新版本Profiler
Android Studio Koala
- 褐色图标： 设备性能实时展示
- 红色图标： 设备整体性能抓取
- 橙色图标： CPU性能相关
- 绿色图标： 内存性能相关
View Live Telemetry
- 优点：
直观的展示当前设备CPU、内存、线程等的状态 - 缺点：
没有做数据统计，不好做数据分析
Caputure System Activities
- User/Lifecycle
用户的交互，页面元素展示
- Janky Frame
卡顿帧、卡顿发生的时间、卡顿时的堆栈
- Threads
抓取数据阶段本设备运行的线程信息
包括线程运行时间、执行堆栈的概览
只能看到概览，详细分析较为困难
- CPU cores
CPU运行频率、单位时间执行的线程信息
在排查问题时如何判定CPU是否负载过重？
CPU大小核任务的分配
大核（Big Core）：主要用于高性能任务，如游戏、视频渲染等。大核的运行速度更快，频率更高，性能更强，但同时耗电量也更大。通常，当设备需要处理密集计算任务或对性能有较高需求时，系统会将任务分配到大核上，以保证流畅度和响应速度。
小核（LITTLE Core）：主要用于低功耗任务，如待机、后台处理等。小核的运行频率较低，性能相对弱，但非常省电。通常在执行低强度的任务时，系统会将任务分配给小核，从而延长设备的电池寿命。
RSS
进程实际RSS分配
FInd CPU HotSpots
- Java/Kotlin Method Recording（方法记录模式）
工作原理：这种模式会在应用程序的每个 Java 或 Kotlin 方法开始和结束时插入钩子，以便捕获每个方法的精确调用次数和执行时长。
数据精度：由于这种模式会记录每个方法的进入和退出时间，因此可以精确地计算方法的执行时间和调用关系，生成详尽的调用图谱。它适合用来分析方法的具体调用频率和精确的时间消耗。
开销：因为要跟踪每个方法的开始和结束，方法记录模式会增加额外的运行时开销（即分析过程本身可能影响应用的运行性能）。
适用场景：适合需要精确分析方法调用频率和耗时的场景，尤其是需要知道具体的 CPU 使用位置时（如热点方法或高频方法）。 - CallStack Sample（调用栈采样模式）
工作原理：调用栈采样模式采用的是采样机制，在固定的时间间隔（比如每隔几毫秒）对应用程序的调用栈进行快照，记录当前正在执行的方法。这种方式不会记录方法的进入和退出时间，而是定期采集某个时间点的调用栈信息。
数据精度：由于是定期采样，数据精度相对较低，特别是在快速调用的方法上会出现遗漏。采样方法只能提供粗略的 CPU 使用率和热点信息。
开销：采样模式的开销相对较低，因为它不需要跟踪每个方法的开始和结束，只是在固定间隔拍下快照，因此对应用性能的影响较小。
适用场景：适合对性能要求较高的应用进行整体性能分析和热点方法定位，不适合需要精确计时的分析场景。
为什么两者的 CPU 使用率不一样？
数据捕获方式不同：方法记录模式记录的是每个方法的精确开始和结束时间，而调用栈采样模式只是定期捕获当前执行的方法，因此在方法调用频率和执行时间的捕获上存在精度差异。方法记录模式提供更精确的调用信息，但由于采样时间粒度的原因，采样模式可能会漏掉一些短时或快速调用的方法。
采样时间间隔的影响：在调用栈采样模式中，采样间隔会影响捕获的数据量。如果采样间隔较大，某些执行较短的方法可能在采样间隔内未被捕获，从而影响 CPU 使用率的计算。方法记录模式不受采样间隔的影响，因此它的 CPU 使用率计算更加准确。
采样模式偏向粗略分析：调用栈采样模式的设计初衷是提供一个低开销、适用于长时间监控的性能分析方式，而方法记录模式则偏向短时间、精确的分析。这导致了在长时间分析中，采样模式的结果会更贴近真实情况，而在短时间或精确分析时，方法记录模式则提供更精确的结果。
如何选择
如果需要精确的 CPU 使用分析，并且可以接受一定的性能开销，则选择 Java/Kotlin Method Recording。
如果需要对应用程序整体 CPU 使用情况的粗略概览，并且希望开销较小，则选择 CallStack Sample。
获取CPU工作情况
- Wall Clock Time
线程存在的时间 - Thread Time
线程真正工作的时间
查找性能瓶颈，主要是查看线程真正的工作时间与总时间的比，即CPU使用率
排序：
- Top Down
按照时间降序排列 - Bottom Up
按照时间升序排列 - Flame Chart
火焰图
Flame Chart 的结构
火焰图通常是由横向矩形条组成的，每个矩形条代表一个函数调用：
X 轴：表示时间轴，条的宽度表示该函数执行的时长。
Y 轴：表示调用栈深度，越靠上表示函数调用的嵌套越深。
颜色：通常不代表具体含义，但有时不同的颜色可以用于区分不同的模块、线程或函数类型。
工作原理
火焰图的生成通常基于采样堆栈跟踪或基于事件的分析：
采样堆栈跟踪：在程序运行时定期采样调用栈，记录每个时刻的调用情况。然后，将这些调用栈信息聚合并可视化。
事件跟踪：当函数调用开始和结束时记录事件，通过记录的时间点生成函数调用的时间分布图。
如何解读 Flame Chart
宽度：矩形条越宽，表示该函数执行时间越长，是性能瓶颈的潜在候选。
高度：代表了函数的调用层级。深层嵌套通常表明复杂的调用关系，可能导致性能问题。
上层函数：火焰图的上层函数调用的是下层函数。如果某个高频函数的子调用占用了大量时间，则可能需要优化该函数的逻辑。
根据CPU占用率，有针对性的优化代码
- Sample
new Thread(new Runnable() {
@Override
public void run() {
while (true) {
//getRealTemp("");
checkStringMatch("aaa-0-ccc");
try {
synchronized (lock) {
lock.wait(100);
}
} catch (InterruptedException e) {
throw new RuntimeException(e);
}
}
}
}).start();
private void checkStringMatch(String testStr) {
long startTime = System.currentTimeMillis();
int count = 0;
for (int i = 0; i < 1000; i++) {
/*String regex = "aaa-\\d-ccc";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(testStr);
if (matcher.matches()) {
count++;
}*/
if (testStr.startsWith("aaa") && testStr.endsWith("ccc")) {
count++;
}
}
long costTime = System.currentTimeMillis() - startTime;
Log.d("zyl", "costTime = " + costTime);
}
