1. RK3588S平台性能监控基础
RK3588S作为瑞芯微推出的高性能处理器，集成了强大的GPU和NPU单元，在边缘计算和嵌入式AI领域应用广泛。但在实际开发中，我发现很多开发者对硬件资源的监控还停留在"盲人摸象"的阶段。今天我就结合自己在Buildroot系统下的实战经验，分享一套完整的性能监控方案。
先说说为什么需要监控这些指标。上个月我在做一个智能摄像头的项目时，就遇到了NPU利用率突然飙升导致系统卡顿的问题。当时由于没有实时监控，花了整整两天才定位到是某个AI模型的内存泄漏。这件事让我深刻认识到：没有监控的开发就像闭着眼睛开车。
在Buildroot系统下，所有硬件信息都以文件形式暴露在/sys目录中。这个设计非常巧妙，我们只需要读取特定文件就能获取硬件状态。比如GPU的实时频率和使用率信息就存放在：
/sys/devices/platform/fb000000.gpu/devfreq/fb000000.gpu/load而NPU的状态信息则位于：
/sys/kernel/debug/rknpu/load2. GPU性能监控实战
2.1 基础监控命令
GPU作为图形处理的核心单元，其负载情况直接影响系统性能。通过以下命令可以获取实时数据：
cat /sys/devices/platform/fb000000.gpu/devfreq/fb000000.gpu/load输出格式通常是这样的：
23@800000000Hz这个结果需要拆解理解：
- 23表示当前GPU使用率为23%
- 800000000Hz表示GPU运行在800MHz频率下
我在测试时发现一个有趣现象：当GPU完全空闲时，频率会降到最低的300MHz，此时输出为0@300000000Hz。而一旦有图形运算任务，频率会立即动态调整。
2.2 高级监控技巧
单纯看使用率还不够，我们还需要关注温度指标。RK3588S的GPU温度可以通过以下路径获取：
cat /sys/class/thermal/thermal_zone5/temp这里返回的是千分之一摄氏度的整数值，比如45600表示45.6℃。在我的压力测试中，持续高负载时GPU温度最高能达到78℃左右。
如果要实现自动化监控，可以写个简单的shell脚本：
#!/bin/bash while true; do gpu_load=$(cat /sys/devices/platform/fb000000.gpu/devfreq/fb000000.gpu/load) gpu_temp=$(cat /sys/class/thermal/thermal_zone5/temp) echo "[$(date)] GPU状态: $gpu_load 温度: $(($gpu_temp/1000))℃" sleep 1 done3. NPU性能监控详解
3.1 基础监控方法
RK3588S的NPU采用三核设计，监控起来比GPU复杂一些。核心命令是：
sudo cat /sys/kernel/debug/rknpu/load典型输出如下：
NPU load: Core0: 45%, Core1: 32%, Core2: 0%这里需要注意两点：
- 需要sudo权限才能读取
- 三个核心的负载是分开显示的
在我的AI推理项目中，发现一个常见现象：当运行单模型时，通常只有Core0在工作；而使用多模型并行时，才会触发多核负载均衡。
3.2 算力换算技巧
RK3588S的NPU总算力是6TOPS，我们可以通过负载百分比换算实际算力使用量。比如当Core0显示50%负载时：
实际算力 = 6TOPS × 50% = 3TOPS温度监控同样重要，NPU温度节点在：
cat /sys/class/thermal/thermal_zone6/temp实测发现NPU的温升比GPU更快，在连续推理作业时，5分钟内就能从常温升至65℃以上。
4. 综合监控方案
4.1 一键监控脚本
结合前面的知识点，我整理了一个综合监控脚本：
#!/bin/bash echo "====== RK3588S硬件监控 ======" echo "1. GPU状态:" gpu_load=$(cat /sys/devices/platform/fb000000.gpu/devfreq/fb000000.gpu/load) gpu_temp=$(cat /sys/class/thermal/thermal_zone5/temp) echo " 使用率: $gpu_load" echo " 温度: $(($gpu_temp/1000))℃" echo "2. NPU状态:" npu_load=$(sudo cat /sys/kernel/debug/rknpu/load 2>/dev/null) npu_temp=$(cat /sys/class/thermal/thermal_zone6/temp) echo " 核心负载: $npu_load" echo " 温度: $(($npu_temp/1000))℃" echo "3. 系统时间: $(date)"4.2 性能优化建议
根据监控数据，我总结了几条优化经验：
- 温度控制：当NPU温度超过70℃时，建议降低推理帧率或暂停运算
- 负载均衡：多核NPU应用应该合理分配任务，避免单核过载
- 频率调节：对延迟不敏感的任务可以限制GPU最大频率来降低功耗
- 监控频率：关键业务建议监控间隔不超过1秒，普通场景可以设为5秒
在最近的人脸识别项目中，通过实时监控NPU负载，我们成功将识别延迟从120ms优化到80ms。方法就是发现Core0过载时，自动将部分任务分配到Core1。
