的落点。

本节要点

profiling 的价值在于：它把“感觉慢”变成“证据证明慢在哪里”。

进入下一页

先进入 02 时间拆分与 Trace 阅读，把抽象的性能问题转成可观察的时间区间。