本⽂出⾃于“「2021 友盟+ 挪动应⽤性能挑战赛」” 中的参赛作品，该⽂章表述了作者如何借助友盟+ U-APM⼯具进⾏了性能优化。

作为⼀款倒计时⽇历 APP，咱们须要对每个⽇期实时显示倒计时并准确到秒。然而咱们的 app 在滑动刷新数据时，会呈现卡顿。

卡顿在很⼤水平上取决于设施的 CPU 和其余耗费 CPU 工夫的过程。于是咱们尝试使⽤了友盟 + U-APM 内存剖析对 APP 进⾏剖析：

通过观察内存的散布，⼤局部程序的运⾏都处于可预测的范畴内，咱们须要更加细粒度地进⾏测试。

启动 Android Profiler Tool Window , 关上 CPU Profiler并抉择正确的工夫线 。连贯咱们的测试设施并再次进⾏滑动刷新，能够看到Profile线程被增加到应⽤过程并耗费了额定的 CPU 工夫。看看 Logcat：

I/Choreographer: Skipped 147 frames! The application may be doing too much

查看 CPU Profiler 工夫线：

图表上⽅有⼀个视图示意⽤户与应⽤程序的交互。所有⽤户输⼊事件在此处显示为紫⾊圆圈。能够看到⼀个圆圈，代表咱们为刷新数据⽽执⾏的滑动。

在事件下⽅，有⼀个 CPU 工夫线，它以图形⽅式显示了与可⽤ CPU 总工夫相干的应⽤程序和 其余过程的 CPU 使⽤率。还能够查看应⽤程序正在使⽤的线程数。

底部能够看到属于应⽤过程的线程流动工夫线 。每个线程处于由颜⾊批示的三种状态之⼀： 流动 （绿⾊） 、期待 （⻩⾊） 或睡眠 （灰⾊）。

在列表顶部，能够找到应⽤程序的主线程。在我的设施 (Nexus 5X) 上，它使⽤的 CPU 工夫⼤ 约 5 秒。咱们能够记录⼀个⽅法跟踪来查看。

在滑动之前单击“记录”按钮以刷新操作并在数据刷新实现后⽴即停⽌记录：

咱们将从第⼀个选项卡中显示的图表开始剖析。横轴代表工夫的流逝。

调⽤者及其被调⽤者（从上到下）显示在垂直轴上。⽅法调⽤也通过颜⾊辨别， 具体取决于是调 ⽤零碎 API、第三⽅ API 还是咱们本地函数 。每个⽅法调⽤的总工夫是⽅法⾃身工夫及其被调⽤者工夫的总和：

从这张图表中，能够推断出性能问题出在 generateItems ⽅法外部。

为了证实咱们的推断，咱们⼜使⽤了友盟+ U-APM 进⾏了线上测试，测试后果和前⽂雷同，下图是友盟+ U-APM 的卡顿分析测试，图中展现了次要是哪些⽅法造成了CPU的⾼耗时， 导致了卡顿状况的发⽣：

⽕焰图揭示了哪些⽅法占⽤了贵重的 CPU 工夫，并聚合了雷同的调⽤堆栈：

发现了两个可疑的地⽅，getRemainingTime 整个⽅法执⾏工夫达到2 秒以上，
LocalDateTime.format 占⽤ CPU 工夫 1 秒以上：

此工夫还包含线程未处于活动状态的时间段。另外， 能够切换要在线程工夫中显示的计时信息。

最初⼀个选项卡中的图表显示按 CPU 工夫耗费降序排列的⽅法调⽤列表。该图表提供具体的计时信息 （以微秒为单位） ：

从图表中获取耗费过多 CPU 工夫的⽅法的计时信息。将它们与调⽤堆栈中的两个⽅法相关联：

class  method total time (in ms) percentage of recorded durationSample1Activity refreshData 3027   89.28Sample1Activity generateItems  3025   89.22Sample1Activity getRemainingTime   1723   50.83LocalDateTime  format 1003   29.59

能够看到 getRemainingTime 和 LocalDateTime.format 耗费了超过 80% 的工夫 。为了解决卡顿问题，咱们须要从这⾥⼊⼿ 。

那么该怎么办？ 聪慧的读者可能曾经提出了⼏种解决⽅案。因为咱们执⾏了⼤量计算，所以咱们将只为多数以后显示和筹备显示的项⽬调⽤ getRemainingTime 和 LocalDateTime.format ⽅法。

为了实现它，咱们须要更新 Item 属性，保留必要的数据以便稍后执⾏格式化：

data class Item(val now: LocalDateTime, val offset: Int)

这须要在 generateItems 和 bindItem 函数中应⽤以下更改：

private fun generateItems(): List<Item> {val now = LocalDateTime.now()return List(1_000) { Item(now, it + 1) }}private fun bindItem(holder: ViewHolderBinder<Item>, item: Item) = with(val date = item.now.plusDays(item.offset.toLong()).toLocalDate().atSval remainingTime = getRemainingTime(item.now, date)

咱们内联了 createItem 函数，当初所有函数都在 bindItem ⽅法外部。
在咱们的代码批改⽣效之后，重新启动 CPU Profiler 并记录⽅法的运⾏状况。
为了查看咱们的优化是否胜利，咱们须要查看 Call Chart ：

将⿏标移到 generateItems 函数上， 会发现当初耗时约为 0.3 秒。

这⽐优化前缩小了13倍以上的 CPU 工夫。为了确保咱们的更改不会对 bindItem ⽅法的耗时造成负⾯增益，咱们切换到⽕焰图标来查看bindItem的总耗时。
如图所示，它最多耗费 0.1 秒：

此外，咱们能够进⾏滚动测试，以确保咱们的代码优化不会影响整体应⽤程序的性能， 并且在滚动过程中加以记录。

测试发现滚动之后不会再呈现卡顿和掉帧的状况了。胜利！代码已优化！

总结

Android Profiler 和友盟+ U-APM 都是很好的测试⼯具。如果咱们谋求晦涩的⽤户体验，那么使⽤这些优良的 debug ⼯具是⼗分必要的。在本⽂中，我次要关注性能调优。

然而，本⽂中未涵盖的 Android Profiler 的 Memory Profiler 和 Network Profiler， 友盟+ U-A PM 的内存剖析、OOF 异样和内存占⽤也同样值得钻研。记录内存调配对查找内存透露有很⼤帮忙， 例如代码中有没有回收 bitmap。

⽆论如何，使⽤失当的剖析⼯具能够带来多项优化成绩，期待读者们的⾃⾏摸索。

本⽂出⾃于“「2021 友盟+ 挪动应⽤性能挑战赛」中的参赛作品，该⽂章表述了作者如何友盟+ U-APM⼯具进⾏了性能优化。