# Kineto [[Meta]] が開発した CPU+GPU 統合プロファイリングライブラリ。NVIDIA CUPTI を基盤に構築し、PyTorch Profiler のバックエンドとして機能する。CPU 側のオペレータ実行と GPU 側のカーネル実行を突き合わせ、GPU 利用の原因を CPU 側のコードパスまでたどれるようにする。(Source: [[@2023__SystemAtScale__AI Observability]]) Meta の 4 層オブザーバビリティスタックでは第 2 層(高度イントロスペクション)に位置し、Strobelight(BPF ベース) や [[Gpusnoop]](BPF ベースの CUDA イベント追跡)と並んで機能する。 > [!note] > Kineto は PyTorch の公式リポジトリ(pytorch/kineto)として公開されており、Meta 内部ツールを超えて OSS エコシステムに組み込まれている。 [[CCL-Bench]]([[@2026__arXiv__CCL-Bench 1.0 - A Trace-Based Benchmark for LLM Infrastructure]])は、KinetoトレースをJAX/XLA Profiler(XProf)トレースと並ぶ実行トレースの標準入力形式として採用した。GPU(Kineto)とTPU(XLA)は同じChrome-trace JSONコンテナ形式を共有するが、タイムスタンプ単位(µs vs. ps)・FLOPs報告・ステップ境界マーカー・collective命名規則・memory-transferイベント表現・ストリームモデルの6点で差異があり、CCL-Benchのメトリクスツールはこれらをバックエンドごとに吸収してクロスプラットフォーム比較を可能にする。(Source: [[@2026__arXiv__CCL-Bench 1.0 - A Trace-Based Benchmark for LLM Infrastructure]]) [[Zoomer]] は Kineto を GPU トレース分析の中核に置き、カーネル実行、メモリ転送、CUDA API 呼び出し、集合通信をホスト側の CPU プロファイリングや [[Dynolog]] テレメトリと結合する。Kineto 単体のプロファイラから、訓練・推論のボトルネック検知、ストラグラー分析、クリティカルパス分析、改善提案までを行う大規模運用パイプラインへ役割が拡張されている。(Source: [[@2025__EngineeringAtMeta__Zoomer - Powering AI Performance at Meta's Scale Through Intelligent Debugging and Optimization]]) ## 関連 - ソース: [[@2023__SystemAtScale__AI Observability]] / [[@2026__arXiv__CCL-Bench 1.0 - A Trace-Based Benchmark for LLM Infrastructure]] - 開発元: [[Meta]] - 関連概念: [[GPU観測性]] / [[eBPF]] / [[実行トレース]] - ベンチマーク: [[CCL-Bench]] - 関連ツール: [[Dynolog]] / [[LibAsicMon]]