RUM 实战：用数据说话的 Android 网络性能优化

作者：路锦（小蘭）

概述

在移动互联网时代，网络请求性能已成为影响用户体验的关键因素。据统计，转化率会随着页面加载时间增加大幅下降，而移动应用中最常遇到的用户投诉都与“加载慢”、“卡顿”等网络性能问题相关。然而，移动端网络环境的复杂性远超 Web 端：

网络环境多样化

• WiFi、4G/5G、3G、2G 等多种网络制式共存；
• 信号强弱变化、网络切换频繁；
• 不同地域、运营商的网络质量差异巨大。

设备碎片化严重

• Android 设备品牌、型号众多；
• 系统版本从 Android 5.0 到最新版本跨度大；
• 设备性能参差不齐，影响网络处理能力。

问题排查困难

• 缺乏可见性：传统监控只能看到请求成功/失败和总耗时，无法了解具体耗在哪个环节；
• 难以复现：用户反馈“很慢”，但开发环境下往往无法复现；
• 缺少量化依据：凭感觉优化，无法评估优化效果；
• 端到端追踪缺失：客户端日志缺失，与服务端监控割裂，无法形成完整链路。

为了解决上述痛点，我们需要将网络请求的“黑盒”变成“透明盒”，清晰地看到每个环节的耗时。阿里云 CMS 2.0 的实时应用监控服务（RUM）Android SDK 提供了移动端网络性能监控能力。接下来，我们将详细介绍 RUM SDK 采集的资源指标数据模型，帮助你理解每个指标的含义和计算方式。

资源指标数据说明

要让每个网络请求的各个阶段都清晰可见、可量化，首先需要建立一套标准化的数据模型。阿里云 RUM 采用 Resource 事件作为网络请求监控的核心数据模型。

Resource 事件是专门针对网络请求设计的标准化事件类型，它基于 HTTP 协议和 W3C Performance Timing API 标准制定，确保了数据采集的准确性和可对比性。由于 Performance API 在不同平台环境（Web、iOS、Android、HarmonyOS）下存在实现差异，RUM 针对这些差异进行了修正和对齐，使得无论是Web端还是移动端，开发者都能看到口径一致的性能数据，方便跨平台性能对比和问题排查。

接下来，我们将详细介绍 Resource 事件包含的属性字段和指标字段。

2.1 属性字段说明

Resource 事件包含丰富的属性字段，用于描述请求的上下文信息：

2.2 指标字段说明

除了属性字段，Resource 事件还包含了核心的性能指标，这部分数据是我们排查网络请求慢的核心数据。

2.3 请求耗时阶段说明

一个完整的 HTTPS 请求通常包含以下关键阶段：

2.4 计算口径

了解了指标的定义，接下来我们深入了解 Android 端基于 OkHttp3 的具体计算实现。

2.4.1 OkHttp3 计算口径

下表展示了 Android 网络资源请求各阶段耗时计算口径，明确定义各个阶段的起止时间点和计算方法。

详细时间起始节点可在原始数据的 resource.timing_data 字段查看。

说明：控制台展示的“TCP 连接耗时”实际上包含了 SSL 握手时间。

2.4.2 连接复用识别

根据 RUM SDK 采集到的指标数据，我们可以识别连接是否复用，判断依据如下：

判断依据：

• connectionAcquiredTime > 0：连接已获取；
• dnsStartTime <= 0：没有 DNS 解析回调；
• tcpStartTime <= 0：没有 TCP 连接回调。

连接复用时的特征：

• resource.dns_duration = 0
• resource.connect_duration = 0
• resource.ssl_duration = 0
• 存在 callStart → connectionAcquired 的等待时间（连接池查找时间）

这个等待时间是一个重要的性能指标，如果过长可能说明连接池配置不当。

2.4.3 TCP 与 SSL 连接关系

对于 HTTPS 请求，连接建立分为两个阶段：

connectStart (TCP开始)
    ↓
    [TCP三次握手]
    ↓
secureConnectStart (SSL握手开始)
    ↓
    [SSL/TLS握手]
    ↓
secureConnectEnd (SSL握手结束)
    ↓
connectEnd (连接建立完成)

时间关系：

总连接时间 = connectEnd - connectStart
纯TCP时间 = secureConnectStart - connectStart (近似)
SSL时间 = secureConnectEnd - secureConnectStart

2.5 控制台指标查看

进入 RUM 控制台-选择您的应用-点击“API 请求”模块-点击具体的一条明细详情，可以查看请求各阶段耗时与耗时分布。

理解了数据模型和计算口径后，让我们通过一个真实的线上案例，看看如何利用这些指标数据快速定位性能问题。

真实用户案例分析

3.1 案例背景

某 APP 收到线上用户投诉，反馈“页面加载特别慢”、“经常转圈超过 1 秒”。开发团队第一时间排查后端服务，却发现了一个令人困惑的现象：客户端反馈某核心接口响应时间经常超过 1 秒（部分用户甚至达到 2-3 秒），无论 WiFi 还是 4G 网络环境都存在此问题，且具有随机性，在开发环境中难以稳定复现；而后端监控却显示接口服务端处理时间稳定在 400ms 左右，数据库查询性能正常无慢查询，服务器 CPU、内存负载也都健康。两边数据对不上！客户端说 1.2 秒，服务端只用了 400ms，那剩下的 800ms 去哪了？在没有细粒度监控的情况下，团队陷入了“盲人摸象”的困境：客户端和服务端相互甩锅，问题迟迟无法解决。通过接入阿里云 RUM Android SDK，我们采集到了详细耗时数据，看看问题是如何被精准定位的。

3.2 Timing Data 原始数据

在 resource.timing_data 字段中，我们获取到了请求各阶段的原始时间点（单位：纳秒）：

{
    "requestHeadersEnd": 1560814315115219,
    "responseBodyStart": 1560814719308917,
    "requestType": "OkHttp3",
    "connectionAcquired": 1560814312934751,
    "connectionReleased": 1560814721700948,
    "requestBodyEnd": 1560814315850323,
    "responseHeadersEnd": 1560814718722250,
    "requestHeadersStart": 1560814312975011,
    "responseBodyEnd": 1560814719441625,
    "requestBodyStart": 1560814315146573,
    "callEnd": 1560814721840948,
    "duration": 1232825780,
    "callStart": 1560813486615845,
    "responseHeadersStart": 1560814718314125
}

关键观察：

• 没有 DNS/TCP/SSL 相关的回调时间点→ 说明使用了连接池复用；
• callStart 到 connectionAcquired 间隔 826ms → 连接池等待时间异常长；
• 总耗时 duration = 1232.8ms。

这里已经有了明确的线索：问题不是出在 DNS、TCP 或 SSL 握手上，而是等待连接池分配连接的时间过长。

3.3 详细阶段分析

基于原始数据，结合 2.4 的数据计算口径，我们进行逐阶段耗时计算，精准定位性能瓶颈：

阶段 1：等待连接池分配

callStart → connectionAcquired
耗时: (1560814312934751 - 1560813486615845) / 1,000,000 = 826.32 ms ⚠️

说明：

• 从连接池获取可用连接的等待时间；
• 没有 DNS/TCP 回调 = 复用现有连接；
• 这是最大的性能瓶颈！占总耗时的 67%。

阶段 2：发送请求头

requestHeadersStart → requestHeadersEnd
耗时: (1560814315115219 - 1560814312975011) / 1,000,000 = 2.14 ms ✅

阶段 3：发送请求体

requestBodyStart → requestBodyEnd
耗时: (1560814315850323 - 1560814315146573) / 1,000,000 = 0.70 ms ✅

阶段 4：等待服务器响应（TTFB）

requestBodyEnd → responseHeadersStart
耗时: (1560814718314125 - 1560814315850323) / 1,000,000 = 402.46 ms

说明：服务器处理请求的时间，与后端日志吻合，正常范围内。

阶段 5：接收响应头

responseHeadersStart → responseHeadersEnd
耗时: (1560814718722250 - 1560814718314125) / 1,000,000 = 0.41 ms ✅

阶段 6：接收响应体

responseBodyStart → responseBodyEnd
耗时: (1560814719441625 - 1560814719308917) / 1,000,000 = 0.13 ms ✅

阶段7：连接释放

responseBodyEnd → connectionReleased
耗时: (1560814721700948 - 1560814719441625) / 1,000,000 = 2.26 ms ✅

通过这个分析，我们清晰地看到连接池等待时间是性能瓶颈。

3.4 问题诊断

异常点诊断

核心问题：连接池等待时间过长（826ms）

可能的原因：

1. 连接池已满 - 所有连接都在使用中，需要等待其他请求释放连接；

2. 串行请求排队 - 对同一 Host 的请求过多，受限于 maxRequestsPerHost 配置；

3. 连接泄漏 - 之前的请求没有正确释放连接；

4. 连接池配置不当 - maxIdleConnections 设置过小。

诊断步骤

Step 1：检查连接池配置

// 查看当前OkHttpClient的连接池配置
ConnectionPool connectionPool = okHttpClient.connectionPool();
// 默认配置：最多5个空闲连接，保活5分钟

检查后发现：应用使用的是 OkHttp 默认配置，只有 5 个空闲连接。

Step 2：监控同时进行的请求数量

通过 RUM 控制台查看该时间段内对同一 Host 的并发请求数量。

Step 3：检查是否有连接泄漏

查看应用日志，确认所有请求都正确关闭了 Response Body：

Response response = client.newCall(request).execute();
try {
    String body = response.body().string();
    // 处理响应
} finally {
    response.close();  // 必须关闭！
}

诊断结论：

问题是由连接池配置过小导致的。大量请求在等待连接释放，造成严重的性能瓶颈。

明确了问题原因后，接下来我们将介绍常见的网络性能问题排查方法和优化思路。

常见问题最佳排查实践

通过上述案例，我们看到了如何利用 RUM 数据定位问题。本章节将系统性地介绍 4 类最常见的网络性能问题及其排查方法。

4.1 连接池等待时间过长

症状：在 resource.timing_data 中观察到连接获取耗时异常。

callStart → connectionAcquired 耗时 > 500ms

诊断步骤：

Step 1：查看连接池配置

// 检查当前配置
ConnectionPool pool = okHttpClient.connectionPool();
// 默认：5个空闲连接

Step 2：查看并发请求数

通过 RUM 控制台查看该时间段的并发请求数：

-- 在RUM控制台执行查询
SELECT 
    COUNT(*) as concurrent_requests
FROM rum_resource
WHERE 
    timestamp BETWEEN start_time AND end_time
    AND resource.url LIKE 'https://api.example.com%'
GROUP BY timestamp
ORDER BY concurrent_requests DESC

Step 3：检查连接泄漏

// 添加日志监控连接池状态
interceptor.addInterceptor(chain -> {
    ConnectionPool pool = chain.connection().connectionPool();
    Log.d("Pool", "Active: " + pool.connectionCount() + 
                   ", Idle: " + pool.idleConnectionCount());
    return chain.proceed(chain.request());
});

优化思路：

// 方案1：增加连接池大小
.connectionPool(new ConnectionPool(30, 5, TimeUnit.MINUTES))
// 方案2：增加每个Host的最大并发数
.dispatcher(new Dispatcher() {{
    setMaxRequestsPerHost(10);  // 默认5
    setMaxRequests(64);         // 默认64
}})
// 方案3：请求合并

4.2 DNS 解析缓慢

症状：在控制台观察到 DNS 解析耗时持续偏高。

resource.dns_duration > 500ms

诊断步骤：

Step 1：确认是 DNS 问题

检查 resource.dns_duration 是否持续偏高
检查不同网络环境（WiFi vs 4G）的差异

Step 2：分析特定域名

// 在RUM控制台按域名分组
SELECT 
    resource.url_host,
    AVG(resource.dns_duration) as avg_dns_time,
    MAX(resource.dns_duration) as max_dns_time
FROM rum_resource
WHERE resource.dns_duration > 0
GROUP BY resource.url_host
ORDER BY avg_dns_time DESC

解决思路：

// 方案1：使用自定义DNS
.dns(new CustomDns())
// 方案2：使用HttpDNS
.dns(new AliHttpDns())
// 方案3：DNS预解析
DnsPreloader.preload(client);

4.3 SSL 握手耗时高

症状：在控制台观察到 SSL 握手耗时异常。

resource.ssl_duration > 1000ms

诊断步骤：

Step 1：确认 SSL 版本

// 添加拦截器查看SSL信息
interceptor.addInterceptor(chain -> {
    Connection connection = chain.connection();
    if (connection != null) {
        Handshake handshake = connection.handshake();
        if (handshake != null) {
            Log.d("SSL", "Protocol: " + handshake.tlsVersion());
            Log.d("SSL", "Cipher: " + handshake.cipherSuite());
        }
    }
    return chain.proceed(chain.request());
});

Step 2：检查连接复用率

// 在RUM控制台查询
SELECT 
    COUNT(CASE WHEN resource.ssl_duration = 0 THEN 1 END) * 100.0 / COUNT(*) as reuse_rate
FROM rum_resource
WHERE resource.url LIKE 'https://%'

优化思路：

// 方案1：启用SSL Session复用
.sslSocketFactory(SslConfig.createSSLSocketFactory())
// 方案2：增加连接保活时间
.connectionPool(new ConnectionPool(30, 10, TimeUnit.MINUTES))  // 延长到10分钟
// 方案3：使用证书固定
.certificatePinner(certificatePinner)

4.4 TTFB 过长

症状：从请求发送到收到首字节的时间过长，在控制台上观察“请求响应耗时”较长。

resource.first_byte_duration > 2000ms

诊断步骤：

Step 1：排除客户端问题

确认以下指标正常：

• DNS解析时间 < 300ms；
• 连接建立时间 < 500ms；
• 请求发送时间 < 100ms。

Step 2：分析服务器响应时间

TTFB 主要由服务器处理时间决定，如果客户端指标正常，需要：

1. 检查服务器负载
2. 检查数据库查询性能
3. 检查接口业务逻辑复杂度
4. 使用APM工具追踪服务端性能

Step 3：网络路径分析

// 通过RUM控制台查看不同地域/运营商的TTFB差异
SELECT 
    user.region,
    user.isp,
    AVG(resource.first_byte_duration) as avg_ttfb
FROM rum_resource
GROUP BY user.region, user.isp
ORDER BY avg_ttfb DESC

优化思路：

// 方案1：使用CDN加速
// 将静态资源和API部署到CDN节点
// 方案2：启用服务器缓存
// 在服务端实现合理的缓存策略
// 方案3：数据预取
// 在用户可能访问前提前请求数据
PreloadManager.preload("https://api.example.com/user/profile");
// 方案4：请求优先级管理
.dispatcher(new Dispatcher() {{
    // 高优先级请求使用单独的线程池
}})

案例小结

通过前面 4 类常见问题的排查方法，我们掌握了系统化的诊断思路。现在，让我们回到第 3 章那个困扰团队多日的真实案例——连接池等待时间 826ms 的性能瓶颈。通过 RUM 数据的精准定位，我们发现问题的根源在于连接池配置不当导致请求排队等待，而解决方案其实很简单：根据不同应用类型选择合适的连接池配置。

配置建议：

针对 OkHttpClient 的 maxIdleConnections 参数（默认值为 5），建议根据应用特点进行调整，根据经验常见的配置如下：

• 高并发应用： maxIdleConnections = 30-50

  这类应用用户活跃度高，网络请求频繁且并发量大，需要充足的连接池支撑；

• 一般应用： maxIdleConnections = 10-20

  适中的请求频率和并发量，保持适度的连接池规模即可；

• 低频应用： maxIdleConnections = 5-10

  用户请求较少，保持默认配置或略微增加即可满足需求。

从事后优化到主动监控：

然而，这个案例也给我们带来了更深层的思考——性能优化不应该是“亡羊补牢”式的事后补救。除了掌握事后排查和优化的方法，更重要的是建立一套完善的性能监控体系，通过 RUM 控制台实时掌握应用的网络性能指标，将“被动救火”转变为“主动观测”。如果有需要，还可以基于 RUM 平台自定义配置告警规则（如连接池等待时间P95 > 500ms 时触发通知），进一步提升问题响应速度。

监控告警配置建议

RUM 数据允许用户创建自定义告警进行实时监控，建立科学的监控告警体系，可以在问题影响用户之前及时发现并处理。

指标告警阈值参考

根据 RAIL 模型、 Google Web Vitals 等业界实践，常见的阈值参考如下：

总结

在移动应用开发中，网络请求性能直接影响用户体验。通过接入阿里云 RUM Android SDK，开发者可以获得以下核心能力：

精准定位性能瓶颈

• 细粒度的阶段耗时（DNS、TCP、SSL、TTFB 等）帮助快速识别问题；
• 从“请求慢”的模糊描述，到“连接池等待 826ms”的精准定位。

连接复用分析

• 自动识别连接池使用效率；
• 发现连接泄漏、连接池配置不当等隐藏问题。

真实用户体验监控

• 基于真实用户的网络环境采集数据；
• 按地域、运营商、网络类型等维度分析性能差异。

数据驱动优化

• 优化前后对比清晰可见；
• 建立性能基准和告警机制，持续改进。

阿里云 CMS 2.0 的 RUM 针对 Android 端实现了对应用性能、稳定性、和用户行为的无侵入式监控采集 SDK，可以参考接入文档 [ 1] 体验使用。除了 Android 外，RUM 也支持Web、小程序、iOS、鸿蒙等多种平台监控分析，相关问题可以加入“RUM 用户体验监控支持群”（钉钉群号： 67370002064）进行咨询。

相关链接：

[1] 接入文档

help.aliyun.com/zh/arms/use…