这是我参与「第四届青训营 」笔记创作活动的第6天，前几天围绕客户端的应用展开了课程，介绍了UI，数据通信，网络，直播，端智能各种不同的应用，但是终端设备的算力/性能是有限的，手机卡死，闪退这些不仅仅是程序缺陷，也有可能是性能负载过高。那么如何使终端设备的性能得到充分的发挥，就需要性能优化。 性能优化的必要性有很多，对于用户而言，及时的反馈可以带来体验的提升，对企业而言，用户体验的提升会拉动业务指标的提升。从长远来看，硬件设备的性能虽然取得了长远的进步，先进制程，多核计算，并行处理，但是进步的速度终归有限，但是软件所占用的资源却飞速发展，从某绿色社交软件就可以看出，十年前只有30MB，如今却是动辄上G的内存，软硬件之间的矛盾需要性能优化的协调。同时，性能优化可以提高能源的利用率，一定程度上可以推动环保。 那么性能优化的目标是什么呢？快(极致的响应和流畅的体验)，稳(减少不必要的打断，实现稳定)，省(最小负载带来最大的收益)。使用起来流畅，稳定，省电就是性能优化的最终目标。以此为目标也衍生出了四种性能优化，首先就是流畅性优化，首先需要了解Android的线程结构。
我们的代码分布在UI线程的不同部分，实现不同的响应。在此同时，UI线程每间隔的相同的时间进行一次UI绘制，显示我们想要的结果。当某些程序比较耗时，使后续事件对应的数据获取不到，会造成事件的推迟，但UI绘制不会，就产生了丢帧的现象，如何去解决呢，我们可以在创一个新的子线程去处理这些耗时的代码，主线程就有能力处理输入事件，就不会造成丢帧了。流畅性优化的核心点在于线程与数据的交换时机由谁来控制，数据交换应该发生在屏幕渲染完一帧后，而不是CPU写入一帧数据后，因此是否交换应该由屏幕控制。但是冯诺依曼计算机的各个部分各司其职，屏幕只是输入和输出设备，并非控制器，所以需要借助其他设备实现，这就是Vsync,没有该信号，就会造成图像的不匹配，反应到屏幕上就是身首异处之类的画面。
接着是资源优化，资源就是Android设备上的软件和硬件资源，通俗意义上应用依赖的移动终端有限资源和系统设置的数值，即功耗，存储，流量，系统参数，CPU，内存等。资源优化可以做哪些呢，如下图所示：
这两张图选取了每次运行时10个数据点的样本及30次测量的平均功耗，可以看出黑屏确实会减少手机使用的电量，在Reddit Sync中使用以黑色为主的界面时，总体功耗降低了41%。
然后是稳定性优化，稳定性常见的问题如图：
其中ANR是application not responding的缩写，也就是应用程序无响应的意思，一般是Android应用的界面进程处于阻塞态过长导致的，应用位于前台，系统会显示一个对话框，ANR对话框会为用户提供强行退出应用或等待的选项。
最后就是系统级优化，下图展示的是游动操作系统和硬件厂商的性能优化：
深层次的需要和芯片，内核相关联的优化：
聊完了几种性能优化，就来看看有哪些性能优化工具。首先要了解性能监控的价值，监控和优化相生相伴；监控有攻有防；攻是为了发现现有问题，知道优化方向；防是为了发现劣化问题，及时止损；线上监控发现问题并聚合排序，线下监控为线上辅助，并发版前置发现问题。接着是GPU呈现模式，GPU呈现模式是通过记录每一帧的相关数据通过图形方式呈现。优点是不需二次开发简单易用，缺点就是不准确，而且无法支出为卡顿问题的原因。接下来介绍几种工具，首先是Layertool，通过遍历Viewtree，输出view的层级关系，优点是清楚明了，可宏观感知viewtree，也可定制，帮助分析overdraw,缺点在于不能清楚明确分析出UI的性能瓶颈。想要深入性能找到原因，首先需要了解GPU Profiler,基于JVMTI实现，优点是可以完整的输出方法调用栈，支持Java,C++,C的方法耗时检测，上手简单，缺点是性能损耗太大；想要更深入一点，就需要使用traceview。traceview有两大组件，instrument和sample。Instrument实现虚拟监听函数的回调，Enter/Exit/Unwind，耗时点主要在读时间，写数据到buffer，加锁等指令；sample则通过定时抓取堆栈diff，近似确定函数的进入和退出时间，他的耗时点在于堆栈diff和同instrument，间隔抓取堆栈的时间越长性能损耗越少，越会导致短函数检测不到。再进一步就需要学习使用Systrace，ftrace：debugfs采集和读取trace数据，记录trace events，atrace用户侧的trace跟踪，聚合所有的trace event，系统级的trace数据有锁监控等。 目前抖音使用的性能优化工具是btrace，其中rhea-systrace能够全函数插桩，自动生成trace代码，可以对trace层数进行限制，性能损耗50%；rhea-mtrace可以全函数插桩，同时抛弃了systrace，自己统计函数耗时，最后数据展现和systrace相同。rhea-atrace则优化了systrace性能，聚合更多性能数据，类加载，lock,io等。 检查功耗问题则一般是用Battery-Historian等。 介绍完了工具，就该介绍如何去用了，首先要分析下现状，性能损耗的原因在哪？首先是耗时，如CPU Time(循环，反射，序列化，反序列化，类解析等)，IO Wait(io操作，等待io结果),IPC(binder调用耗时)，lock wait(主线程等所装，等待其他线程或者自己超时唤醒)，CPU Scheule(主线程可执行状态，但获取不到时间片)。接着是运行环境的归因，可分为主线程优化，运行时优化，后台线程优化。等
