上篇Framework聊完，这篇进入性能优化。P7+面试考的是"怎么设计线上APM系统？启动从1.5s降到800ms怎么做的？卡顿怎么定位到代码行？"
阿里对性能要求极高——淘宝首页每慢100ms转化率降1%。P7+要能设计方案而不仅是会用工具。
今天8道题覆盖P7+性能优化核心考点。
Q1：阿里APM方案设计？
APM（Application Performance Monitoring）：线上性能监控系统，采集用户设备的真实性能数据。
核心指标：启动耗时（冷启动/热启动）、页面帧率（FPS/掉帧率）、卡顿率（单帧>16.6ms的比例）、Crash率、ANR率、网络成功率、网络耗时。
采集方式：启动耗时用SystemClock.elapsedRealtime()记录各阶段时间点上报。帧率用Choreographer.postFrameCallback统计每帧耗时。卡顿检测用Looper的Printer——Looper.getMainLooper().setMessageLogging监控dispatchMessage耗时。
数据聚合：端侧采集原始数据 → 聚合后上报（减少请求次数）→ 服务端按版本/机型/系统版本分维度聚合 → 大盘看板（P50/P90/P99分位值）。
追问：为什么用P90/P99而不用平均值？平均值被极端值拉偏。P90表示90%用户体验在这个值以下，更能反映真实体验。P99用来发现长尾问题（少数用户遇到的严重性能问题）。
Q2：启动优化怎么做到极致？
启动阶段拆分：冷启动分四阶段——Application创建（attachBaseContext→onCreate）→ 首页Activity创建 → 数据请求 → 首页渲染完成。每个阶段埋点统计耗时。
Application优化：非首屏SDK延迟初始化（推送/统计/分享放到首页渲染后再初始化）。启动框架用Alpha——任务按依赖关系拓扑排序并行执行。比如数据库初始化和网络请求可以并行。
首页Activity优化：布局懒加载（ViewStub延迟inflate非首屏View）、预加载（IdleHandler在主线程空闲时预加载下一页数据）、减少IO（SharedPreferences改为MMKV减少磁盘读写）。
数据优化：接口合并（首屏多个请求合并为一个）、数据预取（Application阶段就发首屏请求）、本地缓存兜底（先展示缓存再请求新数据）。
追问：启动优化怎么验证效果？线上看APM大盘的冷启动P50/P90数据。线下用adb shell am start -W统计Displayed时间。A/B实验对比优化前后的留存率——启动快100ms留存率提升0.5%。
Q3：列表卡顿怎么优化？
卡顿根因：主线程单帧耗时>16.6ms。原因：主线程做耗时操作、布局层级太深、过度绘制。
定位工具：Systrace看每帧耗时。GPU呈现模式柱状图看时间分布。BlockCanary检测卡顿并dump堆栈。
优化手段：ConstraintLayout扁平化、ViewStub延迟加载、AsyncTask处理耗时逻辑、Bitmap按需采样、Glide自动管理内存。
RecyclerView专项：setRecycledViewPool共享池、DiffUtil局部刷新、setHasFixedSize避免重测量、addItemDecoration替代item内padding。
Q4：页面帧率怎么监控？
线上监控：Choreographer.FrameCallback统计每帧耗时。Choreographer.getInstance().postFrameCallback(this)注册回调，每帧回调记录时间差。>16.6ms算掉帧，统计掉帧率上报。
线下工具：Systrace全局分析。Perfetto（Systrace升级版，支持更长时间trace）。Android Studio CPU Profiler看方法级耗时。
BlockCanary原理：Hook主线程Looper的Printer，在dispatchMessage前后打印时间戳。如果间隔>阈值（默认500ms），dump主线程堆栈并通知开发者。原理简单但效果显著。
追问：掉帧和卡顿什么区别？掉帧是一帧超过16.6ms，用户不一定感知（偶尔掉1-2帧）。卡顿是连续多帧掉帧（>3帧），用户明显感知到"卡"。监控指标里卡顿率比掉帧率更有意义。
Q5：网络性能怎么优化？
连接优化：HTTP/2多路复用、OkHttp连接池复用（默认5连接keep-alive 5分钟）、HTTPDNS替代LocalDNS防劫持。
传输优化：Gzip/Brotli压缩（减少70%+）、图片WebP/AVIF（比JPEG小30%）、Protobuf替代JSON。
请求优化：接口合并（首屏多API合一）、请求去重（同接口短时不重复）、Application阶段预取首屏数据。
重试策略：超时分级（连接5s读15s）、指数退避（1s→2s→4s）、幂等接口才重试。
Q6：内存优化怎么做？
内存泄漏：LeakCanary检测（Debug包自动扫描）、MAT分析hprof。常见泄漏：匿名内部类持有Activity引用、单例持有Context、未取消的回调/广播注册。
内存抖动：频繁创建临时对象触发GC。优化：对象池复用（Message.obtain）、避免在onDraw里new对象、字符串拼接用StringBuilder。
图片内存：大图按需采样（BitmapFactory.Options.inSampleSize）、Glide自动管理（内存缓存+磁盘缓存+自动降采样）、列表滑动时暂停图片加载（Glide.with(lifecycle).pauseOnScroll()）。
追问：怎么设置合理的内存上限？ActivityManager.getMemoryClass()返回App可用内存上限（通常128-512MB）。largeHeap=true可以申请更大堆但不推荐（GC更慢）。建议图片缓存大小设为可用内存的1/8。
Q7：包大小怎么优化？
资源优化：图片转WebP（减少30%）、去除重复资源（lint检查UnusedResources）、SVG替代位图（矢量图不随分辨率增长）。
代码优化：ProGuard/R8混淆+移除未使用代码（shrinkResources=true）、去除无用so（只保留armeabi-v7a和arm64-v8a）、Kotlin替代Java（部分场景代码量减少）。
动态下发：非首屏模块做成动态Feature（Google Play App Bundle/国内用Atlas插件化），用户需要时才下载。
分析工具：Android Studio APK Analyzer看每个文件占比。./gradlew app:dependencies看三方库依赖树——有些库引入大量依赖但只用了一个方法。
追问：so库太大怎么处理？用App Bundle按ABI分包（Google Play自动处理）。国内用插件化方案把so放到插件APK里按需下载。或者编译时用-Oz优化选项减小so体积（clang的体积优化）。
Q8：性能优化怎么量化结果？
基线建立：优化前先测当前性能基线——冷启动P50=1.2s、首页帧率P90=55fps、包大小=18MB。
目标设定：参考竞品和行业标准。冷启动<1s、帧率>58fps、包大小<15MB。目标要有数据支撑，不能拍脑袋。
实验验证：A/B实验对比优化前后。看线上大盘数据（P50/P90/P99），不看个别用户的反馈。样本量要够（至少1万用户/组）。
持续监控：性能指标接入CI——每次发版跑性能回归测试。新代码引入性能退化自动报警。性能指标纳入团队KPI。
面试Tips：P7+性能优化APM考系统设计（采集什么指标、怎么聚合）。启动优化考四阶段拆分和具体手段。帧率考卡顿定位工具链（Systrace/BlockCanary）。网络考连接复用和压缩。内存考泄漏检测和抖动治理。面试要有数据——"我优化了启动"不如"冷启动从1.5s降到900ms，P90提升30%"。
下一篇进入跨平台专项——Flutter引擎原理、Dart isolate、闲鱼跨端架构、小程序容器设计。
做过启动优化的同学评论区聊聊，你们冷启动多少毫秒？
本系列连载中，关注不迷路，下一篇：阿里P8+专家Android（跨平台专项）面试真题
系列简介：Android大厂面经连载，覆盖字节跳动、腾讯、阿里、美团等40+企业，从初级到架构师全岗位覆盖。每篇文章包含真实面试题+详细答案+代码示例，帮你拿到大厂Offer。
