此文件可協助您找出並修正應用程式的主要效能問題。
主要效能問題
許多問題都可能導致應用程式效能低落，以下列舉幾種應用程式中應注意的常見問題：
- 啟動延遲
啟動延遲時間是從輕觸應用程式圖示、通知或其他進入點開始，直到使用者資料顯示在畫面上所需的時間。
請在應用程式中確立下列啟動目標：
在 500 毫秒內完成冷啟動。如果系統記憶體中沒有啟動應用程式的記錄，就會出現「冷啟動」。這是應用程式自重新啟動，或使用者/系統終止應用程式的程序後，首次啟動時會出現的情形。
相反地，如果應用程式已在背景執行，就會發生「暖啟動」。冷啟動需要系統處理大部分作業，因為系統必須從儲存空間載入各種項目並初始化應用程式。因此，請設法將冷啟動的時間設為在 500 毫秒以下。
讓 P95 和 P99 延遲時間非常接近中位數延遲時間。如果應用程式需要很長的時間才能啟動，會導致使用者體驗不佳。此外，在應用程式啟動的重要路徑中，處理序間通訊 (IPC) 和不必要的 I/O 可能會遭遇鎖定爭用的情況，並造成這些不一致的問題。
- 捲動時卡頓
「卡頓」一詞是指系統無法依要求的頻率 (例如 60 Hz 或更高) 及時建構和提供影格，導致畫面出現斷斷續續的情況。卡頓在捲動時最容易出現，但如果並非順暢的動畫流程，系統仍可能會出現一些問題。當應用程式轉譯內容所需的時間比系統畫面的持續時間還長，因此活動在一或多個影格中暫停時，畫面會出現資源浪費的情形。
應用程式的刷新率須定為 90 Hz。傳統的轉譯率為 60 Hz，但許多新型的裝置在使用者互動 (例如捲動) 時都是在 90 Hz 的模式下運作，而且有些裝置甚至支援更高的頻率 (最高 120 Hz)。
如要查看裝置在特定時間的刷新率，請依序輕觸「偵錯」部分的「開發人員選項」>「顯示刷新率」，啟用在畫面上疊加顯示刷新率的功能。
- 轉換不順暢
這個問題會在互動期間發生，例如切換分頁或載入新活動時。此類轉換的動畫應自然流暢，不得出現延遲或視覺效果閃爍的情況。
- 電源效率不佳
執行作業會消耗電池電力，而執行不必要的作業會降低電池續航力。
記憶體配置 (在程式碼中建立新物件) 可能會導致系統作業負載增加。這是因為配置作業不僅須透過 Android 執行階段 (ART) 完成，稍後釋出這些物件 (「垃圾收集」) 也需要時間與操作。所幸，現在的配置和收集速度都比以前更快，效率也更高，對於暫存物件而言更是如此。因此，儘管以往的最佳做法是盡可能避免配置物件，現在我們會建議您以最適合應用程式和架構的方式執行操作；考量到 ART 的能力，冒著風險使用無法維護的程式碼來減少配置，並不是最理想的做法。
不過，我們建議的做法須耗費一定工夫，因此請留意若在內部迴圈中配置多個物件，可能會導致效能問題。
辨別問題
辨別效能問題並進行補救的建議工作流程如下：
- 辨別並檢查下列關鍵使用者旅程：
- 常見的啟動流程，包括透過啟動器和通知啟動的情形。
- 使用者捲動資料的畫面。
- 畫面之間的轉換。
- 長時間執行的流程，例如導航或播放音樂。
- 在上述流程期間使用以下偵錯工具進行檢查：
- Perfetto：可讓您利用精確的時間資料瞭解整部裝置上的活動。
- 記憶體分析器：可讓您查看堆積上的記憶體配置情形。
- Simpleperf：透過火焰圖檢視在特定時間之內佔用大部分 CPU 的函式呼叫。如果發現某些項目在 Systrace 中花費的時間較長，但又不知道原因為何，Simpleperf 就可以提供其他資訊。
如要瞭解這些效能問題並進行偵錯，請務必手動對個別測試偵錯。以上步驟無法以分析匯總資料取代。不過，在自動化測試和實際環境中設定指標收集作業也很重要，因為這可協助您瞭解使用者實際可看到的畫面，並找出可能發生迴歸的時間點：
- 啟動流程
- 實際環境指標：Play 管理中心啟動時間
- 研究室測試：使用 Macrobenchmark 測試啟動作業
- 卡頓
- 實際環境指標
- Play 管理中心影格指標：您無法在 Play 管理中心將指標範圍縮小至特定使用者歷程，回報內容僅會說明應用程式的整體卡頓情形。
- 使用
FrameMetricsAggregator自訂評估：您可以使用FrameMetricsAggregator記錄特定工作流程期間的資源浪費指標。
- 研究室測試
- 使用 Macrobenchmark 捲動。
- Macrobenchmark 會使用包含單一使用者歷程的
dumpsys gfxinfo指令收集影格時間。如要瞭解特定使用者歷程中卡頓的不同情況，這是可行的方式。RenderTime指標會醒目顯示影格的繪製時間，在辨識迴歸或改善方面，此指標比卡頓影格數量更為重要。
- 實際環境指標
應用程式連結驗證問題
應用程式連結是指以網站網址為依據的深層連結，且經驗證屬於您的網站。以下是可能導致應用程式連結驗證失敗的原因。
- 意圖篩選器範圍：僅針對應用程式可回應的網址，將
autoVerify新增至意圖篩選器。 - 未經驗證的通訊協定切換：未經驗證的伺服器端和子網域重新導向會視為安全性風險，且會導致驗證失敗。否則會導致所有
autoVerify連結都失敗。例如，將連結從 HTTP 重新導向至 HTTPS (如 example.com)，而沒有驗證 HTTPS 連結，可能會導致驗證失敗。請務必新增意圖篩選器來驗證應用程式連結。 - 不可驗證的連結：加入無法驗證的連結進行測試，可能會導致系統無法驗證您的應用程式連結。
- 伺服器不穩定：確認伺服器可以連線至用戶端應用程式。
設定應用程式進行效能分析
應用程式的基準測試必須正確設定，才能獲得可重現的正確結果並做出後續行動。請盡可能使用最接近實際工作環境的系統，同時抑制雜訊來源。下列各節說明準備測試設定時可以採用的 APK 與系統步驟，其中有些步驟僅適用於特定用途。
追蹤點
應用程式可以透過自訂追蹤事件檢測程式碼。
系統擷取追蹤記錄時，追蹤記錄在每個區段中都會產生少許額外負荷 (約 5 μs)，因此請避免在每種方法中都加入追蹤記錄。追蹤記錄大型工作區塊 (>0.1 毫秒)，就足以提供重要的瓶頸深入分析。
APK 注意事項
偵錯變化版本可協助您進行疑難排解，還可以透過符號方式提供堆疊樣本，但這會對效能造成嚴重影響。在搭載 Android 10 (API 級別 29) 以上版本的裝置中，您可以使用資訊清單中的 profileable android:shell="true"，啟用發布子版本的剖析功能。
使用實際執行等級的程式碼縮減設定。視應用程式使用的資源而定，這可能會對效能產生重大影響。部分 ProGuard 設定會移除追蹤點，因此建議您針對要執行測試的設定移除這些規則。
編譯
將裝置端應用程式編譯為已知狀態 (通常是 speed 或 speed-profile)。背景及時 (JIT) 活動可能會產生龐大的效能負荷，因此在測試執行期間重新安裝 APK 時，經常會發生這種情況。執行編譯操作的指令如下：
adb shell cmd package compile -m speed -f com.google.packagename
speed 編譯模式會完整編譯應用程式；speed-profile 模式則會根據設定檔編譯應用程式，此設定檔中含有應用程式使用期間所收集的已用程式碼路徑。持續以正確方式收集設定檔可能並不容易，因此如果您決定使用這些設定檔，請確認設定檔收集的內容符合您預期。設定檔位於以下位置：
/data/misc/profiles/ref/[package-name]/primary.prof
Macrobenchmark 可讓您直接指定編譯模式。
系統注意事項
如要進行低層級和高保真的評估，請校準裝置。建議您在相同的裝置和相同的 OS 版本中執行 A/B 版本比較作業，因為即便使用同樣的裝置類型，效能也可能會有顯著變化。
在已解鎖裝置上，請考慮使用適用於 Microbenchmark 的 lockClocks 指令碼。此外，指令碼也可以執行以下操作：
- 將 CPU 設為固定頻率。
- 停用小型核心並設定 GPU。
- 停用熱節流。
使用 lockClocks 指令碼的這個方法不適合以使用者體驗為重的測試 (例如應用程式啟動、DoU 測試和卡頓測試)，但對減少 Microbenchmark 測試中的雜訊而言，卻是不可或缺的一環。
建議盡可能使用測試架構，例如 Macrobenchmark，以減少評估中的雜訊，避免評估不準確。
應用程式啟動速度緩慢：非必要的 Trampoline 活動
Trampoline 活動可能會無端延長應用程式啟動時間，因此請務必瞭解應用程式是否涉及這類活動。在以下追蹤記錄範例中，activityStart 後面緊接著令另一個 activityStart，且第一個活動沒有繪製任何影格。
圖 1：顯示 Trampoline 活動的追蹤記錄。
這種情況在通知進入點和一般應用程式的啟動進入點都可能發生，而且通常可以透過重構來解決。舉例來說，如果您使用該活動在另一個活動執行前執行設定，請將這個程式碼分解到可重複使用的元件或程式庫中。
非必要配置觸發常用 GC
您可能會發現垃圾收集 (GC) 的發生頻率比 Systrace 中預期的高。
以下範例顯示，在長時間執行的作業期間，每 10 秒是一個指標，代表應用程式可能遭到不必要的分配，但有時仍會持續運作：
圖 2：顯示 GG 事件間隔的追蹤記錄。
您可能也會發現，在使用記憶體分析器時，特定呼叫堆疊會占據大部分的分配比例。您不需要主動刪除所有配置，因為這樣可能會導致程式碼更難以維護。不妨改從使用分配熱點開始。
Janky 頁框
圖形管線的複雜度相對較高，為了判斷使用者最後是否看見捨棄的影格，可能會有些許細微的影響。在某些情況下，平台可以使用緩衝功能來「找回」影格。不過您可以忽略大部分的細微差異，直接從應用程式的角度找出有問題的影格。
如果繪製的影格幾乎都不是在應用程式中完成，Choreographer.doFrame() 追蹤點的間隔在 60 FPS 裝置上就會是 16.7 毫秒：
圖 3：顯示頻繁快速影格的追蹤記錄。
縮小並瀏覽追蹤記錄時，有時會發現影格完成處理的時間比較長，但因為沒有超過配額的 16.7 毫秒，所以還是可以接受：
圖 4. 顯示頻繁快速影格，且有定期突發工作的追蹤記錄。
如果您在規律的間隔中看到一處突然中斷，那就是卡頓的影格，如圖 5 所示：
圖 5.顯示卡頓影格的追蹤記錄。
您可以練習如何辨別卡頓影格。
圖 6.顯示更多卡頓影格的追蹤記錄。
在某些情況下，您需要放大檢視追蹤點，才能進一步瞭解哪些檢視畫面正在加載，或 RecyclerView 正在執行哪些操作。在其他情況下，則可能需要進一步檢查。
如要進一步瞭解如何識別卡頓影格、偵錯並找出原因，請參閱「轉譯速度緩慢」。
RecyclerView 常見錯誤
無故使整個 RecyclerView 的備份資料失效。這可能會導致影格轉譯時間過長，造成卡頓。您應該改變做法，確保只有已變更的資料失效，盡可能減少需更新的檢視畫面數目。
請參閱「呈現動態資料」，瞭解如何避免成本高昂的 notifyDatasetChanged() 呼叫，這類呼叫會導致內容更新而非全面取代。
如果您無法正確支援每個巢狀的 RecyclerView，可能會導致內部 RecyclerView 每次都要全部重建。每個巢狀的內部 RecyclerView，都必須設有 RecycledViewPool，以確保檢視畫面可在各個內部 RecyclerView 之間回收。
如果預先擷取的資料量不足，或是未及時預先擷取，使用者就可能需要等候伺服器傳來更多資料，才能流暢捲動到清單底部。雖然技術上來說這不算卡頓，因為操作仍然符合影格顯示期限，但仍建議您修改預先擷取的時間和數量，讓使用者不必等候資料顯示。這麼一來，使用者體驗也就能大幅提升。
為應用程式偵錯
以下是對應用程式效能進行偵錯的各種方法。如要瞭解系統追蹤及使用 Android Studio 分析器，請觀看以下影片。
使用 Systrace 對應用程式啟動進行偵錯
請參閱「應用程式啟動時間」，概略瞭解應用程式啟動程序，並觀看以下影片，概略瞭解系統追蹤。
您可以透過下列階段區分啟動類型：
- 冷啟動：開始建立沒有儲存狀態的新程序。
- 暖啟動：重複使用程序時重新建立活動，或是使用已儲存狀態重新建立程序。
- 熱啟動：重新啟動活動，從加載開始。
建議你使用裝置上的系統追蹤應用程式擷取 Systrace。如果是 Android 10 以上版本，請使用 Perfetto。如果是 Android 9 以下版本，請使用 Systrace。我們也建議您使用網頁式 Perfetto 追蹤記錄檢視器查看追蹤記錄。詳情請參閱「系統追蹤總覽」。
建議您留意以下事項：
- 監控爭用：受監控保護的資源競爭可能會導致應用程式啟動出現大幅延遲。
同步繫結器交易：在應用程式的重要路徑中尋找不必要的交易。如果必要交易的費用高昂，請考慮與相關的平台團隊合作做出改善。
並行 GC：這只是一般情況，影響相對較低，但如果經常使用，請考慮使用 Android Studio 記憶體分析器進行檢視。
I/O：檢查啟動期間執行的 I/O，然後尋找長時間的攤位。
其他執行緒上的重大活動：這些活動可能會幹擾 UI 執行緒，因此請留意啟動期間的背景工作。
從應用程式的角度來說，當啟動完成時，建議您呼叫 reportFullyDrawn，以便改善應用程式啟動指標報表。如要進一步瞭解如何使用 reportFullyDrawn，請參閱「完整顯示時間」一節。您可以透過 Perfetto 追蹤處理器擷取 RFD 定義的開始時間，系統就會發出使用者可見的追蹤記錄事件。
在裝置上使用系統追蹤
您可以使用名為「系統追蹤」的系統層級應用程式擷取裝置上的系統追蹤記錄。這個應用程式可讓你錄製裝置中的追蹤記錄，而不必插入裝置或連結至 adb。
使用 Android Studio 記憶體分析器
您可以使用 Android Studio 記憶體分析器，檢查因記憶體流失或不當使用模式造成的記憶體壓力。可讓您即時查看物件配置情形
您可以利用記憶體分析器來追蹤 GC 發生的原因和頻率，藉此修正應用程式的記憶體問題。
如要剖析應用程式記憶體，請執行下列步驟：
偵測記憶體問題。
針對您要聚焦的使用者歷程，記錄記憶體剖析工作階段。尋找如圖 7 所示的物件數量增加，最終會導向 GC，如圖 8 所示。
圖 7.正在增加物件數量。
圖 8.垃圾收集。找出會增加記憶體壓力的使用者歷程後，請分析造成記憶體壓力的根本原因。
診斷記憶體壓力熱點。
選取時間軸中的範圍，以視覺化方式呈現「Allocations」和「Shallow Size」，如圖 9 所示。
圖 9.「Allocations」和「Shallow size」的值。這些資料的分類方式有很多種。以下是一些檢視畫面如何協助您分析問題的範例。
Arrange by class：如要找出產生物件的類別，這些物件會從記憶體集區快取或重複使用。
舉例來說，如果您發現一個應用程式每秒建立 2,000 個名為「Vertex」的類別物件，就會每秒將「Allocations」數量增加 2,000，並在依類別排序時顯示。如要重複使用這些物件以避免產生垃圾，請實作記憶體集區。
Arrange by 呼叫 tack：如果您想要找出記憶體配置所在的熱路徑，例如位於迴圈內或特定函式內執行大量配置工作時，就非常實用。
Shallow Size：只會追蹤物件本身的記憶體。追蹤大部分僅由原始值組成的簡易類別時，這個類別會非常有用。
Retained Size：顯示物件只會參照的物件和參照而產生的記憶體總量。很適合用於追蹤複雜物件造成的記憶體壓力如要取得這個值，請擷取完整的記憶體傾印 (如圖 10 所示)，然後新增「Retained Size」資料欄 (如圖 11 所示)。
圖 10.完整記憶體傾印。
圖 11. 保留大小欄。
評估最佳化的影響。
GC 更易於辨識，也更容易評估記憶體最佳化的影響。最佳化可以減少記憶體壓力，您會發現 GC 減少。
如要評估最佳化的影響，請在分析器時間軸中評估 GC 之間的時間。隨後，GC 所需的時間較長。
這些記憶體改善項目的最終影響如下：
- 如果應用程式無法持續遇到記憶體壓力，則可能降低記憶體不足的關閉情形。
- 減少垃圾收集值有助於改善卡頓指標，尤其是在 P99 中。這是因為垃圾收集事件會造成 CPU 爭用情形，導致轉譯工作在垃圾收集期間遭到延遲。
為您推薦
- 注意：系統會在 JavaScript 關閉時顯示連結文字
- 應用程式啟動分析與最佳化 {:#app-startup-analysis-optimization}
- 凍結影格
- 撰寫 Macrobenchmark