在 Android 开发中，检测卡顿（UI 线程阻塞）是性能优化的关键环节。以下是基于你提供的方案和扩展知识的系统化总结，涵盖原理、实现细节和工具选型建议：

1. Choreographer 帧监控（轻量级帧级卡顿检测）

原理

• 机制：Choreographer 是 Android 渲染系统的核心，通过 postFrameCallback 在每帧 VSync 信号后触发回调。
• 卡顿判定：帧耗时 >16.6ms（60 FPS）即视为丢帧，连续丢帧则判定为卡顿。

优化实现

class FrameMonitor : Choreographer.FrameCallback {
    private var lastFrameTimeNanos = 0L
    private val frameIntervalNs = 16_666_667L // 60 FPS 阈值

    override fun doFrame(frameTimeNanos: Long) {
        if (lastFrameTimeNanos > 0) {
            val frameDurationNs = frameTimeNanos - lastFrameTimeNanos
            if (frameDurationNs > frameIntervalNs) {
                Log.w("FrameMonitor", "Frame dropped! Duration: ${frameDurationNs / 1_000_000}ms")
                // 可记录堆栈或上传监控系统
            }
        }
        lastFrameTimeNanos = frameTimeNanos
        Choreographer.getInstance().postFrameCallback(this)
    }
}
// 启动监听
Choreographer.getInstance().postFrameCallback(FrameMonitor())

适用场景

• 优点：无侵入、可量化帧率。
• 缺点：无法定位具体卡顿代码，需结合其他工具分析。

2. Handler/Looper 消息队列监控（精准定位主线程阻塞）

原理

• Hook Looper：通过 Looper.getMainLooper().setMessageLogging() 插入日志打印，计算消息处理耗时。
• 卡顿判定：单个消息处理时间 > 阈值（如 100ms）。

高级实现（带堆栈捕获）

class BlockDetector : Printer {
    private val threshold = 100L // 卡顿阈值(ms)
    private var lastLogTime = 0L

    override fun println(msg: String) {
        if (msg.startsWith(">>>>> Dispatching")) {
            lastLogTime = System.currentTimeMillis()
            // 启动后台线程监控超时
            startMonitorThread()
        } else if (msg.startsWith("<<<<< Finished")) {
            val cost = System.currentTimeMillis() - lastLogTime
            if (cost > threshold) {
                Log.e("BlockDetector", "Block detected: ${cost}ms")
            }
        }
    }

    private fun startMonitorThread() {
        thread {
            Thread.sleep(threshold)
            if (System.currentTimeMillis() - lastLogTime >= threshold) {
                // 捕获主线程堆栈
                val stackTrace = Looper.getMainLooper().thread.stackTrace
                Log.e("BlockDetector", "Block stack:\n${stackTrace.joinToString("\n")}")
            }
        }
    }
}
// 安装监控
Looper.getMainLooper().setMessageLogging(BlockDetector())

适用场景

• 优点：可捕获卡顿时堆栈，精准定位问题代码。
• 缺点：频繁堆栈捕获可能影响性能（生产环境需采样）。

BlockCanary 的核心原理正是基于这种消息队列监控， 同时在此基础上做了更完善的封装和扩展，使其成为一个完整的卡顿检测解决方案。如果想开箱即用可以直接集成 BlockCanary，如果想深度定制监控可以参考原理和源码实现自己的 Looper 监控模块。

3. StrictMode（开发阶段快速检测违规操作）

推荐配置

if (BuildConfig.DEBUG) {
    StrictMode.setThreadPolicy(
        StrictMode.ThreadPolicy.Builder()
            .detectDiskReads()  // 检测磁盘读
            .detectDiskWrites() // 检测磁盘写
            .detectNetwork()     // 检测网络操作
            .penaltyDeath()      // 直接崩溃（仅Debug）
            .build()
    )
}

适用场景

• 开发阶段：快速发现主线程IO等低级错误。
• 生产环境：需关闭（避免崩溃）。

4. Systrace + Perfetto（系统级性能分析）

进阶用法

1. 自定义 Trace 标记：

   Trace.beginSection("loadData")
   // 耗时操作
   Trace.endSection()
   

2. 命令行采集：

   # 采集 10s 数据（需设备 root）
   perfetto --txt -c /data/misc/perfetto-configs/android_cpu.pbtxt -o /data/local/tmp/trace.perfetto-trace
   

3. 分析重点：
   • 主线程 ActivityThread 的 performTraversals（UI 绘制）
   • 查找 ALOAD/BINDER 等长耗时区块。

适用场景

• 系统级瓶颈：如 SurfaceFlinger 延迟、Binder 通信耗时。
• 跨进程分析：如 Service 调用链。

5. 第三方库（自动化监控）

BlockCanary 核心原理

1. 监控机制：
   • 定期向主线程发送 Runnable，检测执行延迟。
   • 超时后 dump 主线程堆栈。
2. 集成示例：

   implementation 'com.github.markzhai:blockcanary-android:1.5.0'
   

   BlockCanary.install(this, AppBlockCanaryContext()).start()
   

其他推荐工具

6. 生产环境方案设计

分层监控策略

关键指标

• 卡顿率：卡顿次数 / 总启动次数
• 严重卡顿：单次阻塞 > 3s
• FPS 达标率：帧率 > 55 FPS 的占比

总结：如何选择工具？

1. 开发阶段：
   • StrictMode + Android Profiler 快速定位问题。
   • Systrace 分析复杂场景（如动画卡顿）。
2. 测试阶段：
   • BlockCanary 自动化检测。
   • Perfetto 深度追踪系统瓶颈。
3. 线上监控：
   • 轻量级 Choreographer 帧监控 + Looper 堆栈采样。
   • 结合 APM 平台（如 Firebase Performance）。

通过组合使用这些工具，可以构建从开发到生产的全链路卡顿监控体系。