שאילתות לפרופילים של ProfilingManager

השאילתות של פרופילי ProfilingManager דומות לשאילתות של פרופילי Perfetto רגילים. לכן, מומלץ לעיין במאמר תחילת העבודה עם PerfettoSQL כדי לקבל מדריך לשאילתת פרופילים.

הבדל חשוב בין עקבות רגילים של Perfetto לבין עקבות של ProfilingManager הוא שעקבות של ProfilingManager עוברים דרך כלי להסרת מידע אישי מהעקבות. הכלי הזה מסיר מידע על תהליכים אחרים שלא קשורים לאפליקציה שלכם מטעמי פרטיות.

אי אפשר להשתמש בחלק מהשאילתות מהספרייה הרגילה של Perfetto בנתוני טראס שהוסרו מהם פרטים מזהים. הסיבה לכך היא ש-ProfilingManager אוסף רק נתוני פרופיל עבור האפליקציה שלכם, ולא עבור תהליכים אחרים. כתוצאה מכך, השאילתות שאפשר להשתמש בהן עם ProfilingManager הן קבוצה קטנה יותר מאלה של פרופילי מערכת מלאים שתועדו באמצעות Perfetto מקומי.

למרות שהמרחב של השאילתות מצומצם, עדיין אפשר להשתמש בהרבה שאילתות וטבלאות של PerfettoSQL מתוך הספרייה הסטנדרטית של Perfetto כמו שהן, ולכן מומלץ לנסות אותן.

מומלץ גם לעיין במאמר ניתוח עקבות ב-Android כדי למצוא שאילתות מוכנות לשימוש שמספקות נתוני ביצועים שימושיים ללא צורך בשינוי.

שאילתות לדוגמה של ProfilingManager

כדי לפשט את תהליך השאילתות, בקטע הזה מופיעה רשימה של שאילתות שפועלות עם ProfilingManager. אפשר להשתמש בשאילתות האלה ישירות או כדוגמאות ליצירת שאילתות אחרות.

איך מוצאים את הפרוסות הכי משוכפלות

השאילתה הזו מוצאת פרוסות שחוזרות על עצמן ב-trace וממיינת אותן לפי התדירות שבה הן מופיעות, כך שהפרוסות הכי משוכפלות מוצגות ראשונות.

מציאת עבודה כפולה היא דרך נפוצה למצוא עבודה מיותרת ב-Trace.

הערה: השאילתה הזו מגדירה פונקציית Perfetto שמאפשרת להשתמש בכל תבנית GLOB כדי למצוא כפילויות, וכך קל יותר לעשות בה שימוש חוזר. מידע נוסף על פונקציות זמין במסמכי התחביר של SQL ב-Perfetto.

-- You only need to call this once in the session to create the function
DROP TABLE IF EXISTS find_duplicates;
CREATE PERFETTO FUNCTION find_duplicates(pattern STRING) RETURNS
TABLE(name STRING, count_slice LONG) AS SELECT name, COUNT(dur) as count_slice FROM slice WHERE name GLOB $pattern GROUP BY name HAVING COUNT(name) >= 2 ORDER BY count_slice DESC;

-- Subsequent calls can just use the function to find dupes
SELECT * FROM find_duplicates('*Text*')

שאילתות שקשורות לבעיות בממשק

איך מוצאים פריימים איטיים

השאילתה הזו מוצאת פריימים שבהם לאפליקציה לוקח יותר מדי זמן ליצור פריימים, בהנחה שקצב הפריימים הצפוי הוא 60 הרץ (16.6 אלפיות השנייה). הערך של dur הוא 16,660,000 כי משך הזמן של הפרוסות בטבלאות של Perfetto מאוחסן בננו-שניות.

INCLUDE PERFETTO module android.frames.timeline;
SELECT * FROM android_frames WHERE dur > 16660000;

חיפוש פריים שגורם ל-jank

INCLUDE PERFETTO module android.frames.timeline;
SELECT * FROM actual_frame_timeline_slice WHERE jank_type = 'App Deadline Missed';

השאילתה הזו שימושית כדי למצוא מיקומים שבהם מתרחשת תופעת הג'אנק בנתוני המעקב, כי לאפליקציה לוקח יותר מדי זמן ליצור פריים. המשמעות היא שהשרשור של ממשק המשתמש נכשל ביצירת פריים. במקרים קיצוניים, יכול להיות שההודעה הזו תופיע לפני ANR.

הערה: זיהוי ה-Jank בשאילתה הזו תלוי בקצב הרענון של המכשיר. קצב רענון גבוה יותר מצביע על סבילות נמוכה יותר ל-jank.

חיפוש האובייקטים הכפולים ביותר

אפשר גם לשלוח שאילתות לפרופילים שקשורים לזיכרון, כמו dump של heap, כדי לבצע ניתוחים מורכבים יותר של הזיכרון.

INCLUDE PERFETTO MODULE android.memory.heap_graph.heap_graph_class_aggregation;

SELECT * FROM android_heap_graph_class_aggregation WHERE obj_count >= 2
ORDER BY obj_count DESC LIMIT 100

השאילתה הזו מחזירה את 100 האובייקטים הכפולים המובילים. כך תוכלו למצוא אובייקטים שנוצרו כמה פעמים, ולזהות הזדמנויות לשמירתם במטמון או כפילויות לא מכוונות.

זמן האחזור של הפעלה מההתחלה (cold startup)

אפשר גם לשאול שאלות על סטארטאפים. בקטע הזה מוסברת שאילתה מורכבת יותר להערכת זמן ההפעלה במצב התחלתי (cold startup) ב-Trace.

-- This function finds slices that match the given GLOB $pattern
CREATE OR REPLACE FUNCTION find_slices(pattern STRING) RETURNS
TABLE (name STRING, ts LONG, dur LONG) AS
SELECT name,ts,dur FROM slice WHERE name GLOB $pattern;

-- This function generates a slice that starts at $startSlicePattern and finishes at the slice matched by $endSlicePattern. If $inclusive is true, then the end slice dur will be added, otherwise, the end slice start time will be used.
CREATE OR REPLACE PERFETTO FUNCTION generate_start_to_end_slices(startSlicePattern STRING, endSlicePattern STRING, inclusive BOOL) RETURNS
TABLE(name STRING, ts LONG, dur LONG) AS
SELECT name, ts, MIN(startToEndDur) as dur
FROM
  (SELECT S.name as name, S.ts as ts, E.ts + IIF($inclusive, E.dur, 0) - S.ts as startToEndDur
  FROM find_slices($startSlicePattern) as S CROSS JOIN find_slices($endSlicePattern) as E
  WHERE startToEndDur > 0)
GROUP BY name, ts;

-- Using these functions we can estimate cold startup time by generating a slice between bindApplication and first frame.
SELECT * from generate_start_to_end_slices('bindApplication','*Choreographer#doFrame [0-9]*', true)

השאילתה הזו יוצרת פלח שמייצג את הזמן שחלף בין שני פלחים שמגדירים את זמן ההפעלה: bindApplication (בדרך כלל נמצא בתחילת הפעלה של אפליקציה במצב לא פעיל) והפלח הראשון Choreographer#doFrame (הפריים הראשון שנוצר). המדד הזה מעריך בצורה יעילה את זמן ההפעלה במצב התחלתי (cold start) עד להצגת הפריים הראשון (TTFF).