App性能如何量化
如何衡量一个APP性能好坏？直观感受就是：启动快、流畅、不闪退、耗电少等感官指标，反应到技术层面包装下就是：FPS（帧率）、界面渲染速度、Crash率、网络、CPU使用率、电量损耗速度等，一般挑其中几个关键指标作为APP质量的标尺。目前也有多种开源APM监控方案，但大部分偏向离线检测，对于线上监测而言显得太重，可能会适得其反，方案简单对比如下：
| SDK | 现状与问题 | 是否推荐直接线上使用 |
|---|---|---|
| 腾讯matrix | 功能全，但是重，而且运行测试期间经常Crash | 否 |
| 腾讯GT | 2018年之后没更新，关注度低，本身功能挺多，也挺重性价比还不如matrix | 否 |
| 网易Emmagee | 2018年之后没更新，几乎没有关注度，重 | 否 |
| 听云App | 适合监测网络跟启动，场景受限 | 否 |
还有其他多种APM检测工具，功能复杂多样，但其实很多指标并不是特别重要，实现越复杂，线上风险越大，因此，并不建议直接使用。而且，分析多家APP的实现原理，其核心思路基本相同，且门槛也并不是特别高，建议自研一套，在灵活性、安全性上更有保障，更容易做到轻量级。本文主旨就是围绕几个关键指标：FPS、内存（内存泄漏）、界面启动、流量等，实现轻量级的线上监测。
核心性能指标拆解
- 稳定性：Crash统计
Crash统计与聚合有比较通用的策略，比如Firebase、Bugly等，不在本文讨论范围
- 网络请求
每个APP的网络请求一般都存在统一的Hook点，门槛很低，且各家请求协议与SDK有别，很难实现统一的网络请求监测，其次，想要真正定位网络请求问题，可能牵扯整个请求的链路，更适合做一套网络全链路监控APM，也不在讨论范围。
- 冷启动时间及各个Activity页面启动时间 (存在统一方案)
- 页面FPS、卡顿、ANR （存在统一方案）
- 内存统计及内存泄露侦测 （存在统一方案）
- 流量消耗 （存在统一方案）
- 电量 （存在统一方案）
- CPU使用率（CPU）：还没想好咋么用，7.0之后实现机制也变了，先不考虑
线上监测的重点就聚焦后面几个，下面逐个拆解如何实现。
启动耗时
直观上说界面启动就是：从点击一个图标到看到下一个界面首帧，如果这个过程耗时较长，用户会会感受到顿挫，影响体验。从场景上说，启动耗时间简单分两种：
- 冷启动耗时：在APP未启动的情况从，从点击桌面icon 到看到闪屏Activity的首帧（非默认背景）
- 界面启动耗：APP启动后，从上一个界面pause，到下一个界面首帧可见，
本文粒度较粗，主要聚焦Activity，这里有个比较核心的时机：Activity首帧可见点，这个点究竟在什么时候？经分析测试发现，不同版本表现不一，在Android 10 之前这个点与onWindowFocusChanged回调点基本吻合，在Android 10 之后，系统做了优化，将首帧可见的时机提前到onWindowFocusChanged之前，可以简单看做onResume（或者onAttachedToWindow）之后，对于一开始点击icon的点，可以约等于APP进程启动的点，拿到了上面两个时间点，就可以得到冷启动耗时。
APP进程启动的点可以通过加载一个空的ContentProvider来记录，因为ContentProvider的加载时机比较靠前，早于Application的onCreate之前，相对更准确一点，很多SDK的初始也采用这种方式，实现如下：
public class LauncherHelpProvider extends ContentProvider {
// 用来记录启动时间
public static long sStartUpTimeStamp = SystemClock.uptimeMillis();
...
}
这样就得到了冷启动的开始时间，如何得到第一个Activity界面可见的时间呢？大概回执流程如下
网上有一些认为可以监听onAttachedToWindow或者OnWindowFocusChange，onAttachedToWindow的问题是可能太过靠前，还没有Draw,OnWindowFocusChange的缺点可能是太过滞后。其实可以简单认为在view draw以后，View的绘制就算完成，虽然到展示还可能相差一个VSYNC等待图层合成，但是对于性能监测的评定，误差一个固定值可以接受：
在onResume函数中插入一条消息可以吗，理论上来说，太过靠前，这条消息在执行的时候，还没Draw，因为请求VSYNC的同步栅栏是在是在Onresume结束后才插入的，无法拦截之前的Message，但是由于VSYNC可能存在复用，Onresume中插入的消息也有可能会在绘制之后执行，这个不是完全一定的，比如点击MaterialButton启动一个Activity，第二个Activity的setView触发的VSYNC就可能复用MaterialButton的波纹触发的VSYNC，从而导致第二个Activity的performTraval复用第一个VSYNC执行，从而发生在onResume插入消息之前，如下
栅栏消息
重绘CallBack包含多个Activity的重绘
综上所述，将指标定义在第一次View的Draw执行可能比较靠谱。具体可以再DecorView上插入一个透明View，监听器onDraw回调即可，如果觉得不够优雅，就退一步，监听OnWindowFocusChange的回调，也勉强可以接受,OnWindowFocusChange一定是在Draw之后的。如此就可以检测到冷启动耗时。APP启动后，各Activity启动耗时计算逻辑类似，首帧可见点沿用上面方案即可，不过这里还缺少上一个界面暂停的点，经分析测试，锚在上一个Actiivty pause的时候比较合理，因此Activity启动耗时定义如下：
Activity启动耗时 = 当前Activity 首帧可见 - 上一个Activity onPause被调用
同样为了减轻对业务入侵，也依赖registerActivityLifecycleCallbacks来实现：补全上方缺失
@Override
public void onActivityPaused(@NonNull Activity activity) {
super.onActivityPaused(activity);
<!--记录上一个Activity pause节点-->
mActivityLauncherTimeStamp = SystemClock.uptimeMillis();
launcherFlag = 0;
}
...
@Override
public void onActivityResumed(@NonNull final Activity activity) {
super.onActivityResumed(activity);
launcherFlag |= resumeFlag;
<!--参考上面获取首帧的点-->
...
到这里就获取了两个比较关键的启动耗时，不过，时机使用中可能存在各种异常场景：比如闪屏页在onCreate或者onResume中调用了finish跳转首页，对于这种场景就需要额外处理，比如在onCreate中调用了finish，onResume可能不会被调用，这个时候就要在 onCreate之后进行统计，同时利用用Activity.isFinishing()标识这种场景，其次，启动耗时对于不同配置也是不一样的，不能用绝对时间衡量，只能横向对比，简单线上效果如下：
!
流畅度及FPS(Frames Per Second）监测
FPS是图像领域中的定义，指画面每秒传输帧数，每秒帧数越多，显示的动作就越流畅。FPS可以作为衡量流畅度的一个指标，但是，从各厂商的报告来看，仅用FPS来衡量是否流畅并不科学。电影或视频的FPS并不高，30的FPS即可满足人眼需求，稳定在30FPS的动画，并不会让人感到卡顿，但如果FPS 很不稳定的话，就很容易感知到卡顿，注意，这里有个词叫稳定。举个极端例子：前500ms刷新了59帧，后500ms只绘制一帧，即使达到了60FPS，仍会感知卡顿，这里就突出稳定的重要性。不过FPS也并不是完全没用，可以用其上限定义流畅，用其下限可以定义卡顿，对于中间阶段的感知，FPS无能为力，如下示意：
上面那个是极端例子，Android 系统中，VSYNC会杜绝16ms内刷新两次，那么在中间的情况下怎么定义流畅？比如，FPS降低到50会卡吗？答案是不一定。50的FPS如果是均分到各个节点，用户是感知不到掉帧的，但，如果丢失的10帧全部在一次绘制点，那就能明显感知卡顿，这个时候，瞬时帧率的意义更大，如下
Matrix给的卡顿标准：
总之，相比1s平均FPS，瞬时掉帧程度的严重性更能反应界面流畅程度，因此FPS监测的重点是侦测瞬时掉帧程度。
在应用中，FPS对动画及列表意义较大，监测开始的时机放在界面启动并展示第一帧之后，这样就能跟启动完美衔接起来，
// 帧率不统计第一帧
@Override
public void onActivityResumed(@NonNull final Activity activity) {
super.onActivityResumed(activity);
activity.getWindow().getDecorView().getViewTreeObserver().addOnWindowFocusChangeListener(new ViewTreeObserver.OnWindowFocusChangeListener() {
@Override
public void onWindowFocusChanged(boolean b) {
if (b) {
<!--界面可见后，开始侦测FPS-->
resumeTrack();
activity.getWindow().getDecorView().getViewTreeObserver().removeOnWindowFocusChangeListener(this);
...
}
侦测停止的时机也比较简单在onActivityPaused：界面失去焦点，无法与用户交互的时候
@Override
public void onActivityPaused(@NonNull Activity activity) {
super.onActivityPaused(activity);
pauseTrack(activity.getApplication());
}
如何侦测瞬时FPS？有两种常用方式
- 360 ArgusAPM类实现方式： 监测Choreographer两次Vsync时间差
- BlockCanary的实现方式：监测UI线程单条Message执行时间
360的实现依赖Choreographer VSYNC回调，具体实现如下：循环添加Choreographer.FrameCallback
Choreographer.getInstance().postFrameCallback(new Choreographer.FrameCallback() {
@Override
public void doFrame(long frameTimeNanos) {
mFpsCount++;
mFrameTimeNanos = frameTimeNanos;
if (isCanWork()) {
//注册下一帧回调
Choreographer.getInstance().postFrameCallback(this);
} else {
mCurrentCount = 0;
}
}
});
这种监听有个问题就是，监听过于频繁，因为在无需界面刷新的时候Choreographer.FrameCallback还是不断循环执行，浪费CPU资源，对线上运行采集并不友好，相比之下BlockCanary的监听单个Message执行要友善的多，而且同样能够涵盖UI绘制耗时、两帧之间的耗时，额外执行负担较低，也是本文采取的策略，核心实现参照Matrix：
- 监听Message执行耗时
- 通过反射循环添加Choreographer.FrameCallback区分doFrame耗时
为Looper设置一个LooperPrinter，根据回传信息头区分消息执行开始于结束，计算Message耗时：原理如下
public static void loop() {
...
if (logging != null) {
logging.println(">>>>> Dispatching to " + msg.target + " " +
msg.callback + ": " + msg.what);
}
...
if (logging != null) {
logging.println("<<<<< Finished to " + msg.target + " " + msg.callback);
}
自定义LooperPrinter如下：
class LooperPrinter implements Printer {
@Override
public void println(String x) {
...
if (isValid) {
<!--区分开始结束，计算消息耗时-->
dispatch(x.charAt(0) == '>',x);
}
利用回调参数">>>>“与”<<<"的 区别即可诊断出Message执行耗时，从而确定是否导致掉帧。以上实现针对所有UI Message，原则上UI线程所有的消息都应该保持轻量级，任何消息超时都应当算作异常行为，所以，直接拿来做掉帧监测没特大问题的。但是，有些特殊情况可能对FPS计算有一些误判，比如，在touch时间里往UI线程塞了很多消息，单条一般不会影响滚动，但多条聚合可能会带来影响，如果没跳消息执行时间很短，这种方式就可能统计不到，当然这种业务的写法本身就存在问题，所以先不考虑这种场景。
Choreographer有个方法addCallbackLocked，通过这个方法添加的任务会被加入到VSYNC回调，会跟Input、动画、UI绘制一起执行，因此可以用来作为鉴别是否是UI重绘的Message，看看是不是重绘或者触摸事件导致的卡顿掉帧。Choreographer源码如下：
@UnsupportedAppUsage
public void addCallbackLocked(long dueTime,Object action,Object token) {
CallbackRecord callback = obtainCallbackLocked(dueTime,action,token);
CallbackRecord entry = mHead;
if (entry == null) {
mHead = callback;
return;
}
if (dueTime < entry.dueTime) {
callback.next = entry;
mHead = callback;
return;
}
while (entry.next != null) {
if (dueTime < entry.next.dueTime) {
callback.next = entry.next;
break;
}
entry = entry.next;
}
entry.next = callback;
}
该方法不为外部可见，因此需要通过反射获取，
private synchronized void addFrameCallback(int type,Runnable callback,boolean isAddHeader) {
try {
<!--反射获取方法-->
addInputQueue = reflectChoreographerMethod(0 “addCallbackLocked”,long.class,Object.class,Object.class);
<!--添加回调-->
if (null != method) {
method.invoke(callbackQueues[type],!isAddHeader ? SystemClock.uptimeMillis() : -1,callback,null);
}
然后在每次执行结束后，重新将callback添加回Choreographer的Queue，监听下一次UI绘制。
@Override
public void dispatchEnd() {
super.dispatchEnd();
if (mStartTime > 0) {
long cost = SystemClock.uptimeMillis() - mStartTime;
<!--计算耗时-->
collectInfoAndDispatch(ActivityStack.getInstance().getTopActivity(),cost,mInDoFrame);
if (mInDoFrame) {
<!--监听下一次UI绘制-->
addFrameCallBack();
mInDoFrame = false;
}
}
}
这样就能检测到每次Message执行的时间，它可以直接用来计算瞬时帧率，
瞬时掉帧程度 = Message耗时/16 -1 （不足1 可看做1）
瞬时掉帧小于2次可以认为没有发生抖动，如果出现了单个Message执行过长，可认为发生了掉帧，流畅度与瞬时帧率监测大概就是这样。不过，同启动耗时类似，不同配置结果不同，不能用绝对时间衡量，只能横向对比，简单线上效果如下：
内存泄露及内存使用侦测
内存泄露有个比较出名的库LeakCanary，实现原理也比较清晰，就是利用弱引用+ReferenceQueue，其实只用弱引用也可以做，ReferenceQueue只是个辅助作用，LeakCanary除了泄露检测还有个堆栈Dump的功能，虽然很好，但是这个功能并不适合线上，而且，只要能监听到Activity泄露，本地分析原因是比较快的，没必要将堆栈Dump出来。因此，本文只实现Activity泄露监测能力，不在线上分析原因。而且，参考LeakCanary，改用一个WeakHashMap实现上述功能，不在主动暴露ReferenceQueue这个对象。WeakHashMap最大的特点是其key对象被自动弱引用，可以被回收，利用这个特点，用其key监听Activity回收就能达到泄露监测的目的。核心实现如下：
@Override
public void onActivityDestroyed(@NonNull Activity activity) {
super.onActivityDestroyed(activity);
<!--放入map，进行监听-->
mActivityStringWeakHashMap.put(activity,activity.getClass().getSimpleName());
}
@Override
public void onActivityStopped(@NonNull final Activity activity) {
super.onActivityStopped(activity);
// 退后台，GC 找LeakActivity
if (!ActivityStack.getInstance().isInBackGround()) {
return;
}
Runtime.getRuntime().gc();
mHandler.postDelayed(new Runnable() {
@Override
public void run() {
try {
if (!ActivityStack.getInstance().isInBackGround()) {
return;
}
try {
// 申请个稍微大的对象，促进GC
byte[] leakHelpBytes = new byte[4 * 1024 * 1024];
for (int i = 0; i < leakHelpBytes.length; i += 1024) {
leakHelpBytes[i] = 1;
}
} catch (Throwable ignored) {
}
Runtime.getRuntime().gc();
SystemClock.sleep(100);
System.runFinalization();
HashMap<String,Integer> hashMap = new HashMap<>();
for (Map.Entry<Activity,String> activityStringEntry : mActivityStringWeakHashMap.entrySet()) {
String name = activityStringEntry.getKey().getClass().getName();
Integer value = hashMap.get(name);
if (value == null) {
hashMap.put(name,1);
} else {
hashMap.put(name,value + 1);
}
}
if (mMemoryListeners.size() > 0) {
for (Map.Entry<String,Integer> entry : hashMap.entrySet()) {
for (ITrackMemoryListener listener : mMemoryListeners) {
listener.onLeakActivity(entry.getKey(),entry.getValue());
}
}
}
} catch (Exception ignored) {
}
}
},10000);
}
线上选择监测没必要实时，将其延后到APP进入后台的时候，在APP进入后台之后主动触发一次GC，然后延时10s，进行检查，之所以延时10s，是因为GC不是同步的，为了让GC操作能够顺利执行完，这里选择10s后检查。在检查前分配一个4M的大内存块，再次确保GC执行，之后就可以根据WeakHashMap的特性，查找有多少Activity还保留在其中，这些Activity就是泄露Activity。
关于内存检测
内存检测比较简单，弄清几个关键的指标就行，这些指标都能通过 Debug.MemoryInfo获取
Debug.MemoryInfo debugMemoryInfo = new Debug.MemoryInfo();
Debug.getMemoryInfo(debugMemoryInfo);
appMemory.nativePss = debugMemoryInfo.nativePss >> 10;
appMemory.dalvikPss = debugMemoryInfo.dalvikPss >> 10;
appMemory.totalPss = debugMemoryInfo.getTotalPss() >> 10;
这里关心三个就行，
- TotalPss（整体内存，native+dalvik+共享）
- nativePss （native内存）
- dalvikPss （java内存 OOM原因）
一般而言total是大于nativ+dalvik的，因为它包含了共享内存，理论上我们只关心native跟dalvik就行，以上就是关于内存的监测能力，不过内存泄露不是100%正确，暴露明显问题即可，效果如下：
流量监测
流量监测的实现相对简单，利用系统提供的TrafficStats.getUidRxBytes方法，配合Actvity生命周期，即可获取每个Activity的流量消耗。具体做法：在Activity start的时候记录起点，在pause的时候累加，最后在Destroyed的时候统计整个Activity的流量消耗，如果想要做到Fragment维度，就要具体业务具体分析了，简单实现如下
application.registerActivityLifecycleCallbacks(new Application.ActivityLifecycleCallbacks() {
@Override
public void onActivityStarted(@NonNull Activity activity) {
super.onActivityStarted(activity);
<!--开始记录-->
markActivityStart(activity);
}
@Override
public void onActivityPaused(@NonNull Activity activity) {
super.onActivityPaused(activity);
<!--累加-->
markActivityPause(activity);
}
@Override
public void onActivityDestroyed(@NonNull Activity activity) {
super.onActivityDestroyed(activity);
<!--统计结果，并通知回调-->
markActivityDestroy(activity);
}
};
电量检测
Android电量状态能通过一下方法实时获取，只是对于分析来说有点麻烦，需要根据不同手机、不同配置做聚合，单处采集很简单
IntentFilter filter = new IntentFilter(Intent.ACTION_BATTERY_CHANGED);
android.content.Intent batteryStatus = application.registerReceiver(null,filter);
int status = batteryStatus.getIntExtra("status",0);
boolean isCharging = status == BatteryManager.BATTERY_STATUS_CHARGING ||
status == BatteryManager.BATTERY_STATUS_FULL;
int scale = batteryStatus.getIntExtra(BatteryManager.EXTRA_SCALE,-1);
不过并不能获取绝对电量，只能看百分比，因为对单个Activity来做电量监测并不靠谱，往往都是0，可以在APP推到后台后，对真个在线时长的电池消耗做监测，这个可能还能看出一些电量变化。
CPU使用监测
没想好怎么弄，显不出力
数据整合与基线制定
APP端只是完成的数据的采集，数据的整合及根系还是要依赖后台数据分析，根据不同配置，不同场景才能制定一套比较合理的基线，而且，这种基线肯定不是绝对的，只能是相对的，这套基线将来可以作为页面性能评估标准，对Android而言，挺难，机型太多。
总结
- 启动有相对靠谱节点
- 瞬时FPS（瞬时掉帧程度）意义更大
- 内存泄露可以一个WeakHashMap简单搞定
- 电量及CPU还不知道怎么用
原文地址：https://blog.csdn.net/weixin_61845324
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。