Systrace 无疑是性能优化神器，如果能辅以函数插桩，则能发挥它的最大威力，让所有的性能问题都无处遁形，比如常见的锁竞争、io等待和线程竞争等等问题。此文先只介绍Systrace的基本用法。
使用Systrace有两种方式，一种是使用python命令运行，另一种是通过DDMS运行，自行选择就行。
收集信息
- 首先，用来调试的App工程需要在清单文件里将Application的debuggable开关打开。
- 在要观察的代码前后加上Trace的头尾函数，编译并安装到手机。
-
打开DDMS，进入Systrace工具，选择调试进程，以及记录时长。按下确定之后，操作手机，便可以记录这段时间的运行情况。
ddms.png
systrace.png
- 用Chrome浏览器打开生成的html文件。找到Trace头函数带上的信息，并分析。
分析数据
以下给出三种不同类型的分析过程，作为示例。
-
计算密集型任务
cpu_work.png
我们一般知道，图片和视频之类处理、简单内存操作，差不多都归属于计算密集型任务，比较占用CPU，需要控制并行的线程数量，避免CPU进行频繁的线程切换，这种类型的任务就需要放进计算密集型的线程池中。
如图所示，这个选中的函数是在处理图片，整个函数总耗时（Wall Duration）58ms，CPU工作（CPU Duration）了44ms。 -
IO 密集型任务
io_work.png
常见的IO操作就是读写文件、网络请求，这种类型的任务大量时间在等待系统调用的返回和硬件的数据处理，基本不占CPU，可以提交并行的线程数量，发挥CPU的最大效率，这种类型的任务就需要放进IO密集型的线程池中。
如图所示，这个选中的函数是在进行网络请求，整个函数总耗时（Wall Duration）138ms，CPU工作（CPU Duration）了8ms。 -
锁竞争
lock.png
由synchronized关键字产生的锁竞争会明显地显示出来。
如图所示，这个选中的函数需要的锁被线程Id为16283的线程占用长达1647ms之久，就需要好好优化了。
小结
如果嫌Trace添加起来太累，可以考虑函数插桩。
愿大家玩得开心。
