ما تیم زنجیره ابزار Android LLVM هستیم. یکی از اولویتهای اصلی ما بهبود عملکرد Android ازطریق تکنیکهای بهینهسازی در بومسازگان LLVM است. ما همواره بهدنبال راههایی هستیم که Android را سریعتر، روانتر، و کارآمدتر کنیم. درحالیکه بیشتر کار بهینهسازی ما در فضای کاربر اتفاق میافتد، هسته همچنان قلب سیستم است. امروز مشتاقیم تا نحوه آوردن بهینهسازی خودکار بازخورد-محور (AutoFDO) به هسته Android را برای ارائه عملکردی بسیار بهتر به کاربران همرسانی کنیم.
AutoFDO چیست؟
درطول ساخت نرمافزار استاندارد، کامپایلر براساس راهنماییهای کد ایستا هزاران تصمیم کوچک میگیرد، مثلاً اینکه آیا تابعی را درونخطی کند یا کدام شاخه از شرطی احتمالاً انتخاب میشود.اگرچه این اکتشافات مفید هستند، اما همیشه اجرای کد را درطول استفاده واقعی از تلفن بهطور دقیق پیشبینی نمیکنند.
AutoFDO این وضعیت را بااستفاده از الگوهای اجرای واقعی برای هدایت کامپایلر تغییر میدهد. این الگوها نشاندهنده رایجترین مسیرهای اجرای دستورالعمل هستند که کد درطول استفاده واقعی طی میکند و با ثبت سابقه انشعاب CPU ضبط میشوند. اگرچه این دادهها را میتوان از دستگاههای ناوگان جمعآوری کرد، اما برای هسته، ما آنها را در محیط آزمایشگاهی بااستفاده از حجمهای کاری نمونه، مانند اجرای ۱۰۰ برنامه محبوب برتر، ترکیب میکنیم. ما از یک تحلیلگر نمونهگیری برای ضبط این دادهها استفاده میکنیم و بخشهایی از کد را که «داغ» (پرکاربرد) و بخشهایی را که «سرد» هستند شناسایی میکنیم. وقتی هسته را با این نمایهها بازسازی میکنیم، کامپایلر میتواند تصمیمات بهینهسازی بسیار هوشمندانهتری را متناسب با حجم کاری واقعی Android اتخاذ کند.
برای درک تأثیر این بهینهسازی، این حقایق کلیدی را درنظر بگیرید:
- در Android، هسته حدود ۴۰٪ از زمان واحد پردازش مرکزی را به خود اختصاص میدهد.
- درحالحاضر از AutoFDO برای بهینهسازی کتابخانهها و فایلهای اجرایی بومی در فضای کاربر استفاده میکنیم و به حدود ۴٪ بهبود در راهاندازی سرد برنامه و ۱٪ کاهش در زمان راهاندازی دست یافتهایم.
بردها در عملکرد دنیای واقعی
با بهرهگیری از نمایههای محیطهای آزمایشگاهی کنترلشده، شاهد بهبودهای چشمگیری در معیارهای کلیدی Android بودهایم. این نمایهها بااستفاده از خزش و راهاندازی برنامه جمعآوری شدهاند و در دستگاههای Pixel در هستههای 6.1، 6.6، و 6.12 اندازهگیری شدهاند.
قابلتوجهترین بهبودها در زیر فهرست شدهاند. جزئیات مربوط به نمایههای AutoFDO برای این نسخههای هسته را میتوانید در مخازن هسته Android مربوطه برای هستههای android16-6.12 و android15-6.6 پیدا کنید.
اینها فقط اعداد نظری نیستند. این بهینهسازیها به میانای سریعتر، جابهجایی سریعتر بین برنامهها، عمر باتری طولانیتر، و درمجموع دستگاهی با واکنشگرایی بیشتر برای کاربر نهایی منجر میشود.
روش کار: روند پردازش
راهبرد استقرار ما شامل یک خط لوله پیچیده است تا اطمینان حاصل شود که نمایهها مرتبط باقی میمانند و عملکرد پایدار میماند.
مرحله ۱: مجموعه نمایه
درحالیکه برای نمایه کردن دودوییهای فضای کاربر به ناوگان آزمایش داخلی خود متکی هستیم، برای تصویر هسته عمومی (GKI) به محیط آزمایشگاهی کنترلشده روی آوردیم. جدا کردن نمایهسازی از چرخه انتشار دستگاه امکان بهروزرسانیهای انعطافپذیر و فوری را مستقل از نسخههای هسته مستقرشده فراهم میکند. نکته مهم این است که آزمایشها تأیید میکنند که این دادههای آزمایشگاهی عملکردی قابلمقایسه با ناوگانهای دنیای واقعی ارائه میدهند.
- ابزارها و محیط: دستگاههای آزمایشی را با جدیدترین تصویر هسته فلش میکنیم و از simpleperf برای ضبط جریانهای اجرای دستورالعمل استفاده میکنیم. این فرایند به قابلیتهای سختافزاری برای ضبط سابقه انشعاب متکی است، بهویژه بااستفاده از ARM Embedded Trace Extension (ETE) و ARM Trace Buffer Extension (TRBE) در دستگاههای Pixel.
- حجمهای کاری: ما بااستفاده از ۱۰۰ برنامه محبوب برتر از مجموعه آزمایش سازگاری برنامه Android (C-Suite)، یک حجم کاری نمونه میسازیم. برای ثبت دقیقترین دادهها، بر موارد زیر تمرکز میکنیم:
- راهاندازی برنامه: بهینهسازی برای مشهودترین تأخیرهای کاربر
- خزش برنامه با بهرهگیری از هوش مصنوعی: شبیهسازی تعاملات کاربر بهصورت متوالی و درحال تکامل
- پایش سراسری سیستم: ضبط کردن نهتنها فعالیتهای برنامه پیشزمینه، بلکه حجم کاری مهم پسزمینه و ارتباطات بینفرایندی
- اعتبارسنجی: این حجم کاری ترکیبی ۸۵٪ شباهت به الگوهای اجرایی جمعآوریشده از ناوگان داخلی ما نشان میدهد.
- دادههای هدفمند: با تکرار کافی این آزمایشها، الگوهای اجرایی با وفاداری بالا را ضبط میکنیم که بهطور دقیق تعامل کاربر در دنیای واقعی با محبوبترین برنامهها را نشان میدهند. علاوهبراین، این چارچوب قابلتوسعه به ما امکان میدهد تا حجمهای کاری و محکهای بیشتری را بهطور یکپارچه ادغام کنیم تا پوشش خود را گسترش دهیم.
مرحله ۲: پردازش نمایه
ما دادههای ردیابی خام را پسپردازش میکنیم تا مطمئن شویم که تمیز، مؤثر، و آماده برای کامپایلر است.
- انبوهش: دادههای چندین اجرای آزمایشی و دستگاه را در یک نمای سیستم واحد ادغام میکنیم.
- تبدیل: ردگیریهای خام را به قالب نمایه AutoFDO تبدیل میکنیم و درصورت نیاز، نمادهای ناخواسته را فیلتر میکنیم.
- پیرایش نمایه: نمایهها را پیرایش میکنیم تا دادههای مربوط به عملکردهای «سرد» را برداریم و به آنها اجازه دهیم از بهینهسازی استاندارد استفاده کنند. این کار از پسرفت در کدهایی که بهندرت استفاده میشوند جلوگیری میکند و از افزایش غیرضروری اندازه دودویی اجتناب میکند.
مرحله ۳: آزمایش نمایه
پیشاز استقرار، نمایهها تحت درستیسنجی دقیق قرار میگیرند تا اطمینان حاصل شود که عملکردی پایدار و بدون خطر ناپایداری ارائه میدهند.
- تجزیهوتحلیل نمایه و باینری: ما محتوای نمایه جدید (ازجمله توابع داغ، تعداد نمونهها، و اندازه نمایه) را بهطور دقیق با نسخههای قبلی مقایسه میکنیم. همچنین از نمایه برای ساختن تصویر هسته جدید استفاده میکنیم و باینریها را تجزیهوتحلیل میکنیم تا مطمئن شویم تغییرات بخش نوشتار با انتظارات مطابقت دارد.
- درستیسنجی عملکرد: محکهای هدفمندی را روی تصویر هسته جدید اجرا میکنیم. این کار تأیید میکند که بهبودهای عملکردی که توسط خطوط پایه قبلی ایجاد شدهاند حفظ میشوند.
بهروزرسانیهای مداوم
کد بهطور طبیعی درطول زمان «تغییر میکند»، بنابراین نمایه ایستا درنهایت اثربخشی خود را ازدست میدهد. برای حفظ عملکرد در بالاترین سطح، خط لوله را بهطور مداوم اجرا میکنیم تا بهروزرسانیهای منظم را هدایت کنیم:
- بازآوری منظم: ما نمایهها را در شاخههای LTS هسته Android پیشاز هر انتشار GKI بازآوری میکنیم تا مطمئن شویم هر ساخت شامل جدیدترین دادههای نمایه است.
- گسترش در آینده: درحالحاضر این بهروزرسانیها را برای شاخههای
android16-6.12وandroid15-6.6ارائه میکنیم و پشتیبانی را به نسخههای جدیدتر GKI، مثل نسخه آتیandroid17-6.18، گسترش خواهیم داد.
تضمین پایداری
یک سؤال رایج درباره بهینهسازی نمایه-محور این است که آیا این روش خطراتی برای پایداری ایجاد میکند یا نه. ازآنجاییکه AutoFDO عمدتاً بر اکتشافات کامپایلر، مانند درونخطی کردن تابع و چیدمان کد، تأثیر میگذارد و منطق کد منبع را تغییر نمیدهد، یکپارچگی عملکردی هسته را حفظ میکند. این فناوری قبلاً در مقیاس بزرگ اثبات شده است و سالها بهعنوان بهینهسازی استاندارد برای کتابخانههای پلاتفرم Android، ChromeOS، و زیرساخت سرور خود Google عمل کرده است.
برای تضمین بیشتر رفتار منسجم، از راهبرد «محافظهکارانه بهطور پیشفرض» استفاده میکنیم. عملکردهایی که در نمایههای با کیفیت بالا ثبت نشدهاند بااستفاده از روشهای استاندارد کامپایلر بهینهسازی میشوند. این کار تضمین میکند که بخشهای «سرد» یا بهندرت اجراشده هسته دقیقاً مانند یک ساخت استاندارد رفتار کنند و از افت عملکرد یا رفتارهای غیرمنتظره در موارد خاص جلوگیری میکند.
نگاهی به آینده
درحالحاضر AutoFDO را در شاخههای android16-6.12 و android15-6.6 مستقر میکنیم. فراتر از این عرضه اولیه، چندین مسیر امیدوارکننده برای بهبود بیشتر این فناوری میبینیم:
- دسترسی گسترده: مشتاقانه منتظر استقرار نمایههای AutoFDO در نسخههای جدیدتر هسته GKI و اهداف ساخت اضافی فراتر از پشتیبانی فعلی
aarch64هستیم. - بهینهسازی ماژول GKI: درحالحاضر، بهینهسازی ما روی دودویی هسته اصلی (
vmlinux) متمرکز است. گسترش AutoFDO به ماژولهای GKI میتواند مزایای عملکردی را برای بخش بزرگتری از زیرسیستم هسته بههمراه داشته باشد. - پشتیبانی از ماژول فروشنده: ما همچنین علاقهمند به پشتیبانی از AutoFDO برای ماژولهای فروشنده ساختهشده بااستفاده از کیت توسعه درایور (DDK) هستیم. با پشتیبانیای که ازقبل در سیستم ساخت ما (Kleaf) و ابزارهای نمایهسازی (simpleperf) دردسترس است، فروشندگان میتوانند این تکنیکهای بهینهسازی را برای درایورهای سختافزاری خاص خود اعمال کنند.
- پوشش گستردهتر نمایه: پتانسیل جمعآوری نمایهها از طیف وسیعتری از «مسیرهای قطعی کاربر» (CUJ) برای بهینهسازی آنها وجود دارد.
با آوردن AutoFDO به هسته Android، مطمئن میشویم که پایه سیستمعامل برای نحوه استفاده روزانه شما از دستگاهتان بهینهسازی شده است.
-
اخبار محصولپساز بیشاز یک سال آمادهسازی مشترک با رهبران صنعت، شرکای منطقهای، توزیعکنندگان برنامه، و انجمنهای Android، محافظتهای ما از کاربران در ۳۰ سپتامبر با موفقیت برای فروشگاههای شرکتکننده در سراسر اندونزی، برزیل، تایلند، و سنگاپور فعال شد.
Matthew Forsythe • ۲ دقیقه خواندن -
اخبار محصولبرای ارائه این تجربهها به بازیکنان و اطمینان از اینکه بازیهایتان در هر اندازه صفحهنمایشی میدرخشند، Google Play الزامات کیفیت جدیدی برای بازیها در صفحهنمایشهای بزرگ معرفی میکند
Aurash Mahbod • زمان خواندن: ۴ دقیقه -
اخبار محصولنسخه نوامبر ۲۰۲۶ از Jetpack Compose پایدار است! این نسخه، نسخه ۱.۱۳ را در سراسر ماژولهای اصلی Compose ارائه میکند (نگاشت کامل BOM را ببینید)، بهروزرسانیهایی را برای نوشتار، گرافیک، چیدمان، عملکرد، و موارد دیگر معرفی میکند—همراه با چند منسوخسازی مهم و تغییرات رفتاری که باید از آنها مطلع باشید.
Meghan Mehta • ۱۰ دقیقه مطالعه
جدیدترین اطلاعات آماری توسعه Android را بهصورت هفتگی در صندوق ورودیتان دریافت کنید.