优化安卓APP网络流量

501 阅读9分钟


套餐虽然优惠,流量还是很贵,对用户而言网络流量就是钱呐!用户习惯打开系统自带 APP 流量统计功能(如下),从 APP 的角度,总不希望用户一眼看出自家的 APP 是流量大户,所以有必要花时间知道 APP 的流量怎么流失的。但是系统的流量统计功能只是很粗略的对每个 APP 消耗的流量总量(分时)进行统计,但是程序员需要对 APP 的流量进行更精细、多维度的分析,从而有针对性地优化 APP 数据流量。

Android 流量测量常用方法

方法局限
从 linux 系统文件的流量Android 基于 Linux,系统提供了 /proc/net/dev/proc/uid_stat/{uid} 等系统文件可获取整个系统以及具体 APP(uid) 的流量统计。同类文章不计其数只能获取 APP 的某段时间的总流量,无法对流量进行更细粒度的分解,具体哪个请求耗流量
从 Android APIAndroid 本身也提供了一些 API 来获取系统流量(设置的流量统计就是从这里来的):TrafficStatsNetworkStatsManager本质也是通过读取系统中的流量数据文件,某些方法没有时间参数,没法获取具体时间段的流量,并且还可能要用户开启系统权限 /root 才能使用
代理抓包使用网络代理工具,截获每一个网络请求响应包,分析请求的数据量,常用的工具有:tcpdumpwireshark,github 上提供了一个开源的数据包分析项目 pcap2har很多抓包软件需要在设备上配置代理,做很多额外的系统配置,非常麻烦;代理对 https 支持不行,需要为每个域名安装伪造的证书;此外,抓包工具的流量分析并不现成,需要一定的二次开发

注:鹅厂的 GT 性能测试工具的流量测试方案其实就是以上三种方法的汇总,也就仅仅能获取某段时间内被测应用的 流量大小和趋势 ,以及 GT 对 Wireshark 封装进行抓包,抓的是通过手机网卡的全部数据流量,却不能分析单独应用的流量情况。所以说鹅厂的 GT 工具对于手机应用流量只是停留在获得应用流量,拿下来看看的阶段,并不能提供行之有效的流量优化指导策略。

基于插桩的精细化分析

以上列举的几种流量分析方法,或是简单粗暴统计流量,开发者依然找不到耗费流量的程序代码;或是抓包,配置繁琐易错,二次开发成本高,实现自动化的代价高。理想情况下,开发者自行在源代码中打点,记录所有网络请求的起始结束以及流量消耗,然后分析 log,但是手工打点显然是要命的。
代码 插桩 从底层彻底解决了这些问题,根据规则对 APK 的字节码( Dex 文件)进行修改,模仿人工,在 APP 每次发送的 HTTP 请求的地方插入监控代码,运行时采集请求数据,并分析流量。详细原理请看:testerhome.com/topics/9264

Appetizer 就是业界为数不多能够稳定应用插桩技术的工具,通过 插桩监控 http 请求 并进行精细化的正确性、性能、流量等多维度分析,支持基本所有的主流 http 库,事实上绝大多数的库都是对一些基本 http 库的再次封装(尤其是那些所谓的快速开发框架,基本都是用了 okhttp 来做 http 请求的)。所以 Appetizer 通过截获底层的这些库来支持包括 HttpURLConnection, Apache HTTP client, okhttp 2/3,retrofit, volley 等。同时 https 是完全可以截获的,不同于抓包工具,抓包工具的底层原理是网络代理,而 https 的设计是防止代理软件看到请求内容,所以抓包工具需要额外配置伪造的证书等等麻烦的事情;而 Appetizer 的底层原理是 打点 ,采集的数据好比在源代码里面能看到的数据一样,没有这个问题,https 请求的内容可以完美抓到。

使用 Appetizer 进行插桩分析的方法很简单,上传 apk,插桩,下载插桩后的 apk,然后在设备上跑,完成后通过 Appetizer 分析,生成测试报告。具体例子,请戳 testerhome.com/topics/8162

每次分析会产生一个分析报告,请戳眼睛打开报告:

这是一个 Appetizer 测试报告的截图,这里看到的是统计信息,左边四个功能项目分别是:统计信息,业务流程建模,详细时间轴图,流量分析;所以请戳第四个

点击进入流量分析界面,横轴是时间,纵向是分类标准,一个点代表一个 http 请求,大的代表流量大,支持左右拖拽以及滑轮缩放,上方有六种分类标准辅助流量分析

点击图中某个点,可以查看对应网络请求的详细信息

寻找流量杀手并优化

既然是对流量进行分析,很自然的,我们需要知道 APP 进行网络请求的域名、以哪种方式发送与接收数据、数据类型等。Appetizer 提供的精细化流量分析从不同的维度解析 APP 网络流量,从不同角度建议优化策略。

按类型分类: 图片处理? HTTP 压缩?


Appetizer 将网络请求,按照获取数据类型划分为图片、文本、协议和其他请求,实际 APP 使用最广泛的三类。以上图为例,总体来说,APP 网络请求以协议流量和图片流量为主,协议流量多而密集,图片流量少而大,自然优先优化协议请求和图片。

协议 通常是请求某个业务数据,返回数据类型常见为 JSON, XML 等文本格式,最有效的方法就是 gzip 压缩 http 请求了,压缩率一般高达70%以上。安利一个检测是否启用 gzip 的工具,以 testerhome 首页为例,压缩率达到了80%。

图片资源 也是现代 APP 主要的"流量大户",因为 APP 普遍都要适应高清化的体验,产品的图片越来越大。其实图片格式上也非常有讲究,选择更高效的图片处理框架,可以自动对网络的图片进行自动转码、适应屏幕、自动缓存等,节省流量的同时节省内存提高图片加载效率。常用的有:PicassoGlideFresco。此外,很多 APP 有一个设置是在WIFI和流量下使用不同清晰度(大小)的图片,这也是可以考虑的一个设计。

最后 文本(网页) 顺应 h5 化的浪潮也慢慢成为流量大军中值得关注的部分,类似协议,文本类的数据用 gzip 压缩,又快压缩率又高。

按MIME类型分类: 使用现代的格式和库

MIME类型是 HTTP 响应的 Content-Type 域,对请求数据类型进行更细粒度的划分,常见有以 textimageapplication 开头的格式类型。对于图片流量,不同类型图片在
Android 中的显示代价是不同的,使用不同显示方式代价也是不同的。比如,png 图片占的内存较大,若 png 图片过多,会容易垃圾回收,甚至内存溢出;而 jpg 图片的内存小,但是图片解码复杂,耗时多。开发者根据上图中图片的类型选择最优的图片优化方式。此外,可以建议运营使用更现代格式(解码快,文件小,质量高),比如使用 webp,使用 mozjpeg 库提高 jpeg 图片20%的压缩率,使用原生 mpeg4 格式替代 gif 等。

按根域名/子域名分类: 明明白白第三方 SDK 流量


在 APP 开发中需要用到很多第三方提供的 SDK 服务,例如地图服务,广告等等。Appetizer 从请求url中提取出服务器域名,获取 APP 网络请求数据的来源。从根域名分析结果图中,首先能够获取 APP 发出网络请求的所有服务器(自家域名,三方域名)情况,有针对性的关注请求最多的服务器,能监控到不同时间段服务器的响应情况。

按请求方法分类:关注到流量的协议设计

APP 客户端发送 HTTP 请求,最常用的请求方法有 GET(下行流量)、POST(上行流量)。请求方法结果图,反馈给开发者 APP 每个网络请求的数据请求方式是什么。从图中的分布,可以排查出因请求方式差异造成的流量问题。例如常见的 POST 重复加载问题:当我们多次发出同样的 POST 请求后,其结果是创建出了若干的资源,造成了流量的无效消耗,诸如此类问题都能通过请求方法分类的图中查到;而 GET 请求,从定义上应该要指定返回内容的缓存可能行,现代的 HTTP 例如 okhttp 都可以识别缓存要求,并自动进行本地文件缓存,减少不必要的重复请求。

按网络库分类: 统一使用高效的 HTTP 库

APP 中常用的 HTTP 请求库有 HttpURLConnection, Apache HTTP Client, OkHttp,不同的请求库产生的数据流量也是不同的。HttpURLConnection 具有的压缩和缓存机制可以有效地减少网络访问的流量,OkHttp 自动添加Accept-Encoding: gzip,支持自动解压,并对 HTTP 响应的内容在磁盘上进行缓存。根据结果图中不同网络请求使用的网络库情况,在优化 APP 时选择最优的 HTTP 请求库。