Data Explorer

Data Explorer 是一个无需编写 SQL 即可交互式探索 Trace 数据的工具。核心思路是将分析视为一个流水线：你从一个数据源（表或自定义 SQL）开始，然后通过在可视化画布上连接节点或直接与数据表中的数据交互，在上游串联各种操作——过滤、聚合、JOIN 等。结果在构建过程中实时显示。

它在以下场景中最有用：

• 调查不熟悉的数据——在编写查询之前浏览表包含哪些列和值
• 调试性能问题——快速对事件进行切片、过滤和聚合，缩小时间花费的范围
• 迭代分析——逐步构建查询并在每个阶段检查中间结果
• 可视化结果——使用 Charts 节点将查询输出绘制为图表和仪表盘，或导出回 Trace 作为 Debug Track

核心特性包括：

• 无需 SQL——节点完全抽象了 SQL 概念；例如，添加列不需要了解 JOIN，条件表达式通过表单构建而非手写 SQL
• 专为 Perfetto 定制——一等支持 Trace 特有操作：交叉时间区间、过滤事件到 Timeline 上选择的时间范围、生成时间范围、将开始/结束事件配对为 Slice
• 感知标准库——集成 PerfettoSQL 标准库；选择表源时，Data Explorer 知道哪些表存在以及哪些表实际包含当前加载的 Trace 数据
• 可视化图——通过在画布上连接节点来组合查询；图结构直接映射到查询结构
• 交互式数据网格——结果在构建过程中实时更新；你也可以直接从网格创建新节点，无需返回画布——点击列值添加过滤，或基于外键从关联表添加列来丰富结果
• 图表和仪表盘——将 Charts 节点附加到任何查询以生成图表；多个可视化可以组合成仪表盘
• 需要时可使用完整 SQL 能力——构建器生成真实的 SQL；你可以随时查看生成的查询，当内置节点不够时切换到 Query 节点
• 持久化状态——图保存在永久链接中并缓存在浏览器中，因此会话之间不会丢失工作，同一个图可用于你打开的任何 Trace
• 导入 / 导出——将查询图保存为 JSON 文件或从 JSON 文件加载，便于分享

概念

项目

Data Explorer 中的工作按项目组织。每个项目包含一个查询图和任意数量的仪表盘。你可以维护多个项目以保持不同的分析独立，也可以在一个项目中完成所有工作——由你选择。

节点

Data Explorer 的核心概念是节点。节点分为以下类别：

• Source 节点——提供初始数据。例如：SQL 表、Slice 查询或自定义 SQL 表达式。
• 修改节点——接收单个输入并对其进行转换。例如：过滤、聚合、排序、添加列。每行从一个上游节点进入，经过修改或过滤后输出。
• 多源节点——组合两个或更多输入的数据，没有单一的主数据源。例如：JOIN、UNION、区间交叉、创建 Slice。
• 导出节点——位于流水线末端，在查询图之外产出输出：仪表盘视图、图表、Metric 规范，或用于跨 Trace 分析的 Trace Summary。

图

节点排列在画布上。通过从一个节点的输出端口拖拽到另一个节点的输入端口来连接两个节点。大多数节点有一个主输入（垂直流向）；一些接受辅助输入（侧端口）用于 JOIN 式操作。数据从左到右（或从上到下）流动：每个节点接收其上游节点的输出，并将自己的输出传递给下游。

要在现有流水线中插入节点，点击你想在其后插入的节点上的 + 按钮——新节点会自动连接在该节点与其下游连接之间。你也可以直接从数据网格插入节点而无需返回画布：例如，点击单元格值会内联添加一个该值的过滤节点。

要删除节点，选中它并按 Delete（或使用右键菜单）。如果被删除的节点在流水线中间，其主父节点会自动重新连接到其主子节点，使图的其余部分保持完整。

使用按钮撤销和重做更改。

列类型

每列都有一个 PerfettoSQL 类型。类型影响值在数据网格中的显示方式、列上可用的操作，以及数据网格在交互时能做什么。

类型从标准库 Schema 自动推断。对于由 Query 节点或计算表达式生成的列，可能需要通过 Modify Columns 或 Add Columns 中的列类型选择器手动设置类型。

结果

选择图中的任何节点即可在画布下方的数据网格中查看其结果。网格支持列排序、过滤和添加新列，并通过查询引擎的分页机制处理大型结果集。列类型用于特殊单元格格式化——持续时间以可读单位显示，ID 直接链接到 Timeline。

构建查询

Smart Graph

最快速的入门方式是 Smart Graph，可从导航面板访问。它会检查当前加载的 Trace 并自动生成一个图，其中填充了所有有数据的 Core 和 Very Common 表——让你无需任何手动设置就能概览 Trace 中可用的内容。

在探索时，优先关注 Very Common 表——这些是我们推荐的良好分析起点。Core 表是从 Trace Processor 直接收集的未过滤、无偏向的集合，仅为完整性而包含，不作为推荐起点。有关重要性级别的完整说明，请参阅下方节点参考中的 Table 部分。

添加 Source 节点

点击画布左上角的蓝色 + 按钮打开节点菜单。在 Sources 下，选择数据的起点：

添加节点

选中一个节点后，打开节点菜单并选择一个操作。新节点会自动连接到选中的节点。操作分为两类：

修改节点转换单个输入：

多源节点组合多个源的数据，没有单一的主输入：

导出节点在查询流水线之外产出输出：

运行查询

大多数节点在构建图时自动执行。需要你编写 SQL 或完成输入配置后才能运行的节点——例如 Query 节点——改为显示 Run Query 按钮。节点准备就绪后点击它。

查看结果

点击任何节点选中它。其结果显示在 Data Explorer 底部的数据网格中。网格支持：

• 列排序——点击列标题排序
• 列过滤——在网格内内联过滤值
• 导出到 Timeline——使用数据网格工具栏中的 Export to timeline 按钮将结果发送回主 Timeline 作为 Debug Track

要查看选中节点生成的 SQL，点击节点侧边栏中的 SQL 标签。Proto 标签显示节点的内部查询表示为结构化 Proto——用于调试或以编程方式共享查询图。

导入 / 导出

使用 Export 按钮将当前图保存为 JSON 文件。使用 Import 重新加载之前保存的图。这在与团队成员共享查询流水线或跨会话保存工作时很有用。

示例

点击 Data Explorer 工具栏中的 Examples 加载一组精选的预构建查询图。这些涵盖了常见的分析模式——查找长 Slice、按进程聚合 CPU 时间、按时间窗口过滤事件、JOIN 线程元数据和构建仪表盘——是构建自己查询的良好起点。

节点参考

Source

Table

加载 PerfettoSQL 标准库中的任何表。选择表时，Data Explorer 显示哪些表存在，并高亮那些包含当前加载 Trace 数据的表。

表标记有重要性级别，表示其广泛有用的程度：

Smart Graph 自动添加所有包含已加载 Trace 数据的 Core 和 Very Common 表。从 Very Common 表开始你的探索。

NOTE: "有数据"指示器是尽力而为的。并非所有标记为有数据的表都一定包含行——把它当作提示而非保证。

Slices

一个预配置的 Source，覆盖 Trace 中所有线程 Slice，已关联线程和进程元数据——暴露 ts、dur、name、tid、pid、thread_name 和 process_name 等列，无需手动 JOIN。等效于查询带有线程和进程上下文的 slice 表。是探索存在哪些事件的良好起点，无需知道要 JOIN 哪些表。

Query

自由格式 SQL 编辑器。当内置 Source 节点不够用时使用。

Query 节点只接受一个 SELECT 语句。你还可以在之前包含 INCLUDE PERFETTO MODULE 语句来引入标准库模块。不允许其他语句——不允许 CREATE、不允许 INSERT、不允许多个 SELECT。

如果你将其他节点连接到此节点的输入端口，你可以在查询中引用它们为 $input_0、$input_1 等——例如在 SELECT 中使用 FROM $input_0。这让你在任何上游节点的输出之上组合自由格式 SQL。

列类型永远不会从任意 SQL 推断——如果你希望列具有正确的类型（用于链接渲染、持续时间格式化、外键丰富等），你必须使用下游的 Modify Columns 节点手动设置。

Time Range

一个时间区间，用作数据源。区间可以手动输入或从当前 Timeline 选择同步——后者会在选择更改时动态更新。作为 Filter During 或 Interval Intersect 的输入很有用。

修改节点

Filter

有三种 Filter 系列节点，每种覆盖不同类型的过滤。三者都减少结果中的行数，而不更改列。

Aggregation

按一列或多列对行分组并计算聚合值。等效于 SQL GROUP BY。如果未选择分组列，整个结果聚合为单行。

可用的聚合函数：

可以在单个节点中添加多个聚合，每个产生一个命名的输出列。

Sort

按一列或多列对行排序，每列独立升序或降序。列可以通过拖拽重新排序来控制优先级。等效于 SQL ORDER BY。

Modify Columns

控制哪些列传递到下游及其显示方式：

• 显示 / 隐藏——取消勾选以从输出中移除列
• 重命名——为任何列指定别名
• 更改类型——覆盖推断的列类型
• 重新排序——拖拽列到不同顺序

适用于在进一步处理或可视化之前清理中间结果。

Add Columns

这个节点的思维模型很简单：从上游节点获取所有内容，然后添加一个或多个新列。每行原样传递——节点只会扩展结果。当你看着结果心想"我希望这里还多一列 X"时，就用它。

因为"X"可以有很多含义——来自另一个表的值、计算表达式、从原始 ID 派生的标签、Trace 参数——该节点支持六种不同的方式来生成新列：

多种类型的多个列可以在单个节点中添加，每种独立配置。如果自动推断不正确，每列的类型可以内联覆盖。

Limit / Offset

限制返回的行数，并可选地跳过开头的若干行。等效于 SQL LIMIT / OFFSET。默认 limit=10，offset=0。适用于采样大型结果或分页浏览数据。

Counter to Intervals

将 Counter 数据——有时间戳但无持续时间——转换为区间，将每个采样与下一个配对，产生 ts、dur、next_value 和 delta_value 列。输入必须有 id、ts、track_id 和 value 列，且不能已有 dur 列。

这是将 Counter 数据与基于区间的节点（如 Interval Intersect 或 Filter During）配合使用的必要前提。

Charts

将一个或多个可视化附加到上游数据。支持的图表类型：bar、histogram、line、scatter、pie、treemap、boxplot、heatmap、CDF、scorecard。

每个图表独立配置，有自己的列、聚合和显示选项。过滤器可以按图表应用或在节点中的所有图表间共享。点击图表中的条形或数据点会自动向流水线反馈一个过滤条件。

多源节点

Join

通过在共享键上匹配行来组合两个源的列。左输入提供基础行；右输入提供要引入的列。

两种 JOIN 类型可用：

• Inner join（默认）——只保留两侧匹配的行。左输入中在右输入没有匹配的行被丢弃。
• Left join——保留左输入的所有行。右输入没有匹配的行，右侧列为 NULL。

JOIN 条件可以用两种模式配置：

• 相等——从左输入选一列，从右输入选一列；当这些列相等时匹配行。这覆盖了常见情况。
• 自由格式——编写自定义 SQL 表达式，用于相等模式无法表达的情况，如范围条件或多列键。

你可以选择每侧哪些列出现在输出中，并用别名重命名。

NOTE: 如果只是用关联表的列丰富结果，Add Columns 的"从另一个源 JOIN"通常更方便——它会自动处理键建议，默认是左连接。当你需要内连接或自由格式条件时，使用此 Join 节点。

Union

将两个或多个源的行堆叠为单个结果。接受任意数量的输入（无上限）。

你选择哪些列出现在输出中。你可以包含并非每个源都有的列——在一个或多个源中缺失的列会从输出中静默排除，而不会导致错误。如果各源之间列名不一致，可在上游使用 Modify Columns 重命名列。

NOTE: 这比 SQL UNION / UNION ALL 更宽松，后者要求所有输入具有相同的列。在这里，你可以自由添加具有不同 Schema 的源——并非在所有源中都出现的列就不会出现在结果中。

Interval Intersect

接收两到六个时间区间源，仅返回它们同时重叠的部分。每个输入必须有 id、ts 和 dur 列。如果你的数据有时间戳但无持续时间，请在上游使用 Counter to Intervals。

关键选项：

• 按...分组——将交集限制为在一列或多列中共享相同值的行。例如，按 utid 分组意味着区间仅与同一线程上的其他区间进行交叉——线程 A 上的 CPU 运行区间不会与线程 B 上的 Frame 区间交叉。
• ts/dur 来源——控制输出中的 id、ts 和 dur 来自哪里。设置为"intersection"使用裁剪后的区间边界，无 id；设置为特定输入时，携带该输入的原始 id、ts 和 dur 以及裁剪后的边界。

Create Slices

接收两个事件源——一个用于开始事件，一个用于结束事件——将它们配对成带 ts 和 dur 的 Slice。适用于从原始开始/结束 Log 行或 Counter 转换构建合成 Slice，其中开始和结束分别记录。

每个输入可以用两种模式之一配置：

• ts——输入提供标记每个事件开始（或结束）的单个时间戳列。
• ts + dur——输入提供时间戳和持续时间；区间末端计算为 ts + dur。当一侧已有持续时间信息时很有用。

时间戳列的类型必须为 timestamp，持续时间列的类型必须为 duration——如果源只有一个所需类型的列，它会自动选中。输出恰好包含两列：ts 和 dur。

导出节点

Dashboard

将上游查询结果作为命名数据源在仪表盘视图中可用。Dashboard 节点本身是直通的——它不转换数据，只是将结果注册到名称下以便与其他源一起显示。

多个不同流水线的 Dashboard 节点可以同时激活，它们都在仪表盘视图中并排显示。这让你可以组合多面板概览——例如，顶部 CPU 消耗者表旁边是按进程的细分——每个面板由自己独立的查询流水线支撑。数据保持实时：修改上游图时，仪表盘自动更新。

你可以为每个 Dashboard 节点指定导出名称以控制它在仪表盘中的显示方式。如果未设置名称，则使用上游节点的标题。

Metrics

将上游查询结果转为结构化 Trace Metric，用于导出和跨 Trace 分析。该节点不会更改结果中的数据——它用 Trace Summary 基础设施所需的 Schema 来注解数据。

配置：

• Metric ID 前缀——此 Metric 族的短标识符（例如 memory_per_process）。用作导出规范中的基础名称，且必须在同一 Trace Summary 的所有 Metrics 节点中唯一。
• 维度——标识行描述内容的列：Metric 的分类轴（例如 process_name、thread_name）。任何非数值列都可用作维度。
• 值列——实际度量值的数值列。每个值列配置有：
  • 单位——度量的单位（例如字节、毫秒、百分比），从标准列表选择或作为自定义字符串输入。
  • 极性——较高或较低值哪个更好，或不适用。用于分析工具标记回归。
  • 显示名称 / 帮助文本——可选标签，用于人类可读输出。
• 维度唯一性——每个维度值组合是精确出现一次（UNIQUE）还是可能出现多次（NOT_UNIQUE）。正确设置此值可在下游工具中实现更精确的聚合。

该节点显示计算出的 Metric 数据的实时预览。如果你只有一个 Metric，也可以直接从节点导出 .pbtxt textproto 文件作为 Metric 规范，而无需 Trace Summary 节点。

将此节点连接到 Trace Summary 节点以将其与其他 Metric 组合进行联合导出。

Trace Summary

将一个或多个 Metrics 节点打包为单个 Trace Summary 规范。这是产出可在 UI 外针对任何 Trace 运行的可复用、可移植 Metric 规范的最后一步。

将任意数量的 Metrics 节点连接到 Trace Summary 节点的输入端口——每个端口对应一个 Metric。Metric ID 前缀在所有连接的节点中必须唯一。结果在节点的面板中显示，每个 Metric 一个标签页。

点击 Export 下载 trace_summary_spec.pbtxt 文件。然后该文件可使用 Trace Processor CLI 或 Python API 对任何 Trace 运行：

完整文档请参阅 Trace Summarization，了解如何在下游使用导出的规范。