VTune可分析CPU/GPU异构程序，但需分两次独立采集：CPU用hotspots（加-stack-collection），GPU用gpu-offload（SYCL）或gpu-hotspots（CUDA）；编译必须保留调试符号与设备代码分离（如icpx -g -O2 -fsycl -fsycl-device-code-split=per_kernel），否则kernel名显示为???或地址。
直接说结论：VTune 能分析 CPU/GPU 异构程序，但必须分两路采集——CPU 热点用 hotspots，GPU 计算用 gpu-offload 或 gpu-hotspots，两者不能混在同一个采集命令里；且 SYCL/CUDA 程序必须启用调试符号 + 显式设备选择，否则 GPU 核函数名全显示为 ???_kernel 或地址。
编译时必须保留 GPU 核函数符号和源码映射
VTune 无法从 stripped 的 GPU 二进制中还原 kernel 名或源码行。对 SYCL 程序，icpx 编译需加：-g -O2 -fsycl -fsycl-device-code-split=per_kernel；对 CUDA，nvcc 需加：-g -G -lineinfo（注意 -G 会禁用部分优化，仅用于 profiling）。漏掉 -fsycl-device-code-split=per_kernel 会导致所有 SYCL kernel 合并成一个符号，VTune 只能显示 __sycl_kernel 这类泛化名。
- SYCL 程序若用
malloc_shared分配内存，VTune 的memory-access分析能追踪 USM 页面迁移，但需运行时加环境变量：SYCL_PI_LEVEL_ZERO_ENABLE_PCI_DEVICE_ID=1（Intel GPU）或CUDA_LAUNCH_BLOCKING=1（NVIDIA，仅限调试） - CUDA 程序若用
cuModuleLoadDataEx动态加载 PTX，VTune 无法关联源码——必须用nvcc -ptx预编译并嵌入可执行文件，或启用cuObjDump符号导出 - 禁用
-flto和-fvisibility=hidden，否则 device code 符号表被裁剪，GPU kernel 在 VTune GUI 中显示为空白或0x...
命令行采集 CPU 和 GPU 必须分开跑
VTune 不支持单次采集同时解析 CPU 指令周期 + GPU EU active cycles。强行用 vtune -collect hotspots,gpu-offload 会报错或丢数据。正确做法是两次独立采集：
- CPU 主线程热点：
vtune -collect hotspots -knob stack-collection=true -result-dir ./r_cpu ./my_app - GPU offload 瓶颈：
vtune -collect gpu-offload -result-dir ./r_gpu ./my_app（SYCL/DPC++）或vtune -collect gpu-hotspots -result-dir ./r_gpu ./my_app（CUDA） - 如果程序启动快、GPU kernel 执行短，加
-duration 10强制采样 10 秒，避免因进程退出导致 GPU 数据截断
注意：gpu-offload 仅识别 SYCL/DPC++ 的 queue::submit 调用点，不捕获 CUDA stream 回调；CUDA 场景必须用 gpu-hotspots，否则看不到 kernel launch 时间轴。
立即学习“C++免费学习笔记（深入）”；
GUI 里看不清 GPU kernel 名？检查三个地方
常见现象是 GPU Timeline 视图里只显示 GPU Compute 块，双击进去全是 unknown_kernel 或十六进制地址。原因通常卡在这三处：
- SYCL 程序没调用
queue::wait()或event::wait()，VTune 无法关联 kernel launch 到 host 端 call site——必须确保 host 代码有显式同步 - Intel GPU 上未启用 Level Zero 驱动调试模式：
export ZE_DEBUG=1并确认ze_info能列出设备；AMD/NVIDIA GPU 需对应安装 ROCm/Nsight Compute 驱动兼容层 - kernel 源码用了宏展开或模板特化（如
parallel_for<MyTag>），VTune 默认显示 mangled name，需在 GUI 的 Bottom-up 视图右键 →Demangle names，或命令行加-knob demangle-mode=full
异构调用栈里 CPU 和 GPU 是割裂的
VTune 不自动拼接 “CPU 调用 queue.submit → GPU kernel 执行 → CPU 回调” 的完整跨设备栈。你看到的是两个平行世界：
- CPU 视图里：
main→sycl::queue::submit→zeCommandListAppendLaunchKernel（到底层驱动），但不会延伸到 kernel 内部 - GPU 视图里：只显示 kernel 入口（如
_ZTSN5sycl3ext7oneapi9experimental10loop_implINS_6detail12loop_handlerILi0ELi1EEEEE），没有上层 C++ 函数上下文 - 想定位“哪个 host 函数触发了慢 kernel”，只能靠时间对齐：在 CPU Timeline 找 submit 时间点，在 GPU Timeline 找对应时段的 kernel，再回查 host 代码中该时间点附近的
queue::submit调用位置
真正难的不是采集，而是把 CPU 的调度逻辑和 GPU 的执行行为在时间轴上手动锚定——这一步没有自动化，必须结合日志打点或 ittapi 手动标记关键段。
