Skip to content

PERFORMANCE_EVOLUTION.md

Latest commit

 

History

History
424 lines (324 loc) · 10.6 KB

PERFORMANCE_EVOLUTION.md

File metadata and controls

424 lines (324 loc) · 10.6 KB

📊 效能優化演進記錄

📅 優化時間軸：2025-11-04

本文檔記錄從初始版本到方案 C 的完整效能優化過程，包括數據對比與技術分析。

🎯 優化目標

初始問題

  • CPU: 136.9% (攝影機階段) - 超過 100%，系統負載過重
  • 記憶體: 4147 MB (攝影機階段) - 持續增長，嚴重記憶體洩漏
  • 使用體驗: 開啟影片時示波器嚴重 lag

最終目標

  • CPU < 70% (攝影機階段)
  • 記憶體 < 800 MB (攝影機階段)
  • 保持所有 AI 訓練資料完整性

📈 三版本效能對比

階段 指標 初始版本
(102206)		 第一輪優化
(110748)		 第二輪優化
(113014)		 方案 C
(待測試)
未連接 CPU 0.7% 1.0% 9.6% ⚠️ ~10%
記憶體 342 MB 342 MB 340 MB ~340 MB
GPU 8.0% 30.2% 10.6% ~10%
已連接 CPU 122.7% 🔥 47.8% ⬇️ 51.0% ~50%
記憶體 350 MB 361 MB 347 MB ~350 MB
GPU 24.8% 49.1% 25.1% ~25%
攝影機 CPU 136.9% 🔥 100.1% ⬇️ 62.5% ⬇️ ~50% ✅
記憶體 4147 MB 💥 2028 MB ⬇️ 708 MB ⬇️ ~700 MB ✅
GPU 19.2% 38.0% 24.5% ~25%

圖例

  • 🔥 嚴重問題
  • 💥 記憶體洩漏
  • ⬇️ 顯著改善
  • ✅ 達標
  • ⚠️ 需要說明

🔍 詳細分析

版本 1: 初始版本 (2025-11-04 10:22:06)

測試報告: performance_logs/performance_report_20251104_102206.md

數據

未連接:  CPU 0.7%,   記憶體 342 MB,  GPU 8.0%
已連接:  CPU 122.7%, 記憶體 350 MB,  GPU 24.8%
攝影機:  CPU 136.9%, 記憶體 4147 MB, GPU 19.2%

問題診斷

  1. CPU 過載 (136.9%)

    • 示波器 20 FPS 更新，8 通道全刷新
    • MediaPipe 15 FPS 處理 (每幀都處理)
    • UI 事件循環阻塞

  2. 記憶體洩漏 (4147 MB)

    • 攝影機影像未釋放
    • OpenCV 緩衝區累積
    • MediaPipe 內部快取

  3. GPU 使用不足 (19.2%)

    • 未充分利用 Metal 加速
    • CPU 與 GPU 負載不平衡

版本 2: 第一輪優化 (2025-11-04 11:07:48)

測試報告: performance_logs/performance_report_20251104_110748.md

優化措施

# 1. CPU 優化
plot_timer.setInterval(200)  # 20 FPS → 5 FPS
_individual_plot_update_interval = 10  # 10 FPS → 2 FPS
_channels_per_update = 2  # 每次只更新 2/8 通道

# 2. 記憶體優化
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 480)   # 640 → 480
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 360)  # 480 → 360
_process_every_n_frames = 2  # MediaPipe 每 2 幀處理

# 3. GPU 優化
os.environ['QSG_RHI_BACKEND'] = 'metal'
cap.set(cv2.CAP_PROP_BACKEND, cv2.CAP_AVFOUNDATION)

數據

未連接:  CPU 1.0%,   記憶體 342 MB,  GPU 30.2%
已連接:  CPU 47.8%,  記憶體 361 MB,  GPU 49.1%
攝影機:  CPU 100.1%, 記憶體 2028 MB, GPU 38.0%

改善效果

  • CPU: 122.7% → 47.8% (-61%) ✅
  • CPU: 136.9% → 100.1% (-27%) 🔄
  • 記憶體: 4147 MB → 2028 MB (-51%) 🔄
  • GPU: 8.0% → 30.2% (+278%) ✅

未達標

  • CPU 攝影機仍超過 100%
  • 記憶體仍在 2GB 以上
  • 需要進一步優化

版本 3: 第二輪優化 (2025-11-04 11:30:14)

測試報告: performance_logs/performance_report_20251104_113014.md

優化措施

# 1. 智慧記憶體管理
MAX_FULL_IMAGE_FRAMES = 100  # 只保留最新 100 幀完整影像

# 定期清理舊幀
if len(self.session.frames) > MAX_FULL_IMAGE_FRAMES:
    old_frame.frame_image = None  # 釋放影像，保留 landmarks

# 2. 錄影模式 UI 節流
is_recording = self._motion_recorder and self._motion_recorder.recording
update_interval = self._individual_plot_update_interval * 2 if is_recording else ...
# 錄影時個別通道: 1 FPS → 0.5 FPS

# 3. MediaPipe 頻率降低
_process_every_n_frames = 3  # 每 2 幀 → 每 3 幀 (7.5 FPS → 5 FPS)

# 4. 攝影機解析度再降低
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 320)   # 480 → 320
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 240)  # 360 → 240

數據

未連接:  CPU 9.6%,  記憶體 340 MB, GPU 10.6%
已連接:  CPU 51.0%, 記憶體 347 MB, GPU 25.1%
攝影機:  CPU 62.5%, 記憶體 708 MB, GPU 24.5%

改善效果

  • CPU: 100.1% → 62.5% (-37.6%) ✅
  • 記憶體: 2028 MB → 708 MB (-65.1%) ✅
  • 所有目標達成: CPU <70%, 記憶體 <800MB ✅

版本 4: 方案 C - 動態負載優化 (2025-11-04 實作中)

文檔: OPTIMIZATION_PLAN_C.md

優化措施

# 自適應處理頻率
process_interval = 3 if self._cached_has_hand else 6
# 有手: 5 FPS (維持品質)
# 無手: 2.5 FPS (節省 50% CPU)

預期效果

未連接:  CPU ~10%,  記憶體 ~340 MB
已連接:  CPU ~50%,  記憶體 ~350 MB
攝影機:  CPU ~50%,  記憶體 ~700 MB (平均 50% 有手)
  - 無手時: CPU ~45%
  - 有手時: CPU ~60%

⚠️ 重要發現：為什麼第二次測試閒置 CPU 反而上升？

現象

  • 初始版本: CPU 0.7% (閒置)
  • 第一輪優化: CPU 1.0% (閒置)
  • 第二輪優化: CPU 9.6% (閒置) ⚠️ +8.6%

原因分析

1. MediaPipe 預載入機制

# main_window.py line 217
QtCore.QTimer.singleShot(100, lambda: asyncio.create_task(self._preload_mediapipe()))

第二輪優化後的啟動流程:

程式啟動 (0s)
  ↓
UI 初始化 (0.1s)
  ↓
開始預載 MediaPipe (0.1s) ← 新增
  ↓
背景載入 TensorFlow Lite + Metal 模型 (0.1s ~ 15s)
  ↓
測試開始監控 (可能在載入中)

初始版本的啟動流程:

程式啟動 (0s)
  ↓
UI 初始化 (0.1s)
  ↓
等待用戶操作
  ↓
開始錄影時才載入 MediaPipe (延遲載入)

2. 繪圖計時器持續運作

# 即使未連接，繪圖計時器仍在運行
self._plot_timer.setInterval(200)  # 5 FPS
self._plot_timer.start()  # 立即啟動

# 原因: 確保 UI 即時響應

雖然沒有數據，但計時器仍會觸發 _refresh_plot():

  • 讀取空緩衝區
  • 更新空白曲線
  • pyqtgraph 渲染循環

3. Metal 後端初始化開銷

# main.py
os.environ['QSG_RHI_BACKEND'] = 'metal'

Metal 後端在閒置時仍有基礎負載:

  • GPU 上下文維護
  • 渲染管線待命
  • 資源池管理

性能影響評估

閒置時 CPU +8.6% 是否重要？

不重要，原因:

  1. Trade-off 合理

    • 閒置: +8.6% CPU (0.7% → 9.6%)
    • 連接後: -71.7% CPU (122.7% → 51.0%)
    • 攝影機: -74.4% CPU (136.9% → 62.5%)

  2. 實際使用場景

    • 閒置時間很短 (<30 秒)
    • 用戶會立即連接裝置
    • 9.6% CPU 對 M1 Max 可忽略

  3. 好處大於成本

    • MediaPipe 預載完成後立即可用
    • 避免錄影時等待 10-15 秒
    • 改善使用體驗

數據佐證

使用時間分配（典型工作流程）:
- 閒置: 30 秒 (10%)
- 連接: 60 秒 (20%)
- 錄影: 180 秒 (60%)
- 其他: 30 秒 (10%)

加權平均 CPU:
= 9.6% × 0.1 + 51% × 0.2 + 62.5% × 0.6 + 9.6% × 0.1
= 0.96 + 10.2 + 37.5 + 0.96
= 49.62%

相較初始版本:
= 0.7% × 0.1 + 122.7% × 0.2 + 136.9% × 0.6 + 0.7% × 0.1
= 0.07 + 24.54 + 82.14 + 0.07
= 106.82%

節省: 106.82% - 49.62% = 57.2%

結論

閒置 CPU 上升 8.6% 是設計取捨，不是 Bug:

  • ✅ 加速啟動流程（MediaPipe 預載）
  • ✅ 改善錄影體驗（避免等待）
  • ✅ 整體效能大幅提升（-57.2%）
  • ✅ 實際影響可忽略（閒置時間短）

如果需要降低閒置 CPU，可以:

  1. 延遲預載 MediaPipe 直到用戶點擊「錄影」
  2. 閒置時停止繪圖計時器
  3. 使用 lazy Metal 初始化

但這些會犧牲使用體驗，不建議實作。

📊 累計優化效果總結

CPU 改善

已連接階段:
122.7% (初始) → 51.0% (第二輪) → ~50% (方案 C)
降低: 72.7% (-59.3%)

攝影機階段:
136.9% (初始) → 62.5% (第二輪) → ~50% (方案 C)
降低: 86.9% (-63.5%)

記憶體改善

攝影機階段:
4147 MB (初始) → 708 MB (第二輪) → ~700 MB (方案 C)
降低: 3447 MB (-83.1%)

GPU 利用率

攝影機階段:
19.2% (初始) → 24.5% (第二輪) → ~25% (方案 C)
提升: +27.6% (更好利用硬體加速)

🎯 優化技術清單

CPU 優化

  • 降低示波器更新頻率 (20 FPS → 5 FPS)
  • 通道輪流更新 (8/8 → 2/8)
  • MediaPipe 跳幀處理 (15 FPS → 5 FPS)
  • 錄影模式 UI 節流 (2x slower)
  • 動態負載調整 (有手/無手自適應)
  • 跳過繪圖檢查 (skipFiniteCheck)
  • 啟用降採樣 (setDownsampling)

記憶體優化

  • 智慧幀緩衝 (只保留 100 幀)
  • 主動釋放舊幀 (del old_frame)
  • 降低攝影機解析度 (640x480 → 320x240)
  • 垃圾回收優化 (gc.collect)
  • 減少緩衝區大小 (BUFFER_SECONDS 2→1)

GPU 優化

  • Metal 渲染後端
  • AVFoundation 硬體解碼
  • MediaPipe Metal 加速
  • 關閉 OpenGL (改用原生 Metal)

資料完整性保證

  • EMG 200Hz 完整記錄
  • 手部 21 關鍵點完整記錄
  • 影像完整儲存到檔案
  • 時間戳精確同步

📂 相關檔案

效能報告

  • performance_logs/performance_report_20251104_102206.md - 初始版本
  • performance_logs/performance_report_20251104_110748.md - 第一輪優化
  • performance_logs/performance_report_20251104_113014.md - 第二輪優化

原始數據

  • performance_logs/performance_raw_20251104_102206.json
  • performance_logs/performance_raw_20251104_110748.json
  • performance_logs/performance_raw_20251104_113014.json

統計數據

  • performance_logs/performance_stats_20251104_102206.json
  • performance_logs/performance_stats_20251104_110748.json
  • performance_logs/performance_stats_20251104_113014.json

文檔

  • OPTIMIZATION_SUMMARY.md - 優化總結
  • OPTIMIZATION_TEST.md - 測試指南
  • OPTIMIZATION_PLAN_C.md - 方案 C 詳細說明
  • PERFORMANCE_EVOLUTION.md - 本文檔

🚀 下一步

  1. 測試方案 C

    sudo python performance_profiler.py

  2. 驗證動態負載

    • 無手時: CPU 應降至 ~45%
    • 有手時: CPU 應維持 ~60%
    • 平均: CPU 應降至 ~50%

  3. 最終確認

    • 所有目標達成 ✅
    • 資料完整性 100% ✅
    • 準備開始 AI 訓練 🎉

📝 版本歷史

  • 2025-11-04 10:22: 初始版本效能分析
  • 2025-11-04 11:07: 第一輪優化完成
  • 2025-11-04 11:30: 第二輪優化完成
  • 2025-11-04 15:00: 方案 C 實作完成 (待測試)
  • 2025-11-04 15:30: 本文檔建立

建立日期: 2025-11-04
作者: AI Assistant + User Feedback
最後更新: 2025-11-04 15:30