ProfilingManager profillerini sorgulamak, normal Perfetto profillerini sorgulamaya benzer. Bu nedenle, profilleri sorgulama hakkında bilgi edinmek için PerfettoSQL'i kullanmaya başlama başlıklı makaleyi inceleyin.
Normal Perfetto izleri ile ProfilingManager izleri arasındaki önemli bir fark, ProfilingManager izlerinin bir izleme redaktöründen geçmesidir. Bu redaktör, gizlilik nedeniyle uygulamanızla ilgisi olmayan diğer işlemlerle ilgili bilgileri kaldırır.
Perfetto standart kitaplığındaki bazı sorgular, çıkartılmış izlerde kullanılamaz. Bunun nedeni, ProfilingManager aracının diğer işlemler için değil, yalnızca uygulamanız için profil oluşturma verileri toplamasıdır. Bu nedenle, ProfilingManager ile kullanabileceğiniz sorgular, yerel Perfetto kullanılarak kaydedilen tam sistem profillerine yönelik sorgulardan daha küçük bir kümedir.
Sorgulama alanı daraltılmış olsa da Perfetto Standart Kitaplığı'ndaki birçok PerfettoSQL sorgusunu ve tablosunu olduğu gibi kullanabilirsiniz. Bu nedenle, bunları denemenizi öneririz.
Ayrıca, değişiklik yapmadan faydalı performans verileri sağlayan kullanıma hazır sorguları bulmak için Android İzlerini Analiz Etme başlıklı makaleyi incelemenizi öneririz.
ProfilingManager örnek sorguları
Sorgulama sürecini basitleştirmek için bu bölümde ProfilingManager ile çalışan sorguların bir listesi verilmiştir. Bu sorguları doğrudan kullanabilir veya başka sorgular oluşturmak için örnek olarak kullanabilirsiniz.
En çok kopyalanan dilimleri bulma
Bu sorgu, bir izdeki yinelenen dilimleri bulur ve bunları görünme sıklığına göre sıralayarak en çok yinelenenleri ilk olarak gösterir.
Yinelenen işleri bulmak, izdeki gereksiz işleri bulmanın yaygın bir yoludur.
-- 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*')
Takılma sorguları
Yavaş kareleri bulma
Bu sorgu, beklenen kare hızının 60 Hz (16,6 ms) olduğu varsayımıyla uygulamanızın kare oluşturmasının çok uzun sürdüğü kareleri bulur. Perfetto tablolarındaki dilim süreleri nanosaniye cinsinden depolandığı için dur, 16.660.000 olarak ayarlanır.
INCLUDE PERFETTO module android.frames.timeline;
SELECT * FROM android_frames WHERE dur > 16660000;
Takılmaya neden olan kareleri bulma
INCLUDE PERFETTO module android.frames.timeline;
SELECT * FROM actual_frame_timeline_slice WHERE jank_type = 'App Deadline Missed';
Bu sorgu, uygulamanın bir kare oluşturması çok uzun sürdüğü için izde takılmanın meydana geldiği konumları bulmak için kullanışlıdır. Bu, kullanıcı arayüzü iş parçacığının kare oluşturamadığı anlamına gelir. Olağanüstü durumlarda bu durum ANR'den önce gerçekleşebilir.
En çok kopyalanan nesneleri bulma
Daha karmaşık bellek analizleri yapmak için yığın dökümleri gibi bellekle ilgili profilleri de sorgulayabilirsiniz.
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
Bu sorgu, en çok kopyalanan 100 nesneyi döndürür. Bu sayede, birden fazla kez örneklendirilen nesneleri bulabilirsiniz. Bu nesneleri önbelleğe alma fırsatlarını görebilir veya istenmeyen kopyaları tespit edebilirsiniz.
Sıfırdan başlatma gecikmesi
Start-up'ları da sorgulayabilirsiniz. Bu bölümde, bir izdeki sıfırdan başlatma süresini tahmin etmek için daha ayrıntılı bir sorgu sunulmaktadır.
-- 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)
Bu sorgu, başlatma süresini tanımlayan iki dilim arasındaki süreyi temsil eden bir dilim oluşturur: bindApplication (genellikle uygulamanın soğuk başlatılmasının başında bulunur) ve ilk Choreographer#doFrame dilimi (oluşturulan ilk kare). Bu metrik, sıfırdan başlatma TTFF'sini (ilk kareye kadar geçen süre) etkili bir şekilde tahmin eder.