07.1.1.11.1 启动、卡顿、内存与功耗
所属:全栈开发面试题库 / 07 端侧与桌面开发 / 07.1 原生移动开发 / 07.1.1 Android / 07.1.1.11 性能、稳定性与工程化
本节要解决的问题
本节从应用级指标与治理流程出发:拆解启动类型与阶段、初始化调度与延迟加载,梳理卡顿掉帧的采集口径与定位手段,建立内存(堆、图片、泄漏、抖动)观测与分析路径,归纳功耗来源与测量方法,最后说明 Baseline Profile 与 AOT 对启动和运行速度的作用。版本基线:Android 14 / compileSdk 34、AGP 8.x;系统阈值、工具行为与版本敏感项标「待确认」并写明验证点。
07.1.1.11.1-001 冷启动、温启动、热启动如何区分?
一句话结论
冷启动是进程不存在、从零创建进程与初始化;温启动是进程已退出但任务栈/部分状态残留,重建 Activity;热启动是进程在后台,仅把已有 Activity 提到前台。
概念解释
区分依据是进程是否存在与任务栈状态。冷启动成本最高,含进程创建、Application、初始化与首帧;温启动跳过部分进程创建但需重建界面;热启动最轻,界面对象仍在。线上启动指标应按类型分别统计,混在一起会掩盖冷启动劣化。
原理流程
冷启动:无进程 → fork 进程 → Application → 初始化 → Activity → 首帧
温启动:进程已死 → 重建 Activity 与界面状态
热启动:进程存活 → 后台 Activity 回前台
代码或图示
观测入口:ActivityTaskManager / 进程启动时间戳 / 页面生命周期回调
常见误区
- 把热启动耗时当冷启动优化效果;两者成本结构不同。
- 只测一次安装后首次启动,忽略正常冷启动分布。
追问
- 进程被系统回收后再次打开算哪种?答:按进程是否存活判定,回收后再打开属冷启动。
- 如何在代码里判断启动类型?答:结合进程启动标记与任务栈状态,具体 API 与系统版本行为以官方文档为准(待确认)。
07.1.1.11.1-002 冷启动从进程创建到首帧经过哪些阶段?
一句话结论
依次为:进程创建与主线程准备、Application 实例化、ContentProvider 初始化、Application.onCreate、启动 Activity 创建与生命周期执行、布局解析与首帧绘制;首帧可见才是启动完成口径。
概念解释
每个阶段都可能阻塞主线程。进程创建与 zygote 初始化由系统完成;应用可控部分集中在 Application、Provider 初始化与首页构建。阶段耗时需分段埋点,不能只测总时长。首帧绘制完成不等于数据加载完成,两者口径分开。
原理流程
fork 进程 → attachApplication
→ ContentProvider.onCreate → Application.onCreate
→ Activity.onCreate/onStart/onResume
→ 布局 measure/layout/draw → 首帧
代码或图示
分段埋点:进程起点 → Application 入口 → Provider 完成 → Activity resume → 首帧
常见误区
- 把 Application.onCreate 当成启动起点;进程与 Provider 阶段在此之前。
- 首帧与首屏数据就绪混为一个指标。
追问
- 哪个阶段最容易被忽视?答:ContentProvider 自动初始化与依赖注入图构建,常在 Application 之前或早期占用主线程。
- 首帧如何取到准确时间?答:结合首帧绘制回调/FrameMetrics,具体实现方式以版本 API 为准(待确认)。
07.1.1.11.1-003 Application.onCreate 之前系统还做了哪些初始化?
一句话结论
进程创建后,系统先完成 zygote 派生、主线程与附加机制初始化,再实例化 Application;注册的 ContentProvider 的 onCreate 在 Application.onCreate 之前执行。
概念解释
应用代码可见的起点是 Application,但进程侧已有类加载、资源与系统服务绑定。Provider 生命周期早于 Application,很多早期 SDK 通过自动生成的 Provider 完成初始化。梳理启动链路要把 Provider 阶段单独列出,避免误把其耗时记到 Application。
原理流程
进程 fork → 系统附加 → 安装 ContentProvider 并 onCreate
→ 实例化 Application → Application.onCreate
代码或图示
Provider.onCreate 早于 Application.onCreate
常见误区
- 认为 Application.onCreate 是应用代码最早入口。
- 忽略自动注册的 Provider 在早期做了重初始化。
追问
- 如何列出进程内所有 Provider?答:查 Manifest 与合并后的清单,以及第三方库自动生成的 Provider。
- Provider 能异步做重活吗?答:其
onCreate在主线程执行,重活应迁出或关闭自动初始化。
07.1.1.11.1-004 ContentProvider 的 onCreate 在启动链路中处于什么位置?
一句话结论
Provider 的 onCreate 在 Application.onCreate 之前、进程附加之后执行,是早期初始化的常见挂载点;它在主线程同步执行,耗时直接计入冷启动。
概念解释
系统按清单安装 Provider 并回调 onCreate,很多库利用这一机制免手动初始化。其执行顺序与注册顺序相关,多个 Provider 依次在主线程跑完。无需早初始化的库应关闭自动 Provider 初始化,改到调度框架中按需执行。
原理流程
进程附加 → 逐个 Provider.onCreate(主线程)
→ Application.onCreate
代码或图示
<provider android:name="..." android:authorities="..." />
常见误区
- 把 Provider 初始化耗时算进 Application 阶段,定位错位置。
- 多个第三方 Provider 叠加,主线程早期任务堆积。
追问
- 如何关闭库的自动 Provider 初始化?答:按库文档禁用其 Manifest 注册或用 Startup 替代;具体方式因库而异(待确认)。
- Provider 之间有依赖怎么办?答:Startup 库可声明依赖拓扑,裸 Provider 顺序仅按清单顺序,不保证依赖语义。
07.1.1.11.1-005 首帧(first frame)与首屏可交互如何界定?
一句话结论
首帧指界面第一帧完成绘制上屏的时间;首屏可交互指关键内容渲染完成、用户可操作的时间。前者是系统帧口径,后者常结合数据到位与界面状态定义。
概念解释
首帧快但数据 loading 转圈,用户仍感知慢;首屏可交互更接近真实体验。两个指标分别采集:首帧用绘制完成回调,可交互用关键数据到达与界面绑定完成。列表/图片类页面还要区分骨架屏可见与内容可见。
原理流程
首帧:第一帧 draw 完成
可交互:关键数据到位 → 界面状态就绪 → 用户可操作
代码或图示
指标:time_to_first_frame / time_to_interactive / time_to_content
常见误区
- 只优化首帧,数据接口慢导致可交互时间没变。
- 把骨架屏出现当成内容就绪。
追问
- 如何埋点可交互?答:在关键数据回调与界面绑定完成处打标,结合页面生命周期。
- 系统提供首帧指标吗?答:系统有启动与帧相关统计能力,具体字段以版本文档为准(待确认)。
07.1.1.11.1-006 启动时长指标如何埋点(进程起点、ContentProvider、首页 onResume、首帧绘制)?
一句话结论
从系统进程起点取时间戳,分段记录 Provider 完成、Application 结束、首页 onResume、首帧绘制等节点,计算各段耗时与总时长,按启动类型与页面维度上报。
概念解释
埋点需要可靠的进程起点:系统侧启动时间戳或进程内最早可用时机。分段节点用于定位瓶颈段;总时长用于版本对比。指标取分位而非平均值,区分冷/温/热。上报字段包含页面、机型、版本与启动类型。
原理流程
T0 进程起点 → T1 Provider 完成 → T2 Application 结束
→ T3 Activity onResume → T4 首帧
各段 = 后节点 - 前节点
代码或图示
val t0 = System.nanoTime()
// 节点回调记录 t1..t4,差值上报
常见误区
- 进程内首次代码执行作为起点,漏掉系统进程创建耗时。
- 只报总时长,分段缺失导致无法定位优化点。
追问
- 进程起点时间戳从哪取?答:系统提供的启动时间信息或进程启动标记,具体 API 以版本为准(待确认)。
- 多入口页面启动如何分别统计?答:按入口 Activity/页面名分组记录。
07.1.1.11.1-007 启动阶段哪些工作阻塞了主线程?
一句话结论
阻塞主线程的典型工作:同步初始化第三方 SDK、依赖图构建、主线程 IO、反射与类加载、布局解析与首屏渲染、Binder 同步调用;这些都在主线程顺序执行,直接拉长启动。
概念解释
启动主线程任务可分为必须同步(UI 相关)与可延后(日志、监控、非首屏 SDK)。治理思路:识别主线程阻塞项,能异步的异步、能延迟的延迟、能懒加载的懒加载。反射与类加载在启动期集中发生,可通过预热与 Profile 改善。
原理流程
主线程启动任务清单
→ 必须同步:首屏数据/界面依赖
→ 可异步:非阻塞 SDK
→ 可延迟:IdleHandler/后台
代码或图示
排查:Profiler 主线程火焰图 → 定位长方法/IO/锁
常见误区
- 把所有 SDK 都在 Application 同步初始化。
- 异步任务结果仍被主线程同步等待,等于没异步。
追问
- 如何判断一项初始化必须同步?答:首帧/首屏链路是否立即依赖其结果;无直接依赖即可延后。
- 启动期 IO 有哪些典型?答:配置读盘、数据库打开、缓存恢复、文件读取,应移出主线程。
07.1.1.11.1-008 多进程分别初始化对主进程启动有什么影响?
一句话结论
每个进程独立创建并执行自己的 Application/Provider 初始化;子进程初始化不直接占主进程主线程,但会抢占 CPU、内存与 IO,间接拖慢主进程冷启动。
概念解释
多进程下 Application 会在各进程各跑一次,需按进程名区分初始化任务。子进程启动若与主进程同时发生,资源竞争影响主进程。主进程启动只应初始化主进程必需项,子进程专属 SDK 在对应进程内初始化。
原理流程
进程 A(主):Application 初始化主进程任务
进程 B(子):Application 初始化子进程任务
并行资源竞争:CPU/内存/IO 抢占
代码或图示
val processName = getProcessName()
if (processName == mainProcess) { /* 主进程初始化 */ }
常见误区
- Application 里不区分进程,所有 SDK 在每个进程重复初始化。
- 子进程常驻叠加,整体内存与启动资源消耗上升。
追问
- 如何获取当前进程名?答:系统提供进程名获取 API,具体用法以版本文档为准(待确认)。
- 推送/下载子进程启动时机如何控制?答:按需拉起,避免常驻子进程。
07.1.1.11.1-009 启动阶段依赖图如何梳理与排优先级?
一句话结论
按「谁先被首屏用到」梳理初始化依赖:直接被首屏依赖的任务排前面,其他任务按依赖关系分层异步或延迟;依赖无环,关键路径上的任务优先保障。
概念解释
依赖图节点是初始化任务,边是数据/配置依赖。关键路径决定启动下限,非关键路径可延后。梳理产物是任务清单:任务名、依赖、线程、是否首屏必需、耗时。调度框架按拓扑序执行,异步任务结果通过回调供给依赖方。
原理流程
任务依赖图 → 拓扑分层
→ 关键路径:主线程/优先异步
→ 非关键:异步/IdleHandler
代码或图示
任务 A → 任务 B → 首屏
任务 C 无首屏依赖 → 延迟执行
常见误区
- 任务按字母/注册顺序初始化,不看依赖与优先级。
- 异步任务互相等待形成启动期隐性串行。
追问
- 依赖环怎么发现?答:调度框架拓扑排序检测环;人工梳理时标注上下游关系排查。
- 如何量化关键路径?答:汇总关键任务耗时,对比总启动时长判断压缩空间。
07.1.1.11.1-010 首页布局与数据加载如何影响启动感知?
一句话结论
首屏布局层级、解析成本与首屏数据到位速度共同决定可交互时间;布局过重或数据阻塞主线程都会拉长感知启动,骨架屏只能改善心理预期不能替代真实加载。
概念解释
启动感知包含界面构建与内容呈现两段。布局层级深、inflate 重会增加 measure/layout/draw 时间;首屏数据慢则内容迟迟不到。优化方向:轻量化首屏布局、异步预取数据、骨架屏占位、非首屏模块延迟加载。
原理流程
启动 → 首屏 inflate/measure/layout/draw
→ 首屏数据到达 → 绑定内容 → 可交互
代码或图示
骨架屏:先上占位,数据到达替换
常见误区
- 只优化初始化,首屏列表/图片仍是重布局重数据。
- 用骨架屏掩盖数据接口慢,可交互指标未改善。
追问
- 首屏数据要不要在启动阶段预取?答:首屏必需数据可提前并行请求;非首屏数据延迟加载。
- 布局优化看什么指标?答:层级深度、inflate 耗时、首帧各阶段时长。
07.1.1.11.1-011 启动期间主线程 IO/反射/类加载的耗时来源?
一句话结论
启动主线程耗时常来自同步磁盘读写、反射初始化、类加载与资源解析;这些操作在冷启动集中发生,叠加在主线程放大首帧延迟。
概念解释
IO:配置/数据库/缓存读盘;反射:SDK 初始化扫描注解与构造;类加载:首次加载类触发 dex 读取与链接;资源解析:布局与资源初始化。定位靠主线程方法耗时与火焰图。治理:IO 异步化、反射减少、类加载预热配合 Baseline Profile。
原理流程
主线程方法栈 → 长耗时节点
→ IO 调用 / 反射 / 类加载 / 资源解析
→ 分类治理
代码或图示
Profiler 主线程火焰图:按自耗时排序找热点
常见误区
- 只看 Application 方法总耗时,不拆内部子项。
- 把类加载慢归咎于代码逻辑,忽略 dex/存储速度。
追问
- 反射慢在哪?答:类扫描、方法查找与首次访问检查;重复反射应缓存结果。
- 类加载预热怎么做?答:关键类提前加载或纳入 Baseline Profile,具体收益实测。
07.1.1.11.1-012 后台推送/广播拉起进程的启动算哪种类型?
一句话结论
进程不存在时被广播/推送拉起属于冷启动;进程存活则是后台唤醒执行任务,不构成用户可见的冷启动体验,但同样消耗启动资源。
概念解释
区分用户主动启动与后台拉起:后台拉起也走进程创建与 Application 初始化,初始化任务要判断场景,非首屏功能不在后台拉起时全量初始化。广播/推送拉起的初始化应轻量化,避免无谓耗耗电与内存。
原理流程
进程不存在 + 广播/推送 → 冷启动(后台场景)
进程存活 → 后台唤醒,复用进程
代码或图示
判断拉起来源:启动 Intent / 进程场景标记(具体 API 待确认)
常见误区
- 后台拉起也跑完整启动初始化,耗电且无用户收益。
- 把后台冷启动计入用户可见启动指标,口径混淆。
追问
- 后台拉起初始化如何裁剪?答:按场景标记只执行推送/任务必需项,其余延迟到用户进入前台。
- 进程保活对启动观测有什么影响?答:常驻进程使后续启动表现为热启动,掩盖真实冷启动分布。
07.1.1.11.1-013 启动耗时的分位与基线如何设定?
一句话结论
启动指标按 P50/P90/P99 统计而非平均值,基线结合历史版本、机型档位与行业经验设定;门禁关注长尾分位劣化,而非只看均值达标。
概念解释
平均值被大量快样本掩盖慢设备长尾。基线分机型档位(高/中/低端)与启动类型分别设定。版本对比看同口径分位变化;新功能上线前设定预期阈值,劣化超阈值阻断或告警。样本量与上报覆盖率要保证。
原理流程
采集启动样本(类型/机型/版本/分段耗时)
→ 聚合 P50/P90/P99
→ 对比基线 → 长尾劣化告警
代码或图示
指标:cold_start_p90、cold_start_p99,按机型档位分组
常见误区
- 用平均值做启动门禁,长尾卡顿用户被忽略。
- 不同机型混在一起统计,高低端互相稀释。
追问
- 基线数值怎么定?答:取历史稳定版本分位作为基线,结合目标体验设定阈值;不照搬外部数字。
- 样本不足怎么办?答:灰度与全量分阶段积累,低样本机型单列观察。
07.1.1.11.1-014 如何区分系统侧启动慢与应用侧初始化慢?
一句话结论
分段耗时中,进程创建/系统附加段属系统侧,Application/Provider/首页构建段属应用侧;对比同设备其他应用与分段数据,定位慢在系统调度还是自身初始化。
概念解释
系统侧慢包括 zygote 派生、调度排队、资源竞争;应用侧慢是自身任务与布局。分段埋点把两类分开:系统段由设备状态与系统负载决定,应用段可优化。若系统段普遍偏长,需结合设备内存、后台进程数判断。
原理流程
系统段:进程创建 → 附加完成
应用段:Provider/Application/Activity/首帧
对比:同设备其他应用启动时长
代码或图示
分段对比:system_startup_segment vs app_init_segment
常见误区
- 启动慢全归因代码,忽略系统负载与设备资源紧张。
- 应用段埋点缺失,只能看到总时长无法分工。
追问
- 系统段过长常见原因?答:内存压力、后台进程多、存储 IO 慢;需结合设备状态指标。
- 应用段哪些可优化?答:初始化、布局、数据加载,见后续各节。
07.1.1.11.1-015 进程复活与进程缓存对启动观测的影响?
一句话结论
进程被回收后重建是冷启动;进程缓存存活时再次进入是热启动。观测样本会被常驻/缓存进程改变分布,需按进程是否真正存活分类统计,避免把热启动误当冷启动优化。
概念解释
系统按内存压力回收进程,用户再次打开时表现为冷启动;短时间内切回则复用缓存进程。启动类型判定依赖进程存活状态。测试时要区分冷设备状态(杀进程后测)与热设备状态(后台切回),线上指标按类型分层。
原理流程
杀进程 → 冷启动样本
后台存活 → 热启动样本
样本分类聚合,不混算
代码或图示
测试规范:冷启动前先 force-stop,等待进程退出再启动
常见误区
- 测试时反复点击,第二次起都是热启动,数据偏快。
- 线上未区分类型,常驻用户拉高"快启动"占比。
追问
- 如何保证测试冷启动?答:每次用例前结束进程并等待,再触发启动。
- 进程缓存策略由谁控制?答:系统按内存与后台状态管理,应用不可完全决定。
07.1.1.11.1-016 启动优化前后如何做对比回归?
一句话结论
同设备档位、同启动类型、同场景下对比优化前后的分段与总分位耗时,配合 Profiler 火焰图确认瓶颈段下降;版本迭代中保留启动门禁防止劣化。
概念解释
对比要控制变量:机型、系统版本、网络、页面入口、进程状态一致。先建立基线样本,优化后复测关键分位;分段数据验证目标瓶颈确实改善。回归覆盖典型机型与弱网场景,避免单台高端机结论推广到全量。
原理流程
基线采样 → 优化改动 → 同条件复测
→ 分段/总分位对比 → 火焰图核对热点消除
代码或图示
对比表:版本 / 机型 / 启动类型 / P50 / P90 / P99 / 分段耗时
常见误区
- 优化前后设备或场景不同,结论不可比。
- 只看总时长下降,分段未改善,可能是噪声波动。
追问
- 如何排除测试偶然波动?答:多次取分位,固定环境,必要时 Macrobenchmark 自动化压测。
- 启动优化回归纳入 CI 吗?答:关键基线可做自动化基准测试,具体落地按工程能力。
07.1.1.11.1-017 App Startup 库解决什么问题,如何声明初始化节点?
一句话结论
App Startup 库用统一的 Initializer 声明式管理启动初始化,合并多个早期 Provider,提供依赖声明与按需执行;在清单中注册入口 Provider 并描述各初始化器。
概念解释
Startup 把各库的独立 Provider 收敛为单一入口,减少早期 Provider 数量。每个初始化器实现 create() 与 dependencies(),框架按依赖拓扑执行。它替代手写 Provider 编排,统一管理初始化顺序与线程。具体配置 API 以 AndroidX Startup 版本为准(待确认)。
原理流程
Manifest 注册 Startup 入口
→ Initializer: dependencies() 声明依赖
→ 框架拓扑排序 → create() 执行
代码或图示
<provider
android:name="androidx.startup.InitializationProvider"
android:authorities="${applicationId}.initialization"
tools:node="merge">
<meta-data android:name="com.example.Init" android:value="androidx.startup" />
</provider>
常见误区
- 以为 Startup 自动把任务变异步;线程策略仍需配置。
- 依赖声明缺失导致初始化顺序错误。
追问
- 如何关闭某库的自动 Startup 初始化?答:在清单中移除对应 meta-data 或按库文档禁用,具体方式待确认。
- Startup 与手写 Application 初始化如何选?答:通用初始化编排用 Startup,复杂依赖图可结合自研调度。
07.1.1.11.1-018 Initializer 的依赖关系如何声明与拓扑排序?
一句话结论
dependencies() 返回依赖的初始化器列表,框架按依赖关系做拓扑排序,被依赖者先执行;无环依赖是前置条件,环会导致初始化失败或顺序异常。
概念解释
依赖声明表达「我需要谁先完成」。拓扑排序保证依赖方先 create,当前初始化器在其之后执行。跨初始化器共享数据通过 create 返回值注入。新增任务时梳理依赖链,避免隐式顺序假设。
原理流程
InitializerB.dependencies() = [InitializerA::class]
排序:A → B
代码或图示
class BInit : Initializer<Unit> {
override fun dependencies() = listOf(AInit::class)
override fun create(context: Context) {}
}
常见误区
- 依赖方向写反,等待尚未初始化的组件。
- 多个初始化器循环依赖,启动链路卡死。
追问
- 依赖结果如何传递?答:
create返回值由框架缓存,依赖方可取到对应实例(API 形态以版本为准,待确认)。 - 跨模块初始化器如何引用?答:共享模块暴露初始化器类,各模块在依赖列表中引用。
07.1.1.11.1-019 同步初始化与异步初始化如何选择?
一句话结论
首帧/首屏立即依赖、且必须在界面就绪前可用的任务同步执行;不阻塞首屏的任务异步线程执行;结果被主线程依赖时通过回调/等待桥接,避免主线程空等。
概念解释
同步任务在启动关键路径上,耗时直接计入启动;异步任务让出主线程,但结果就绪前界面不能使用其能力。判断标准:首屏是否立即需要。异步不等于可延迟,任务仍在启动期后台跑;真正非首屏需要的任务放到 IdleHandler 或懒加载。
原理流程
首屏必需 → 同步(主线程或优先异步)
非首屏但启动期需预热 → 异步线程
完全延后 → IdleHandler/懒加载
代码或图示
// 异步初始化:后台线程执行,结果回调供给
Thread { sdk.init() }.start()
常见误区
- 异步任务在主线程阻塞等待其结果,主线程占用未减少。
- 把首屏依赖 SDK 丢到异步,界面就绪后能力未初始化。
追问
- 异步初始化异常如何不影响主链路?答:包裹异常隔离,失败走降级,不阻塞其他任务。
- 如何度量同步/异步任务耗时?答:分别记录任务开始结束时间,异步段不计入主线程阻塞但计入后台占用。
07.1.1.11.1-020 初始化任务在哪个线程执行,如何读取主线程结果?
一句话结论
Startup 默认在主线程执行初始化器;需要异步的任务在初始化器内部开后台线程或提交线程池。跨线程结果通过线程安全容器、回调或挂起协程回传,主线程在需要时获取。
概念解释
框架不强制后台线程,线程策略由任务自己控制。后台任务结果回传主线程要注意可见性与并发:用线程安全结构或主线程 Handler/协程回调。异步未就绪时主线程调用到该能力需有降级或等待策略。
原理流程
Initializer.create(主线程)
→ 提交后台线程执行重活
→ 完成后回调/写入线程安全容器
→ 主线程按需读取
代码或图示
override fun create(context: Context) {
scope.launch(Dispatchers.IO) { /* 后台初始化 */ }
}
常见误区
- 后台任务结果直接写非线程安全对象,主线程读到不一致状态。
- 主线程轮询等待异步结果,占用主线程。
追问
- 初始化能用协程吗?答:可在初始化器内启动作用域执行;注意作用域生命周期与取消时机。
- 异步未完成被调用怎么办?答:提供未就绪降级或就绪回调,避免空指针与能力缺失。
07.1.1.11.1-021 启动任务如何按设备/环境条件按需执行?
一句话结论
在初始化器内按设备档位、系统版本、环境(调试/正式)、功能开关判断是否执行;不满足条件的任务跳过,把资源留给目标场景。
概念解释
低端机、特定版本、灰度开关下部分初始化可裁剪。条件判断应轻量,避免判断本身成为启动负担。远程开关控制的功能,其 SDK 初始化可延迟到开关确认后。设备能力信息在初始化期可读取系统属性与配置。
原理流程
任务初始化 → 判断条件(机型/版本/开关)
→ 满足:执行
→ 不满足:跳过/延迟
代码或图示
if (featureConfig.enabled) sdk.init()
常见误区
- 所有设备跑同一套重初始化,低端机启动恶化。
- 条件判断依赖未就绪的远程配置,启动期取值为空。
追问
- 灰度功能未下发时如何初始化?答:本地默认值先保守初始化或完全延迟到配置到达。
- 条件裁剪如何验证?答:分档位/版本用例覆盖跳过与执行两条路径。
07.1.1.11.1-022 IdleHandler 适合承接哪些延迟初始化?
一句话结论
IdleHandler 在主线程消息队列空闲时回调,适合承接非首屏必需、可延后的轻量初始化;重活仍应放到后台线程,IdleHandler 只负责触发时机。
概念解释
主线程处理完当前批次消息后询问 IdleHandler 是否有待处理任务,返回 true 表示继续保留等待下次空闲。适合延迟预热、非关键 SDK、视图预加载。但主线程繁忙时 IdleHandler 可能迟迟不回调,不能依赖它做必须完成的工作。
原理流程
主线程队列空闲 → IdleHandler.queueIdle()
→ 触发延迟任务(重活转后台)
→ 返回是否保留
代码或图示
Looper.myQueue().addIdleHandler {
preloadNonCritical()
false // 执行后移除
}
常见误区
- 在 IdleHandler 里做长耗时同步任务,阻塞下次主线程消息。
- 把必须就绪的能力挂 IdleHandler,前台使用时未初始化。
追问
- IdleHandler 不回调怎么办?答:配合超时兜底,到点由后台任务强制执行。
- 多个 IdleHandler 顺序如何?答:按注册顺序在空闲时依次回调,具体调度行为以系统实现为准(待确认)。
07.1.1.11.1-023 预热(preload)与懒加载的边界怎么划?
一句话结论
预热是在空闲/后台提前准备首屏稍后会用到的资源,懒加载是真正用到时才初始化;判断依据是使用概率与时机:高概率近场使用预热,低概率或远场使用懒加载。
概念解释
预热用启动后的空余时间换后续响应速度,代价是提前占用资源;懒加载节省启动与内存,代价是首次使用时等待。常见预热:关键页面数据、列表图片、核心类;懒加载:设置页、非首屏模块、低频 SDK。预热不能挤占首屏关键路径。
原理流程
高概率近场 → 空闲预热
低概率/低频 → 用到时懒加载
代码或图示
预热:IdleHandler/后台线程预取缓存
懒加载:首次进入页面时初始化
常见误区
- 预热了一堆低频功能,启动后内存与 IO 白耗。
- 懒加载链路在用户操作时同步阻塞,造成交互卡顿。
追问
- 预热资源如何避免内存浪费?答:设上限与淘汰策略,不用时可回收。
- 预热数据过期怎么办?答:预热内容标注时效,使用前校验新鲜度。
07.1.1.11.1-024 第三方 SDK 初始化如何纳入统一调度?
一句话结论
把第三方 SDK 初始化从其自动 Provider/Application 迁出,登记到统一调度框架,按依赖、线程与优先级编排;保留必要的早期 SDK,其余异步或延迟初始化。
概念解释
各 SDK 各自在 Manifest 注册 Provider 或要求 Application 初始化,叠加后早期主线程任务堆积。统一调度后:关闭自动初始化、收集初始化任务声明、按拓扑与线程执行。SDK 初始化时机要核对其官方要求,过早/过晚都可能出问题。
原理流程
盘点 SDK 初始化需求 → 关闭自动初始化
→ 登记任务(依赖/线程/优先级) → 统一调度执行
代码或图示
SDK 清单:名称 / 是否首屏必需 / 线程 / 依赖 / 官方时机要求
常见误区
- 只把初始化调用搬进调度框架,内部仍在主线程做重活。
- 延迟了有早期时机要求的 SDK,功能异常。
追问
- 如何关闭 SDK 自动初始化?答:按各库文档移除 Provider/meta-data 或使用其延迟初始化能力(待确认各库方式)。
- SDK 初始化失败如何隔离?答:单任务 try/catch 上报,不影响其他 SDK 与主链路。
07.1.1.11.1-025 启动任务失败如何隔离不阻塞主链路?
一句话结论
每个初始化任务独立 try/catch,失败上报后走降级或跳过,不抛出阻断后续任务;关键任务失败有明确降级策略,非关键任务失败不影响首屏。
概念解释
启动链路任一任务崩溃都可能拖垮整个冷启动。任务级隔离:异常捕获、记录标签与堆栈、提供默认实现或禁用对应功能。依赖方在能力未就绪时走降级路径,不假设初始化一定成功。
原理流程
任务执行 → 异常捕获
→ 上报 + 降级标记
→ 后续任务继续
代码或图示
try { sdk.init() } catch (t: Throwable) { report(t); sdkDisabled = true }
常见误区
- 一个 SDK 初始化崩溃导致应用启动即 Crash。
- 失败后未置降级标记,后续调用未就绪 SDK 二次崩溃。
追问
- 关键 SDK 失败要不要阻断启动?答:按业务定,核心能力失败可走兜底页面;非核心必须隔离。
- 失败信息如何上报?答:带任务名、版本与堆栈,纳入启动稳定性监控。
07.1.1.11.1-026 如何测量每个初始化任务的耗时?
一句话结论
在任务开始/结束处打点记录单任务耗时,区分主线程阻塞与后台执行;按任务名聚合耗时分布,定位启动关键路径上的重任务。
概念解释
单任务耗时是启动分段的细化:记录任务名、线程、开始结束时间。主线程任务耗时直接阻塞启动,后台任务看是否影响后续就绪。指标聚合 P50/P90,对比版本变化。任务内部分段可再拆 IO/计算/等待。
原理流程
T_start = nanoTime()
task.run()
T_end = nanoTime()
上报:task / thread / costMs
代码或图示
val s = System.nanoTime()
task.create(ctx)
metrics.report("init.$name", System.nanoTime() - s)
常见误区
- 只测总初始化段,看不到单个 SDK 耗时。
- 后台任务耗时计入主线程阻塞,误判优化效果。
追问
- 任务间等待时间算谁的?答:按关键路径归属,等待依赖的时间单独标注。
- 耗时数据采样还是全量?答:启动任务可全量记录轻量指标,详细堆栈按采样。
07.1.1.11.1-027 初始化顺序与组件依赖冲突如何排查?
一句话结论
沿初始化依赖图核对「谁先用了谁还没初始化的组件」,结合任务打点与崩溃/空栈定位顺序问题;冲突通常表现为空指针、未就绪异常或功能偶发失效。
概念解释
依赖冲突分两类:顺序错误(被依赖方晚初始化)与循环等待。排查先复现稳定路径,再按初始化日志顺序与组件引用链对照。统一调度的依赖声明显式化,比隐式顺序假设更容易排查。偶发问题多来自异步时序竞态。
原理流程
现象:空指针/未就绪
→ 查组件初始化日志顺序
→ 对照依赖图找缺失边/环
→ 修正依赖声明或同步等待
代码或图示
排查记录:任务开始结束时间线 vs 组件首次使用点
常见误区
- 靠日志偶然顺序判断依赖,异步时序下结论不稳。
- 用加锁等待掩盖顺序问题,主线程阻塞加重。
追问
- 异步竞态如何稳定复现?答:重复冷启动、调整线程调度,必要时埋点记录组件就绪时间。
- 依赖环如何解?答:下沉公共初始化或改为懒获取,打破循环。
07.1.1.11.1-028 早期 SDK 在 ContentProvider 自动初始化如何关闭?
一句话结论
按库文档移除或禁用其自动注册的 Provider/meta-data,改为在统一调度中手动初始化;关闭前核对 SDK 是否要求早期初始化,避免功能异常。
概念解释
很多库通过 Manifest 合并生成 Provider 免手动初始化。关闭方式通常是在应用 Manifest 中 tools:node="remove" 移除对应 Provider 或 meta-data,再在调度框架调用其初始化入口。各库开关方式不同,需查对应文档(待确认)。
原理流程
定位自动初始化 Provider/meta-data
→ Manifest 移除/禁用
→ 调度框架手动 init
代码或图示
<provider android:name="..." tools:node="remove" />
常见误区
- 移除 Provider 后不手动初始化,SDK 未工作。
- 未核对 SDK 时机要求,手动初始化过晚导致早期功能异常。
追问
- 如何确认库是 Provider 自动初始化?答:查合并后 Manifest 与库文档说明。
- 关闭后如何回归?答:覆盖该 SDK 相关功能用例,验证初始化时机与功能正常。
07.1.1.11.1-029 卡顿与掉帧(jank)如何定义与度量?
一句话结论
掉帧指一帧超过预期帧间隔未完成渲染;卡顿是用户可感知的持续掉帧。度量按帧耗时、超阈值帧数与掉帧比例统计,区分偶发单帧与连续卡顿。
概念解释
屏幕刷新率决定单帧预算(如 60Hz 约 16ms)。帧超预算即 jank,连续多帧超时形成滑动/交互卡顿。指标包括掉帧帧数、掉帧比例、慢帧分位。口径要区分正常页面滑动与静止页面,避免背景空转计入。
原理流程
帧开始 → 测量帧耗时
→ 超帧间隔预算 → 记为掉帧
→ 聚合掉帧数/比例/分位
代码或图示
帧预算 ≈ 1000 / 刷新率(ms)
常见误区
- 用平均 FPS 掩盖少数严重掉帧。
- 把页面静止时的后台帧计入卡顿统计。
追问
- 掉帧阈值怎么定?答:按刷新率帧间隔与系统 jank 分级,具体分级以系统/库定义为准(待确认)。
- 卡顿与 ANR 是一回事吗?答:不是,掉帧是渲染超时,ANR 是主线程阻塞超时无响应,见稳定性章节。
07.1.1.11.1-030 Choreographer 帧回调如何用于检测掉帧?
一句话结论
Choreographer 的帧回调跟随 VSYNC 节奏执行,相邻两帧回调间隔超过帧预算即可判定掉帧;可在帧回调中记录时间戳并对比预期间隔。
概念解释
Choreographer 接收系统垂直同步信号,安排输入、动画、绘制帧。通过注册帧回调测量每帧时间差:间隔明显大于预期帧间隔说明上一帧超时。该方式可在应用内采集帧节奏,配合主线程堆栈定位掉帧原因。回调本身运行在主线程,测量逻辑要轻量。
原理流程
注册 Choreographer.FrameCallback
→ 每帧记录时间戳
→ 与上一帧间隔对比帧预算
→ 超阈值记掉帧并采集堆栈
代码或图示
Choreographer.getInstance().postFrameCallback(object : Choreographer.FrameCallback {
override fun doFrame(frameTimeNanos: Long) { /* 对比间隔 */ }
})
常见误区
- 测量逻辑在主线程做重处理,反过来加剧掉帧。
- 只看单次间隔不区分首帧与正常滑动。
追问
- Choreographer 能拿到各阶段耗时吗?答:帧级回调只给节奏点;阶段细分用 FrameMetrics。
- 与系统帧率统计口径一致吗?答:需核对系统定义,自定义采集口径在上报文档写明。
07.1.1.11.1-031 FrameMetrics 提供哪些帧阶段指标?
一句话结论
FrameMetrics 按帧拆分输入、布局、绘制、同步、绘制命令提交等阶段耗时,可定位一帧慢在测量布局、渲染还是 GPU 提交;系统 API 在对应版本以上提供。
概念解释
FrameMetrics 把一帧的各阶段时间量化为指标项,如布局测量、绘制、等待 Present 等。相比只知道「掉帧」,阶段数据指向是主线程 UI 工作重还是渲染管线慢。具体指标项名称与可用版本以系统文档为准(待确认)。
原理流程
OnFrameMetricsAvailableListener
→ 读取各阶段时长
→ 阶段超预算定位瓶颈
代码或图示
阶段:input / measure-layout / draw / sync / gpu 提交
常见误区
- 把 FrameMetrics 当通用卡顿堆栈采集;它给阶段时长,不给调用栈。
- 低版本设备指标缺失,需做版本兼容。
追问
- FrameMetrics 在哪注册?答:Window 级别注册监听,具体 API 以版本文档为准(待确认)。
- 阶段耗时与主线程堆栈如何配合?答:阶段定位方向,堆栈定位具体方法。
07.1.1.11.1-032 JankStats 如何聚合帧掉帧信息?
一句话结论
JankStats 是 AndroidX 提供的帧掉帧统计组件,基于帧节奏与系统指标聚合慢帧/掉帧,按页面/场景分组输出掉帧信息,减少自研帧采集的口径成本。
概念解释
JankStats 封装帧监听与掉帧判定,可关联当前页面标签,输出每帧状态与慢帧原因倾向。业务侧提供场景标签(页面、列表滑动),聚合后按场景看掉帧分布。具体能力与版本依赖以 AndroidX JankStats 文档为准(待确认)。
原理流程
JankStats 注册帧监听
→ 判定慢帧/掉帧
→ 关联页面标签 → 聚合上报
代码或图示
接入 JankStats → 设置场景标签 → 读取掉帧统计
常见误区
- 以为 JankStats 给出崩溃级堆栈;它聚焦帧聚合,堆栈需另采。
- 标签打错导致掉帧归属不到页面。
追问
- JankStats 与 Choreographer 采集重复吗?答:JankStats 内部封装帧监听,业务不必重复自研帧节奏采集。
- 线上掉帧上报怎么用?答:按页面聚合慢帧率,采样采集堆栈。
07.1.1.11.1-033 主线程消息处理时长如何监控?
一句话结论
监控主线程 Looper 每条消息的分发耗时:在消息分发前后打点,超阈值判定主线程卡顿;配合采集主线程堆栈定位卡住的方法。
概念解释
主线程串行处理 Message,单条消息执行过长会阻塞后续输入与帧。监控在 Looper 消息轮询处测量分发时长,超阈值保存当前主线程堆栈。方案要控制采样率与堆栈上报体积,避免监控自身拖慢主线程。
原理流程
Looper.dispatchMessage 前后打点
→ 耗时超阈值 → 采集主线程堆栈
→ 聚合卡顿堆栈
代码或图示
Message 分发:start → dispatch → end,差值为消息耗时
常见误区
- 监控堆栈采集本身在主线程执行过重,加剧卡顿。
- 不区分消息类型,把正常长任务与异常卡顿混报。
追问
- 卡顿阈值如何设?答:按帧预算与 ANR 阈值之间分级,具体取值结合实测(待确认)。
- 堆栈采集时机?答:超阈值后异步采集,避免在主线程阻塞抓栈。
07.1.1.11.1-034 卡顿堆栈如何抓取与聚合?
一句话结论
判定卡顿后抓取主线程堆栈(必要时含关键线程),按堆栈签名聚合成卡顿问题簇,统计出现次数与影响页面;重复堆栈对应同一根因,优先治理高频簇。
概念解释
单条堆栈量大且重复,需归一化聚合:去除动态变量、按类方法栈帧聚类。上报携带页面、场景、耗时与设备信息。堆栈采样避免每次卡顿全量抓栈;聚合后可定位热门主线程方法与调用链。
原理流程
卡顿判定 → 抓主线程堆栈
→ 堆栈归一化 → 按签名聚类
→ 高频簇排序 → 归因治理
代码或图示
聚类键:顶层类/方法 + 关键栈帧
常见误区
- 堆栈带行号与动态参数,相同根因聚不到一起。
- 只抓主线程,忽略锁等待对应的阻塞线程。
追问
- 堆栈抓取影响性能吗?答:采样 + 异步抓取可控制开销;全量抓栈在主线程有成本。
- 如何关联到代码版本?答:上报携带版本与混淆 mapping,崩溃/卡顿栈需可还原。
07.1.1.11.1-035 掉帧的常见主线程来源有哪些?
一句话结论
常见来源:布局层级深/测量重、主线程 IO、复杂列表绑定、主线程计算与排序、锁等待、频繁对象分配触发 GC、同步 Binder 调用、过度绘制。
概念解释
掉帧根因多在主线程工作过重或等待。定位顺序:先看帧阶段(测量/绘制/提交),再看主线程堆栈热点。列表滑动掉帧常与绑定耗时、布局嵌套、图片解码相关;交互卡顿常与点击后主线程重任务相关。
原理流程
掉帧 → FrameMetrics 阶段定位
→ 主线程堆栈找热点
→ 归类:布局/IO/计算/锁/GC/Binder
代码或图示
热点分类清单:inflate、bind、decode、IO、sort、lock、binder
常见误区
- 掉帧一律归因为渲染 GPU,忽略主线程测量绑定过重。
- 只优化单次方法,不看分配与 GC 触发。
追问
- GC 如何造成掉帧?答:频繁分配触发 GC 暂停,主线程被打断;见内存抖动相关题目。
- 过度绘制为什么掉帧?答:同区域多层重复绘制增加渲染工作量,见后续题目。
07.1.1.11.1-036 过度绘制(overdraw)如何测量与定位?
一句话结论
过度绘制指同一像素区域一帧内被多层背景/控件重复绘制;通过系统调试选项的过度绘制着色或渲染分析工具定位重复绘制区域,优先移除冗余背景与层级。
概念解释
每层可见背景都参与绘制,重叠区域被多次上色。测量方式:开发模式开启过度绘制着色,按颜色判断重复层数;也可从渲染分析工具看绘制命令。定位后去除窗口/页面/控件冗余背景,合并层级,减少透明叠加。
原理流程
开启 overdraw 调试着色
→ 定位重复上色区域
→ 移除冗余背景/合并层级
→ 复测着色与绘制耗时
代码或图示
根布局背景 + 子控件背景叠加 → 移除不可见底层背景
常见误区
- 给每个控件都设背景,叠加产生多层 overdraw。
- 只看整体帧率,不检查渲染命令重复度。
追问
- 过度绘制一定导致掉帧吗?答:增加渲染工作量,复杂页面/低端机更易表现为掉帧。
- 背景层级在代码还是布局里查?答:两者都查,包括主题默认背景与代码动态设置。
07.1.1.11.1-037 布局层级过深如何检测与扁平化?
一句话结论
通过 Layout Inspector/布局层次分析工具查看视图树深度与节点数,用 <merge>、<include>、约束布局等减少嵌套层级;层级越深,measure/layout 遍历成本越高。
概念解释
布局层级影响测量与布局递归遍历次数。扁平化手段:无意义容器用 merge 消除,复用片段用 include,多约束相对位置用约束布局替代多层嵌套。列表项布局对滑动性能影响最大,优先优化 item 层级。
原理流程
工具导出视图树 → 统计深度/节点数
→ 冗余容器 → merge/include/约束布局扁平化
→ 复测 measure/layout 耗时
代码或图示
<merge>
<ImageView />
<TextView />
</merge>
常见误区
- 为排版方便套多层 LinearLayout,层级累积。
- 只优化页面根布局,忽略列表 item 重复嵌套。
追问
- 层级深就一定慢吗?答:节点数与测量复杂度共同决定,需结合阶段耗时判断。
- 约束布局一定优于嵌套布局吗?答:减少层级,但复杂约束也有解析成本,按实测选择。
07.1.1.11.1-038 measure/layout/draw 各阶段耗时如何拆分?
一句话结论
一帧的 UI 工作分为测量(measure)、布局(layout)、绘制(draw)三段;通过帧阶段指标与工具定位慢在排版计算、位置分配还是绘制命令生成。
概念解释
measure 递归计算子视图尺寸,layout 分配位置,draw 生成绘制命令。阶段慢对应不同优化:measure 重看布局参数与嵌套,layout 多看位置计算,draw 看过渡绘制与绘制项数量。列表滚动时三段随绑定重复执行。
原理流程
measure:尺寸测量递归
layout:位置赋值
draw:记录绘制命令
FrameMetrics/工具拆分三段耗时
代码或图示
阶段慢 → 对应手段:扁平化 / 减少布局计算 / 减 overdraw
常见误区
- 只看总帧耗时,不拆三段,优化方向不清。
- 把 draw 慢全归 GPU,实际是绘制命令项过多。
追问
- 如何单独测 item 绑定耗时?答:在列表 onBindViewHolder 打点,结合 measure/layout 阶段。
- 自定义 View 重写 onMeasure/onLayout 要注意什么?答:避免递归重复测量,遵循 measure 规范。
07.1.1.11.1-039 列表滑动卡顿的典型成因?
一句话结论
典型成因:item 布局层级深、绑定逻辑重、图片解码/加载慢、频繁创建对象与 GC、刷新策略粗粒度、可见范围外计算过多。
概念解释
列表滚动每帧都要绑定并绘制可见 item,绑定耗时直接进入帧预算。排查方向:item 布局扁平化、绑定轻量、图片异步解码与缓存、避免在绑定中做计算/IO、DiffUtil 精确刷新。滑动过程中的主线程分配与 GC 也要纳入分析。
原理流程
滚动 → 可见 item 绑定 → measure/layout/draw
→ 绑定重/解码慢/GC → 掉帧
代码或图示
override fun onBindViewHolder(holder: VH, position: Int) {
// 轻量赋值;重计算与 IO 移出绑定
}
常见误区
- 绑定中做数据库查询/排序/图片同步解码。
- 整列表 notifyDataSetChanged,刷新范围过大。
追问
- 图片加载如何不卡滑动?答:异步加载、内存缓存、尺寸压缩,解码在后台线程完成。
- 列表复用有哪些常见问题?答:复用视图状态未重置导致串项,需在绑定时清空旧状态。
07.1.1.11.1-040 主线程 IO 如何定位与治理?
一句话结论
定位:主线程堆栈/Profiler 中出现文件读写、数据库、SharedPreferences 提交等 IO 调用;治理:移出主线程、后台读写后回主线程更新,启动/滑动路径禁止同步磁盘访问。
概念解释
主线程 IO 等待磁盘期间无法处理帧,直接造成卡顿。常见来源:配置读取、缓存恢复、数据库打开与查询、日志写盘、图片解码读文件。治理按场景:能异步则异步,必须同步的结果提前缓存到内存。IO 阻塞时长与磁盘速度相关,低端机更明显。
原理流程
主线程堆栈出现 read/write/open/query
→ 识别 IO 来源
→ 迁后台线程 / 预读内存缓存
代码或图示
scope.launch(Dispatchers.IO) { val cfg = repo.read(); withContext(Dispatchers.Main) { render(cfg) } }
常见误区
- 用主线程同步读小配置文件,忽略磁盘等待时长。
- 异步 IO 结果在主线程轮询等待,阻塞未消除。
追问
- SharedPreferences 提交在主线程有什么风险?答:提交/读取涉及磁盘操作,具体行为与版本限制见存储章节。
- 如何监控主线程 IO?答:Profiler 线程分析或 IO 调用堆栈采样上报。
07.1.1.11.1-041 主线程锁等待/Binder 调用如何识别?
一句话结论
主线程堆栈处于等待锁、Binder 调用或同步阻塞状态时表现为卡顿;从堆栈状态与线程同步关系识别是锁竞争还是远端服务调用阻塞。
概念解释
主线程持锁等待其他线程释放,或同步 Binder 等待远端进程返回,都会暂停帧处理。识别看堆栈顶部状态:锁等待方法、Binder 代理调用。治理:缩小锁粒度、避免主线程跨进程同步调用、关键数据本地缓存。多线程竞争需结合等待线程一起分析。
原理流程
主线程卡顿堆栈
→ 顶部 lock.wait / binder proxy
→ 找持锁线程 / 远端服务
→ 解耦或异步化
代码或图示
堆栈状态:BLOCKED / 等待 Binder 返回
常见误区
- 只看主线程自身代码,忽略被其他线程/远端阻塞。
- 把 Binder 慢调用当本地计算优化。
追问
- Binder 调用为什么会在主线程?答:同步跨进程调用默认阻塞调用方线程,需在后台线程发起。
- 锁竞争如何量化?答:统计主线程等待锁时长与持锁线程持有时长。
07.1.1.11.1-042 卡顿阈值如何按设备档位分级?
一句话结论
不同档位设备帧预算与性能不同,卡顿阈值按高/中/低端分别设定;低端机允许更长单帧预算但应统计更严格的掉帧比例,避免用高端机标准覆盖长尾设备。
概念解释
同一帧耗时在高端机流畅、低端机掉帧。分级阈值结合设备内存、CPU 档位与实测分布。指标分档统计,阈值门禁也分档设定。阈值不是拍脑袋:从线上卡顿分布与帧耗时分位反推合理线。系统 ANR 阈值另有标准,与卡顿分级区分。
原理流程
设备分档 → 各档帧耗时分布
→ 设定分档卡顿阈值
→ 掉帧指标分档聚合
代码或图示
档位:high / mid / low;各档独立 P90/P99 卡顿线
常见误区
- 全量设备用同一阈值,低端机卡顿被系统性漏报。
- 阈值定得过松,卡顿无告警;过紧则误报泛滥。
追问
- 设备档位如何划分?答:按内存/CPU 等可获取信息分档,具体规则结合线上分布。
- 阈值上线后如何校准?答:观察误报/漏报比例,迭代调整。
07.1.1.11.1-043 线上卡顿采样与堆栈上报如何设计?
一句话结论
线上按采样率采集卡顿事件,超阈值抓主线程堆栈并归一化聚合;控制上报体积与频率,区分页面场景,关键问题全量、常规卡顿采样。
概念解释
线上环境不能像本地全量抓栈。设计:卡顿判定后异步抓栈,堆栈裁剪到关键帧,按签名聚类;采样率按版本与场景调整,崩溃相关卡顿提高采样。上报携带页面、耗时、档位与版本,堆栈配合 mapping 还原。监控自身开销要小。
原理流程
卡顿判定 → 采样命中 → 异步抓栈
→ 归一化聚类 → 上报(页面/耗时/档位/版本)
代码或图示
采样策略:常规采样 + 高频问题补采
常见误区
- 全量抓栈上报,流量与性能开销不可接受。
- 堆栈未归一化,相同根因无法聚合。
追问
- 上报时机选什么时候?答:卡顿时或页面退出时批量上报,避免阻塞帧处理。
- 如何保护用户隐私?答:堆栈不含界面输入内容,只保留代码栈帧。
07.1.1.11.1-044 帧率指标(FPS)统计口径注意什么?
一句话结论
FPS 是单位时间内完成帧数,统计要明确统计窗口、页面可见状态与掉帧权重;平均 FPS 会掩盖长尾掉帧,应配合慢帧/掉帧比例一起看。
概念解释
静止页面也有系统帧调度,口径需限定可见交互页面。FPS 受刷新率与掉帧影响:一次长掉帧拉低窗口平均。更有价值的是掉帧数、慢帧分位与卡顿率。统计窗口长短影响 FPS 波动,口径在版本间保持一致。
原理流程
窗口内完成帧数 / 窗口时长 = FPS
→ 同时统计掉帧数与慢帧比例
代码或图示
口径:可见页面 / 滑动场景 / 固定窗口
常见误区
- 只报平均 FPS,连续严重掉帧被平均稀释。
- 后台不可见页面帧计入 FPS。
追问
- FPS 与掉帧比例哪个优先?答:掉帧比例与分位耗时更能反映体验,FPS 作辅助。
- 高刷新率设备如何口径对齐?答:按帧间隔而非固定帧数统计。
07.1.1.11.1-045 动画与交互卡顿如何单独观测?
一句话结论
动画/交互场景单独标注场景标签,采集动画帧节奏与点击到响应耗时;区分列表滚动、页面转场、属性动画等不同交互的掉帧表现。
概念解释
不同交互的帧负载不同:转场动画受布局与渲染影响,属性动画受主线程更新频率影响。场景标签把掉帧归属到具体交互。点击响应耗时(点击到首帧更新)单独衡量交互跟手性。动画卡顿常与主线程在帧间做重工作相关。
原理流程
场景标签:scroll / transition / anim / click
→ 各场景帧指标 + 点击响应耗时
代码或图示
指标:anim_jank_rate、click_to_frame_ms
常见误区
- 所有场景混算 FPS,动画卡顿被普通页面稀释。
- 只看动画流畅度,忽略点击后主线程排队等待。
追问
- 属性动画卡顿怎么定位?答:看动画帧回调间主线程工作,是否有绑定/计算阻塞。
- 转场卡顿受什么影响?答:新旧页面布局构建与共享元素处理,结合阶段指标分析。
07.1.1.11.1-046 Compose 重组导致的掉帧与传统 View 如何区分?
一句话结论
Compose 掉帧需关注重组频率、重组层级与状态读取;传统 View 关注 measure/layout/draw 与绑定。两者都表现为帧超时,但根因定位工具与指标不同。
概念解释
Compose 在帧内根据状态变化执行重组,不必要的重组与重组范围过大增加帧内工作;传统 View 是视图树遍历与绑定。Compose 侧用重组计数、状态稳定性分析定位;View 侧用布局阶段与 item 绑定分析。二者在同一帧预算下竞争主线程时间。Compose 内部性能细节见 Compose 相关章节。
原理流程
Compose:状态变化 → 重组范围 → 帧内执行
View:数据更新 → 绑定 → measure/layout/draw
代码或图示
Compose 指标:recompose 次数/跳过率;View 指标:绑定耗时/层级
常见误区
- 用 View 布局思路套 Compose 性能分析,找不到重组根因。
- 把重组次数多直接判定为问题,需看是否必要重组。
追问
- Compose 掉帧先查什么?答:重组范围、参数稳定性、高频状态更新,见 Compose 性能章节。
- 混合 View/Compose 页面如何拆分归因?答:按场景与布局边界分别采集阶段指标。
07.1.1.11.1-047 堆内存指标有哪些(分配、存活、峰值、限制)?
一句话结论
关键堆指标:已分配存活量、堆峰值、分配速率、堆上限与剩余空间、GC 频次;结合趋势判断内存压力、泄漏与抖动。
概念解释
存活量是当前被引用对象占用;峰值反映历史高点;分配速率反映短生命周期对象产生速度;堆上限由设备与进程配置决定。指标趋势比单次数值重要:持续上涨倾向泄漏,锯齿高频上下是抖动。多指标配合 Profiler 与线上监控解读。
原理流程
分配速率 → GC 频次
存活量趋势 → 泄漏判断
峰值 vs 上限 → OOM 风险
代码或图示
指标:heap_live / heap_peak / alloc_rate / gc_count / heap_limit
常见误区
- 只看当前存活量,不看峰值与增长趋势。
- 把内存抖动的高分配误判为泄漏。
追问
- 堆上限在不同设备一致吗?答:按设备内存与进程配置不同,具体数值随系统版本变化(待确认)。
- 线上如何采集堆指标?答:按节点读取堆统计,采样上报趋势,避免频繁读全量堆。
07.1.1.11.1-048 Java/Kotlin 堆与 Native 内存如何区分观测?
一句话结论
Java/Kotlin 堆由 ART 管理,对象分配与 GC 在堆内;Native 内存由 C/C++ 与原生库通过分配接口占用,不走 Java 堆 GC。两者分别观测,Native 增长可能不体现在 Java 堆指标上。
概念解释
图片解码、Bitmap、原生库、缓冲区都可能占 Native 内存。Java 堆分析工具看 ART 堆;Native 内存需结合系统内存统计、原生分配追踪与图片/缓冲占用分析。OOM 可能源于 Java 堆耗尽,也可能是 Native 内存或地址空间压力,归因要先分清区域。
原理流程
Java 堆:ART 对象 + GC
Native:malloc/原生库/位图像素
分开统计占用与增长
代码或图示
工具:Profiler 内存页 / 原生内存追踪 / 位图统计
常见误区
- Java 堆不高就认为内存健康,忽略 Native 持续增长。
- 把 Native 泄漏按 Java 引用链排查,方向错误。
追问
- Bitmap 像素存在哪?答:按系统版本可能在 Native 侧,统计口径需核对(待确认)。
- Native 内存如何 profiling?答:系统原生内存追踪能力,具体工具与版本支持以官方文档为准(待确认)。
07.1.1.11.1-049 GC 触发与内存抖动(jank 式分配)如何识别?
一句话结论
内存抖动表现为短时间内大量短生命周期对象反复分配回收,堆锯齿剧烈、GC 频繁;识别看分配速率、GC 频次与堆曲线形态,定位帧内/滑动中的热点分配。
概念解释
抖动本身不一定泄漏,但高频分配触发 GC 暂停,造成掉帧与卡顿。识别:分配速率高、堆曲线频繁上下、GC 次数多。热点常在循环、列表绑定、绘制方法中创建对象、装箱、临时集合。治理:复用对象、减少循环内分配、优化字符串与装箱。
原理流程
高频分配 → 堆快速上涨 → GC 回收 → 再次上涨(锯齿)
→ GC 暂停打断帧
代码或图示
排查:Profiler 分配统计 → 按包/方法找分配热点
常见误区
- 把抖动当泄漏治理;存活量不一定持续增长。
- 只看堆峰值,不看分配速率与 GC 频次。
追问
- 哪些代码容易产生临时分配?答:循环内字符串拼接、自动装箱、匿名对象、迭代器、临时集合。
- GC 暂停在主线程表现为什么?答:帧内停顿、掉帧,严重时卡顿。
07.1.1.11.1-050 内存泄漏的判定标准与 LeakCanary 工作原理?
一句话结论
内存泄漏指生命周期应结束的对象仍被长生命周期引用持有、无法回收;LeakCanary 在页面/进程销毁后触发堆快照,分析引用链找出从 GC Root 到泄漏对象的路径并上报。
概念解释
判定:销毁对象本应不可达,GC 后仍存活即可疑泄漏。LeakCanary 监听生命周期销毁,等待 GC 后 dump 堆,按引用链分析泄漏持有者。原理是堆转储 + 引用路径分析 + 去重报告。它聚焦 Java/Kotlin 堆引用,不覆盖全部 Native 泄漏。
原理流程
页面销毁 → 监听触发 → 主动 GC
→ 堆转储 hprof → 分析 GC Root 引用链
→ 找到泄漏路径 → 报告
代码或图示
引用链:GC Root → 长生命周期持有者 → 泄漏对象
常见误区
- 销毁后短暂被缓存引用即判泄漏;需结合宽限期与可达性判断。
- 以为 LeakCanary 能检测 Native 泄漏;它分析 Java 堆引用。
追问
- LeakCanary 如何避免误报?答:等待 GC 与宽限期后再判定,具体机制以库版本为准(待确认)。
- 线上要默认启用 LeakCanary 吗?答:通常 debug 启用分析,线上轻量监控或关闭完整 hprof 分析。
07.1.1.11.1-051 堆转储(hprof)如何采集与分析?
一句话结论
堆转储把当前堆对象与引用关系导出为 hprof 文件,用 MAT/Profiler 打开查看实例计数、引用链与泄漏路径;线上按需采样采集,本地复现后 dump 分析。
概念解释
hprof 包含堆中对象、字段与引用边。分析步骤:找可疑存活对象 → 看实例计数与支配大小 → 沿引用链找 GC Root 持有者。转储本身有暂停与体积成本,线上不能频繁 dump。本地复现泄漏路径后抓 hprof 最有效。
原理流程
复现场景 → 触发 GC → dump hprof
→ 工具打开 → 实例计数/支配树
→ 引用链定位持有者
代码或图示
工具:Android Studio Profiler / MAT 打开 hprof
常见误区
- 不做 GC 直接 dump,临时对象干扰判断。
- hprof 文件直接带上用户数据上传,隐私与体积风险。
追问
- 线上如何轻量获取堆信息?答:采样堆统计与泄漏分析结果,不全量上传 hprof。
- hprof 格式需要转换吗?答:工具可处理 Android 堆转储,具体导入方式以工具版本为准。
07.1.1.11.1-052 MAT 如何沿引用链定位泄漏持有者?
一句话结论
MAT 从可疑对象的引用关系出发,查看到 GC Root 的最短引用路径,找出非预期的长生命周期持有方;支配树与实例计数辅助判断泄漏规模。
概念解释
引用链逐层反向:泄漏对象 ← 直接引用者 ← … ← GC Root。正常持有(如缓存)与异常持有要区分。MAT 的 dominator 树看对象支配的内存大小,直方图按类统计实例数。定位到具体持有者后再分析为何未释放。
原理流程
可疑对象 → Path to GC Roots
→ 逐层查看引用者
→ 标记异常长生命周期持有
代码或图示
GC Root: 静态字段/单例/线程/系统集合
→ 持有链 → 泄漏 Activity/ViewModel
常见误区
- 引用链上第一个对象就当成根因;需沿链找到真正不该持有的节点。
- 忽略静态集合、线程局部、匿名引用等常见 Root。
追问
- 如何区分正常缓存与泄漏?答:看生命周期与容量策略;缓存应有淘汰,无限增长且持有销毁对象即异常。
- 大对象泄漏怎么看支配大小?答:支配树统计该对象保留的总内存。
07.1.1.11.1-053 Profiler 内存面板如何看分配趋势与实例计数?
一句话结论
Profiler 内存面板展示堆时间线、分配/回收趋势与类实例计数;结合分配记录按包名过滤,定位活跃增长的对象类型与分配调用栈。
概念解释
时间线看存活量趋势是否持续上涨;分配记录查看某段时间新增实例与分配栈。按业务包名过滤排除系统与第三方噪声。快照对比两次堆状态,找出新增实例类型。面板数据用于本地复现与验证修复,线上靠采样指标。
原理流程
记录分配 → 操作场景 → 停止记录
→ 按类/包过滤 → 实例计数 + 分配栈
代码或图示
视图:heap timeline / allocation callstack / class count
常见误区
- 不操作场景直接看面板,分配记录与行为对不上。
- 被系统类实例干扰,未按业务包过滤。
追问
- 如何对比修复前后?答:同场景两次录制,对比实例增长与堆峰值。
- Profiler 连接影响性能吗?答:采样分析有额外开销,结论以离线 release 复测为准。
07.1.1.11.1-054 图片内存占用如何估算与统计?
一句话结论
图片内存 ≈ 宽 × 高 × 每像素字节数,按解码后位图尺寸计算;统计各位图尺寸、采样率与缓存占用,避免按文件大小误判内存。
概念解释
磁盘上的压缩图片大小不等于内存占用;内存中是解码后的像素阵列。每像素字节数随色位配置不同。长图/大图按原始像素解码极易占满内存。统计:位图宽高、像素格式、数量与缓存引用,定位超尺寸图片。
原理流程
内存 ≈ width × height × bytesPerPixel
→ 按控件尺寸采样压缩
→ 统计位图缓存总量
代码或图示
ARGB_8888:4 字节/像素;采样率降低像素数
常见误区
- 用图片文件体积评估内存占用,低估解码后大小。
- 不按 ImageView 尺寸采样,原图全尺寸解码。
追问
- 大图 OOM 常见原因?答:超高分辨率图片按原尺寸解码,单图像素超堆上限。
- 图片缓存放内存还是磁盘?答:两级缓存,内存缓存设上限,见图片缓存相关章节。
07.1.1.11.1-055 大对象与短生命周期对象频繁分配的危害?
一句话结论
大对象直接抬高堆峰值与 OOM 风险;频繁短生命周期分配造成 GC 压力与抖动,打断帧处理。两者都需在热点路径控制分配规模与频率。
概念解释
大对象:单块内存占用高,连续空间不足时易触发 OOM;短生命周期对象:产生快、回收快,但 GC 频次上升。循环与绑定路径的临时对象累积成抖动。治理:对象复用、缓冲池、避免装箱与临时集合、大图按尺寸解码。
原理流程
大对象 → 堆峰值/连续空间压力
高频小对象 → 分配速率↑ → GC 频繁 → 抖动
代码或图示
热点路径检查:循环内 new、临时列表/字符串、装箱
常见误区
- 只盯大对象,忽视高频小分配造成的 GC 卡顿。
- 复用对象时引入线程安全或状态串用问题。
追问
- 哪些算大对象?答:大数组、大位图、长字符串/缓冲,阈值按堆规模判断。
- 如何量化分配热点?答:Profiler 按方法/包统计分配字节与次数。
07.1.1.11.1-056 静态集合/单例持有 Context 为什么泄漏?
一句话结论
静态字段与单例生命周期等同进程,持有 Activity/View 引用后,销毁页面无法被 GC 回收,形成典型泄漏;应持有 Application Context 或在退出时清理引用。
概念解释
静态集合随进程存活,把 Activity 实例放进去即长期持有。单例若构造或字段持有 Activity Context,同样锁死页面。修复:静态结构只存应用上下文或数据;页面引用在销毁时移除;回调反注册。引用链从静态字段直达销毁页面即泄漏。
原理流程
static list.add(activity)
→ activity 销毁 → 静态仍引用
→ GC 不可达回收失败 → 泄漏
代码或图示
// 反例:静态集合持有 Activity
object Cache { val views = mutableListOf<Activity>() }
常见误区
- 单例里缓存传入的 Activity Context 而非 ApplicationContext。
- 静态集合只 add 不 remove,退出页面不清空。
追问
- 为什么 Application Context 不容易泄漏页面?答:它本身就是进程级单例,不绑定页面销毁周期。
- 单例需要 View 引用怎么办?答:弱引用或销毁时清除,避免强持有。
07.1.1.11.1-057 匿名内部类/闭包持有外部引用如何排查?
一句话结论
匿名内部类、Lambda 闭包隐式持有外部类实例,若其被长生命周期对象(线程、回调、总线)持有,外部页面连带泄漏;排查引用链找到闭包/匿名对象这一跳。
概念解释
非静态内部类实例隐含外部类引用,闭包捕获外部变量同样持有外部实例。延迟执行的 Runnable、回调、订阅未取消时,闭包被后台持有,页面无法回收。LeakCanary 引用链中常见「匿名内部类 → 外部 Activity」节点。修复:静态内部类 + 弱引用,或及时取消任务。
原理流程
匿名/Runnable 捕获 Activity
→ 提交到线程/订阅持有
→ Activity 销毁,闭包仍存活 → 连带泄漏
代码或图示
button.setOnClickListener { /* 闭包持有 this@Activity */ }
常见误区
- 以为 Lambda 不持有外部类;捕获外部成员变量时同样持有。
- 线程任务结束后未清理引用,闭包被线程池残留引用。
追问
- 如何写成不持有外部类?答:静态内部类/顶层函数,必要时弱引用外部实例。
- 协程闭包泄漏怎么看?答:作用域取消后任务仍在执行,引用链到协程与调度器。
07.1.1.11.1-058 监听器/广播/回调未反注册的泄漏路径?
一句话结论
向总线、系统广播、传感器、定位等注册的监听器未在销毁时反注册,注册中心持有页面/回调引用,导致销毁对象被长期持有;修复是在对应生命周期反注册。
概念解释
注册方把回调对象存入全局或系统注册表,回调对象往往匿名持有页面。页面销毁时若不反注册,注册表仍引用回调。常见:EventBus 未 unregister、广播接收器未解注册、监听器未 remove。排查沿注册表 → 回调 → 页面引用链。
原理流程
注册:registry.add(listener(持有页面))
销毁:未反注册
→ registry 存活 → 页面不可回收
代码或图示
override fun onDestroy() {
bus.unregister(this)
sensorManager.unregisterListener(listener)
super.onDestroy()
}
常见误区
- 只在正常路径反注册,异常/重建路径遗漏。
- 反注册对象与注册对象不是同一实例,移除无效。
追问
- 如何自查注册配对?答:每个 register 对应生命周期内的 unregister,代码评审核对。
- 系统广播与应用总线泄漏有何不同?答:持有者分别是系统注册与应用单例,引用链起点不同。
07.1.1.11.1-059 WebView/第三方 SDK 泄漏如何处理?
一句话结论
WebView 与部分第三方 SDK 内部持有上下文、线程或单例,页面销毁时需按其规范显式销毁/释放;泄漏排查时把 SDK 内部持有者纳入引用链分析。
概念解释
WebView 初始化自带渲染线程与配置,销毁不当残留 View 与上下文。第三方 SDK 单例、缓存、回调也可能持有页面。处理:按库文档调用销毁/释放接口,分离 WebView 生命周期,SDK 全局回调避免传页面引用。这类泄漏根因常在 SDK 内部,需配合版本升级与上报反馈。
原理流程
页面销毁 → WebView/SDK 释放接口
→ 移除回调与引用
→ 仍泄漏:引用链到 SDK 内部 → 升级/反馈
代码或图示
webView.destroy() // 按规范在脱离布局后调用
常见误区
- 只移除布局不调 SDK 销毁接口,内部线程/缓存残留。
- 把页面实例传给 SDK 全局回调,被 SDK 单例持有。
追问
- WebView 独立进程能隔离泄漏吗?答:可隔离主进程内存,但自身进程释放仍需规范销毁。
- SDK 泄漏反馈需要什么信息?答:SDK 版本、复现场景、泄漏引用链与 hprof 摘要。
07.1.1.11.1-060 内存阈值与低内存回调(onTrimMemory/onLowMemory)?
一句话结论
系统在内存压力下回调 onTrimMemory/onLowMemory,应用据此释放缓存与非关键资源;理解不同级别回调时机,配合自设内存阈值主动回收。
概念解释
onTrimMemory 按级别提示进程内存压力(后台、中等、紧张等),onLowMemory 是更低内存兜底回调。应用在回调中清理内存缓存、释放可重建资源。自设阈值用于在接近堆上限前主动降级。回调级别语义与对应时机以系统文档为准(待确认)。
原理流程
系统内存压力 → onTrimMemory(level) / onLowMemory
→ 释放缓存/非关键资源
代码或图示
override fun onTrimMemory(level: Int) {
super.onTrimMemory(level)
memoryCache.clear()
}
常见误区
- 只在 OOM 时才释放资源,错过系统提示窗口。
- 回调中释放正在使用的资源,导致功能异常。
追问
- 各 trim level 如何解读?答:按系统文档级别含义区分后台释放与前台紧张,具体枚举待确认。
- 内存缓存如何响应回收?答:按级别裁剪缓存容量,保留可快速重建的部分。
07.1.1.11.1-061 OOM 与堆限制、碎片化的关系?
一句话结论
OOM 是申请内存时无法获得足够连续空间:可能是堆总量超限,也可能是碎片化导致大块分配找不到连续空间;Native 侧不足同样抛 OOM 类错误。
概念解释
Java 堆达到上限后新对象分配失败;即使总量有余,碎片化也会让大对象(大位图/数组)申请不到连续块。Native 内存耗尽、地址空间受限也表现为 OOM。归因看异常类型、堆与 Native 占用及分配对象大小。
原理流程
申请大块内存
→ Java 堆不足 / 碎片化无连续块 / Native 不足
→ OutOfMemoryError
代码或图示
排查:异常类型 + 堆存活量 + Native 占用 + 失败分配大小
常见误区
- 见到 OOM 就认为堆泄漏;可能是单张大图或 Native 增长。
- 只清理小对象,不解决大对象连续空间问题。
追问
- 位图 OOM 怎么预防?答:按尺寸采样、限制单图分辨率、控制图片缓存。
- 碎片化如何缓解?答:减少大块频繁分配与释放,复用缓冲。
07.1.1.11.1-062 内存增长如何做线上趋势监控?
一句话结论
线上按版本、页面、场景采样上报堆存活、峰值、分配速率与 GC 指标,观察趋势是否持续上涨;结合泄漏告警与版本对比定位回归引入的内存问题。
概念解释
线上监控不靠 hprof 全量分析,而是定期/节点采样堆统计。趋势比单点重要:某版本后存活量单调上涨提示泄漏;分配速率升高提示抖动。按页面进入/退出采样前后差值,定位特定页面泄漏。指标分档位与网络无关维度。
原理流程
采样节点:页面进入/退出、定时
→ 上报 heap 指标 → 趋势曲线
→ 持续上涨/异常峰值 → 泄漏排查
代码或图示
指标:page_heap_delta、heap_peak、alloc_rate、gc_count
常见误区
- 采样时机不一致,页面前后差值不可比。
- 只看总量不按页面拆分,泄漏定位不到模块。
追问
- 线上何时触发 hprof 分析?答:可疑泄漏告警后在受控环境复现或轻量分析,不在用户设备全量 dump。
- 内存指标如何防隐私问题?答:只上报数值与类名聚合,不上传对象内容。
07.1.1.11.1-063 泄漏修复后如何验证引用链断开?
一句话结论
复现场景销毁页面后触发 GC,确认目标对象不可达、堆中无残留实例;用 LeakCanary/Profiler 复验引用链已断开,多次进出页面观察内存稳定回落。
概念解释
修复验证要闭环:重现场景 → 销毁 → GC → 检查目标对象存活。多次进出页面看堆曲线是否回落而非阶梯上涨。引用链上的持有方确已解除(反注册/清引用/弱引用生效)。避免只改代码不复验,残留引用仍在其他路径。
原理流程
重复进入/退出 N 次 → GC
→ 检查页面实例计数回落
→ LeakCanary 无泄漏报告
代码或图示
对比:修复前后退出后堆曲线与实例计数
常见误区
- 改完只编译通过,不做销毁后可达性验证。
- 一次退出未观察到残留就认为修复,忽略延迟回收。
追问
- 弱引用一定能解决泄漏吗?答:弱引用持有者仍需在合适时机清理;强引用链未解时弱引用才放行回收。
- 如何自动化回归泄漏?答:关键页面进出场景接入 LeakCanary/堆断言测试。
07.1.1.11.1-064 多进程内存如何分别观测?
一句话结论
每个进程独立堆与 Native 内存,线上监控按进程名分组上报;主进程与子进程内存分别统计,避免子进程占用掩盖主进程问题或互相稀释。
概念解释
多进程下 Application 与各自组件在独立地址空间运行,内存占用累加在整体设备压力上。监控上报带进程名,区分主界面进程、推送/下载/WebView 子进程。子进程常驻内存与泄漏单独评估,必要时减少常驻进程数。
原理流程
各进程采集堆/Native 指标 → 上报带 processName
→ 分组聚合:主进程 / 子进程
代码或图示
指标维度:process / 页面 / 版本
常见误区
- 多进程指标合并统计,子进程泄漏被平均掩盖。
- 只关注主进程内存,忽略常驻子进程累积占用。
追问
- 子进程内存过高怎么治理?答:减少常驻、任务完成退出进程、限制子进程缓存。
- 跨进程共享内存如何统计?答:共享区域归属按系统统计口径,具体以工具呈现为准(待确认)。
07.1.1.11.1-065 缓存占用内存如何控制上限?
一句话结论
内存缓存设置最大容量上限(按字节或条目数),按淘汰策略回收最久/最少使用项;低内存回调时裁剪,磁盘缓存兜底可重建数据。
概念解释
缓存是主动占内存换取速度,必须有界。上限结合设备内存档位设定,淘汰策略保证热点保留。图片/数据缓存分内存与磁盘两级,内存不足时清内存缓存,从磁盘重建。监控缓存占用峰值,避免缓存成为隐性泄漏源。
原理流程
缓存写入 → 超上限 → 淘汰策略回收
→ onTrimMemory → 裁剪缓存
→ 需要时从磁盘缓存重建
代码或图示
LruCache<Key, Value>(maxBytes).apply { sizeOf { ... } }
常见误区
- 缓存只增不删,长期持有页面数据与大对象。
- 上限按条目不按字节,大对象缓存数量少却占大量内存。
追问
- 缓存淘汰策略选哪种?答:LRU 适合通用场景;按业务热度调整,具体实现按缓存库。
- 退出登录如何清缓存?答:清空内存缓存与对应磁盘条目,避免跨账号残留。
07.1.1.11.1-066 内存优化的收益如何量化对比?
一句话结论
同场景对比优化前后堆峰值、存活量、分配速率、GC 频次与 OOM/泄漏发生率;分档位统计,确认目标指标下降且未引入新抖动。
概念解释
内存优化收益要看趋势与风险:峰值降低、泄漏消除、分配速率下降是正向;不能以功能换内存导致缓存命中率骤降。对比控制场景与设备一致,多次取样取分位。上线后持续监控回归,防止新功能重新引入增长。
原理流程
基线采样 → 优化改动 → 同场景复测
→ 峰值/存活/分配/GC/泄漏对比
→ 线上趋势观察
代码或图示
对比表:版本 / 档位 / heap_peak / alloc_rate / leak_count
常见误区
- 只看单次堆截图,不看峰值与趋势。
- 优化后功能缓存被砍,用户体验下降未评估。
追问
- 内存优化最常见高收益项?答:图片尺寸采样、泄漏修复、缓存上限治理、循环分配消除。
- 如何防止优化回退?答:关键内存指标纳入版本门禁与自动化场景测试。
07.1.1.11.1-067 移动端功耗主要消耗在哪些硬件模块?
一句话结论
耗电主要来自屏幕、CPU 计算、网络通信、定位与传感器、音频外放、射频(蜂窝/Wi-Fi)与外设唤醒;每类模块被应用行为触发,功耗归因需对应到具体功能。
概念解释
功耗不是单一进程 CPU 时间决定:屏幕常亮、网络反复唤醒、定位持续扫描、传感器常开都会显著耗电。归因思路:把功能行为映射到硬件模块,再用系统功耗统计看各模块占比。后台场景尤其关注唤醒与网络,前台关注屏幕与计算。
原理流程
应用行为 → 硬件模块活动 → 电量消耗
屏幕 / CPU / 网络 / 定位 / 传感器 / 射频 / 音频
代码或图示
功耗拆解:按模块时长 × 单位功耗估算
常见误区
- 只看 CPU 占用判断耗电,忽略网络/定位/屏幕常驻。
- 后台耗电行为未被纳入评估。
追问
- 哪个模块通常最耗电?答:屏幕与网络射频常居前列,具体随使用场景变化。
- 功耗测量看什么工具?答:系统电量统计与 Battery Historian,见后续题目。
07.1.1.11.1-068 WakeLock 持有不当为什么耗电?
一句话结论
WakeLock 阻止 CPU/休眠进入低功耗状态,持有时长过长或未及时释放会让设备持续唤醒,显著增加耗电;必须配对获取与释放,并设置超时兜底。
概念解释
WakeLock 用于保证关键任务期间 CPU 不休眠。误用:获取后异常路径未释放、持有跨多个无关任务、超时缺失。即使应用退后台,未释放的 WakeLock 也阻止休眠。规范:最小化持有窗口,业务结束立即释放,设置超时兜底,必要时改用更轻量调度。
原理流程
acquire WakeLock → 任务执行
→ 正常/异常路径都 release
→ 超时兜底强制释放
代码或图示
wakeLock.acquire(10_000) // 带超时
try { doWork() } finally { wakeLock.release() }
常见误区
- 只在成功路径释放,异常路径泄漏 WakeLock。
- 长期持有 WakeLock 做轮询,设备无法休眠。
追问
- WakeLock 与后台限制关系?答:系统对后台 WakeLock 有管控,具体策略随版本收紧(待确认)。
- 如何检查 WakeLock 泄漏?答:系统电量统计中看各应用 WakeLock 持有时长。
07.1.1.11.1-069 AlarmManager 定时唤醒的功耗影响?
一句话结论
AlarmManager 每次触发都会唤醒设备执行任务,频繁闹钟唤醒打断休眠,累积耗电;应减少闹钟频次、用合并调度与宽松时间窗口替代精确高频唤醒。
概念解释
定时任务通过闹钟唤醒 CPU 执行,唤醒本身有固定成本。高频精确闹钟在后台反复拉起设备,功耗叠加。替代思路:允许延迟的任务用 Job/WorkManager 系统批量调度;必要闹钟设最小间隔与窗口。系统对精确闹钟有权限与版本限制(待确认)。
原理流程
闹钟到点 → 唤醒设备 → 执行任务 → 回休眠
频繁触发 → 反复唤醒 → 耗电累积
代码或图示
治理:降频 / 宽松窗口 / 系统作业调度替代
常见误区
- 用高精度闹钟做周期很短的轮询。
- 多个功能各自注册闹钟,唤醒次数未合并。
追问
- 精确闹钟适用什么场景?答:必须准点的提醒类;普通后台任务优先系统调度。
- 闹钟唤醒后任务过长有什么后果?答:延长 CPU 唤醒时间,耗电增加,需控制任务时长。
07.1.1.11.1-070 WorkManager/Job 调度频率如何影响功耗?
一句话结论
系统作业调度会把任务按充电、网络、空闲等条件批量合并执行,减少唤醒次数;调度频率过高、条件过松仍会反复唤醒,功耗取决于任务触发频次与执行时长。
概念解释
WorkManager/Job 面向可延迟任务,系统按窗口与条件合并执行,比自管闹钟省电。参数影响:最小间隔、约束条件(网络/充电)、重试与退避。频繁周期任务即使走系统调度也会多次唤醒;任务本身的网络/计算时长计入功耗。
原理流程
作业注册:约束 + 间隔 + 重试策略
→ 系统择机批量执行
→ 频次/时长决定功耗
代码或图示
PeriodicWorkRequestBuilder<SyncWorker>(15, TimeUnit.MINUTES)
.setConstraints(Constraints(requiredNetworkType = CONNECTED))
常见误区
- 以为用了 WorkManager 就一定省电;高频周期任务依旧反复唤醒。
- 作业约束过松(无网络条件),后台频繁触发。
追问
- 作业合并收益怎么评估?答:对比唤醒次数与作业执行时长,结合系统调度日志。
- 任务失败重试会叠加功耗吗?答:退避重试增加执行次数,需限制重试次数与间隔。
07.1.1.11.1-071 网络唤醒与轮询的功耗权衡?
一句话结论
每次网络请求都会唤醒射频与 CPU,高频轮询反复唤醒设备累积耗电;权衡实时性与功耗:按需推送替代高频轮询,轮询间隔按业务容忍度放大并配合系统条件约束。
概念解释
网络模块在数据传输期间处于高功耗状态,连接建立与射频唤醒有固定成本。轮询越频繁,唤醒次数与射频占用越多。方案权衡:实时性要求高用推送/长连接,可延迟数据用周期轮询并拉长间隔;请求合并、批量上报减少请求次数。弱网重试与超时设置也影响功耗。
原理流程
定时触发 → 唤醒射频/CPU → 发请求 → 回休眠
频次越高 → 唤醒次数/射频时长 → 耗电越高
代码或图示
权衡:实时性需求 ↔ 轮询间隔;批量合并请求
常见误区
- 用短周期轮询实现准实时,后台反复唤醒。
- 多个功能各自轮询,请求次数未合并。
追问
- 长连接是否省电?答:保持连接也有心跳与维护成本,需结合连接时长与消息频率评估。
- 弱网重试如何控功耗?答:退避重试、限制重试次数,避免失败反复建连。
07.1.1.11.1-072 定位、传感器、蓝牙常开的功耗影响?
一句话结论
定位、传感器、蓝牙等外设持续启用会保持对应硬件模块工作,显著耗电;按业务需要获取与释放,降低采样频率,离开场景立即关闭。
概念解释
定位分精度模式,高精度模式开启多模块融合耗电更高;传感器持续回调占用 CPU 与外设;蓝牙扫描与连接保持射频活动。治理:场景结束即注销定位/传感器、断开蓝牙;后台按最低必要精度;批量接收回调而非高频逐次处理。
原理流程
进入场景 → 开启外设/注册回调
场景结束 → 关闭外设/反注册
未释放 → 外设常开 → 持续耗电
代码或图示
override fun onDestroy() {
locationManager.removeUpdates(locationListener)
sensorManager.unregisterListener(sensorListener)
super.onDestroy()
}
常见误区
- 页面离开后定位/传感器回调仍注册,外设后台常开。
- 高精度定位用于普通位置判断,精度过剩耗电。
追问
- 定位精度模式如何选?答:按业务精度需求选低/高精度模式,具体模式参数以系统文档为准(待确认)。
- 蓝牙扫描耗电集中在哪?答:扫描期间射频与 CPU 活动,应控制扫描时长与间隔。
07.1.1.11.1-073 Battery Historian 如何分析耗电?
一句话结论
Battery Historian 解析系统电量统计输出,按时间线展示唤醒、屏幕、网络、定位、CPU 等事件与占比,用于定位某时段异常耗电的来源模块。
概念解释
工具把系统 battery 历史记录转换为时间线表格与图表,标注 WakeLock、广播、作业、网络、传感器、屏幕等状态变化。分析思路:先看耗电增量集中时段,再对照各模块事件找出持续唤醒或高频触发的行为。它做模块级归因,不到方法级;方法级需配合 Profiler。
原理流程
抓取 battery 历史记录 → 导入 Battery Historian
→ 时间线查看各模块事件
→ 定位持续/高频异常项
代码或图示
视图:时间线事件 + 模块耗电占比 + 唤醒明细
常见误区
- 期望工具直接给出代码根因;它定位到行为与模块,代码侧需再排查。
- 未控制测试场景(充电、网络状态),结论被外部因素干扰。
追问
- 数据从哪里抓取?答:系统电量统计导出,具体命令与版本支持以官方文档为准(待确认)。
- 与系统设置里的耗电排名有何区别?答:Historian 给时间线与事件细节,排名是汇总占比。
07.1.1.11.1-074 后台任务聚合与批量执行如何省电?
一句话结论
把分散的后台任务按时间窗口或条件合并,集中一次执行,减少 CPU/射频/外设唤醒次数;聚合以业务可延迟为前提,关键实时任务不被合并拖延。
概念解释
多个任务各自唤醒是功耗叠加,合并后一次唤醒完成多项工作。聚合手段:数据上报批量、配置/缓存刷新合并、作业约束统一(联网/充电/空闲)。代价是单次任务更长、数据实时性下降。需区分不可延迟的推送/提醒与可聚合的统计/同步任务。
原理流程
分散任务 → 等待聚合窗口/条件
→ 批量执行一次唤醒
→ 减少唤醒次数与射频占用
代码或图示
上报:本地缓存 → 批量flush;作业:统一约束 + 合并窗口
常见误区
- 为聚合把必须实时的任务延后,影响功能时效。
- 批量任务过大,单次执行时间长反而加重唤醒占用。
追问
- 聚合窗口怎么定?答:在数据时效要求与唤醒次数间取平衡,按业务分别设窗口。
- 批量失败如何处理?答:保留重试与退避,避免批量失败反复整批重传。
07.1.1.11.1-075 长连接与轮询的功耗权衡?
一句话结论
长连接靠心跳维持在线,轮询靠反复请求保持同步;两者功耗模型不同,选型看消息频率与实时性要求:消息频繁时长连接更省,消息稀疏时短轮询或按需推送更划算。
概念解释
长连接保持射频/链路与心跳开销,断线重连成本;轮询每次建连/请求有唤醒成本,间隔决定频次。消息高频时长连接摊薄单次成本;消息稀疏时长连接心跳持续耗电,轮询按间隔触发更省。实际还要考虑 NAT 超时、重连策略与服务端成本。
原理流程
长连接:链路保持 + 心跳 + 重连
轮询:周期请求 → 唤醒 → 回休眠
按消息频率/实时性选型
代码或图示
评估:心跳间隔 / 消息频率 / 重连成本 / 轮询间隔
常见误区
- 消息很少也维持长连接,心跳持续耗电。
- 把长连接心跳间隔设得过短,链路频繁活动。
追问
- 长连接心跳如何省电?答:按链路超时调整心跳间隔,空闲时降频,具体阈值结合网络环境(待确认)。
- 推送通道对功耗有何影响?答:系统推送通道复用系统级长连接,应用无需自持链路,优先采用。
07.1.1.11.1-076 屏幕渲染与亮屏时长对功耗的影响?
一句话结论
屏幕是前台主要耗电模块之一,亮屏时长、亮度与帧渲染工作量共同决定显示功耗;页面应避免后台持续刷新与无效动画,缩短无意义亮屏时间。
概念解释
屏幕常亮期间背光/显示持续耗电,复杂界面与动画增加 GPU/CPU 渲染工作。前台场景优化:页面不可见时停止动画与轮询刷新;避免离开页面后仍持续重绘;按业务控制屏幕保持亮屏策略。显示功耗主要由用户使用时长决定,应用能优化的是渲染负载与无谓刷新。
原理流程
亮屏 → 背光 + 渲染工作
后台/不可见 → 停止动画/刷新 → 降低渲染负载
代码或图示
治理:可见性回调停动画;避免无效重绘;合理使用保持亮屏标记
常见误区
- 页面退后台仍跑动画与定时刷新,持续渲染耗电。
- 长时间持有屏幕常亮标记,离开场景未释放。
追问
- 如何检测页面不可见停止渲染?答:生命周期/可见性回调中暂停动画与定时器。
- 亮度调节由谁控制?答:系统与用户设置为主,应用不主动拉高亮度。
07.1.1.11.1-077 充电与放电场景下的策略差异?
一句话结论
充电时设备供电充足,可放宽后台计算与同步;放电(电池供电)时收紧后台任务、降频与合并调度;策略按充电状态与电量档位切换。
概念解释
系统调度本身按充电状态调整,应用也可在作业约束中区分充电条件。放电态优先保续航:后台任务延迟、轮询拉长、定位降频;充电态可做批量同步、索引重建、预取。策略要在低电量时更激进地裁剪非关键行为,避免高电量才保守。
原理流程
判断充电状态/电量档位
→ 充电:放宽后台作业
→ 放电/低电量:收紧调度与外设
代码或图示
Constraints(requiresCharging = true) // 仅充电时执行
常见误区
- 放电与充电跑同一套后台策略,续航场景被后台任务拖累。
- 低电量未识别关键功能与可裁剪功能,一刀切影响体验。
追问
- 如何读取充电状态?答:系统电池状态广播/充电状态接口,具体 API 以文档为准(待确认)。
- 省电模式下应用要做什么?答:遵循系统省电限制,减少后台活动,具体限制随版本变化。
07.1.1.11.1-078 功耗如何归因到应用与具体模块?
一句话结论
功耗归因从系统耗电排行定位到应用,再按模块(CPU、网络、定位、外设、屏幕)与行为事件拆解,结合应用内埋点把耗电映射到具体功能。
概念解释
系统排行给出各应用耗电占比,但不到功能级。归因链路:应用耗电 → 模块事件(WakeLock、唤醒、网络、定位、传感器)→ 应用内功能标签。线上可上报唤醒次数、后台时长、外设使用时长等轻量指标;本地用 Historian/Profiler 做详细拆解。模块占比受使用场景影响,需分场景统计。
原理流程
系统排行:应用耗电占比
→ 模块事件拆解
→ 应用内功能标签归因
代码或图示
指标:wake_lock_ms / wakeup_count / network_active_ms / location_count
常见误区
- 只看应用总耗电,不拆模块与行为,无法定位优化点。
- 把前台正常使用耗电误判为后台异常耗电。
追问
- 线上能测模块级功耗吗?答:系统级电量统计需特定环境;线上多用行为时长/次数代理指标。
- 耗电异常先查什么?答:WakeLock 泄漏、高频唤醒、后台定位/长连接,见相关题目。
07.1.1.11.1-079 后台限制与省电模式对应用行为的影响?
一句话结论
系统按版本对后台唤醒、启动、定位、作业施加限制,省电模式进一步收紧;应用需适配这些限制,靠系统调度与条件约束运行,而不是绕过限制保活。
概念解释
后台限制随系统版本逐步收紧:后台服务、自启动、定位、闹钟与作业都受策略约束。省电模式下后台活动进一步受限。适配思路:可延迟任务走 WorkManager 约束调度,必要功能用合规的前台服务;理解限制边界,避免在低端/省电场景下行为失效或被系统查杀。具体限制清单以目标版本文档为准(待确认)。
原理流程
系统版本 + 省电模式
→ 后台限制策略
→ 应用按合规方式调度任务
代码或图示
合规路径:WorkManager 约束 / 前台服务(场景匹配) / 系统推送
常见误区
- 沿用旧版后台常驻思路,在新系统被限制后行为不稳定。
- 为保活绕过后台限制,增加耗电与合规风险。
追问
- 前台服务适用什么场景?答:用户可感知的持续任务(播放、导航、上传),需对应类型声明与权限(待确认)。
- 如何验证后台行为适配?答:在目标版本设备与省电模式下测试后台任务触发与存活。
07.1.1.11.1-080 日志与埋点上报本身的耗电如何控制?
一句话结论
频繁写日志、实时上报埋点会产生磁盘 IO、网络请求与唤醒,累积耗电;应控制日志级别、批量聚合上报、延迟批量发送,避免调试日志带入正式包。
概念解释
日志写盘是 IO,埋点上报是网络与唤醒。正式包关闭冗余日志,埋点本地缓存后批量 flush,按网络/充电条件上报。调试日志在构建期剥离;埋点避免逐条实时请求。上报频率与批量大小按续航权衡,崩溃等关键事件不延迟。
原理流程
事件产生 → 本地缓存/聚合
→ 批量时机(条件/阈值) → 批量上报
→ 控制 IO 与唤醒次数
代码或图示
策略:debug 日志剥离;埋点批量 + 退避;关键事件即时上报
常见误区
- 正式包保留详细日志写盘,IO 与存储成本叠加。
- 埋点逐条实时上报,网络唤醒频繁。
追问
- 日志在主线程写盘有何风险?答:既阻塞主线程又增加 IO 耗电,日志应异步落盘。
- 埋点批量丢失怎么办?答:本地持久化队列,批次失败重试,关键事件单独保障。
07.1.1.11.1-081 功耗对比测试如何设计才可比?
一句话结论
功耗对比需固定设备、电量、网络、亮度、场景与测试时长,控制变量后测量耗电增量或行为指标;多次取样排除偶发波动,分场景对比而非只看总续航。
概念解释
功耗受设备硬件、电池状态、网络信号、亮度、后台进程影响。测试规范:同型号设备、相近电量、统一网络与亮度、固定脚本场景;测量耗电百分比或唤醒/外设时长等代理指标。优化前后同脚本复测,覆盖前台与后台场景。单次测试波动大,需多次取趋势。
原理流程
固定环境与脚本 → 基线测量
→ 改动后复测同场景
→ 对比耗电增量/行为指标
代码或图示
对比项:设备 / 电量 / 网络 / 亮度 / 场景 / 时长 / 耗电增量
常见误区
- 不同设备或网络环境对比,耗电差异不可比。
- 只跑前台场景,忽略后台唤醒耗电。
追问
- 没有专业功耗仪怎么测?答:用电量百分比变化与系统行为指标代理,精度有限但可做趋势对比。
- 测试时如何排除其他应用干扰?答:相近环境、关闭无关后台,必要时干净设备测试。
07.1.1.11.1-082 功耗与实时性如何取舍?
一句话结论
实时性越高通常唤醒与链路越频繁、功耗越大;按业务分级:关键交互保实时,可延迟数据合并降频,在体验底线与续航之间设定分级策略。
概念解释
取舍本质是唤醒频次/链路保持 vs 响应延迟。分级:即时消息/提醒走推送或合规实时通道;统计/同步/预取可延迟合并;后台非关键任务降频。策略要可配置,按版本与用户反馈调整。不能为省电把核心交互延迟到不可接受,也不能为实时性无节制唤醒。
原理流程
业务分级:实时 / 准实时 / 可延迟
→ 分别选通道与频次
→ 监控体验指标与耗电指标平衡
代码或图示
分级表:功能 / 时效要求 / 通道 / 频次 / 约束条件
常见误区
- 所有功能按最高实时性实现,后台功耗失控。
- 一刀切降频,影响核心功能时效。
追问
- 如何判断某功能可延迟?答:用户是否等待其结果;不等待的后台数据可合并延迟。
- 取舍指标怎么监控?答:同时看耗电代理指标与功能时效/成功率指标。
07.1.1.11.1-083 Android 运行时的 JIT 与 AOT 编译模型?
一句话结论
ART 采用 Ahead-of-Time 与 Just-in-Time 结合的编译模型:安装/编译期 AOT 编译部分代码,运行期 JIT 解释与热点编译;编译状态影响方法执行速度与安装/存储权衡。
概念解释
早期 ART 全量 AOT,安装慢、占存储;现代 ART 结合 JIT 与 Profile-guided 编译:解释执行收集热点,按 profile 对热点方法 AOT 编译。代码分编译状态:解释、JIT 编译、AOT 编译。理解模型有助于解释「为什么同一段代码不同时机速度不同」。具体编译阶段与策略随 ART 版本演进(待确认)。
原理流程
安装/编译期:按 profile AOT 编译热点
运行期:解释执行 → 热点识别 → JIT/AOT 优化
代码或图示
编译状态:interpreter / JIT / AOT
常见误区
- 以为安装后所有代码都已 AOT 编译;实际按 profile 选择性编译。
- 把运行期首次慢执行全归为代码质量问题,忽略编译状态。
追问
- JIT 在 Android 上的角色?答:运行期收集热点并辅助编译决策,具体机制以 ART 版本为准(待确认)。
- 编译产物存哪?答:应用私有编译产物目录,具体路径与策略由系统管理(待确认)。
07.1.1.11.1-084 Baseline Profile 对启动与运行性能的作用?
一句话结论
Baseline Profile 是一份预编译方法/类列表,随 APK 下发后引导 ART 对这些代码优先 AOT 编译,改善启动速度、减少运行期 JIT 抖动与运行流畅度。
概念解释
BP 把目标路径上的代码提前纳入编译优化,避免首次运行时解释执行与 JIT 预热。收益集中在启动路径与高频交互路径:首启更快、运行期更少解释抖动。BP 是编译指引,不改变代码逻辑;覆盖路径越准收益越大。需配合 ProfileInstaller 在运行期完成下发与编译注册。
原理流程
生成 BP 列表 → 打包进 APK
→ ProfileInstaller 下发 → ART 按列表 AOT 编译
→ 启动/高频路径执行更快
代码或图示
BP 覆盖:启动路径 + 高频交互路径
常见误区
- 以为 BP 能优化所有代码;它只覆盖列表内路径。
- BP 生成后不随代码变更更新,覆盖失效。
追问
- BP 直接减少代码体积吗?答:主要改善执行速度;与压缩/优化是不同环节,见包体章节。
- 低端机收益更明显吗?答:通常编译/解释开销在弱机更敏感,收益需分机型实测。
07.1.1.11.1-085 Baseline Profile 与 R8 混淆优化的关系?
一句话结论
BP 管编译优化优先级(哪些代码提前 AOT),R8 管代码收缩、混淆与优化;二者作用层不同但协作:R8 重排/移除代码后需重新生成 BP,保证列表指向有效类与方法。
概念解释
R8 在构建期做 shrink/obfuscate/optimize,改变类名与可达性;BP 在运行期引导编译。R8 混淆后旧 BP 的类方法名需对应更新,否则匹配不上。生成 BP 通常在发布构建变体上进行,与 R8 输出一致。BP 规则与 keep 规则不同:BP 是编译指引,keep 是保留可达性。
原理流程
R8 处理产物 → 基于该产物生成 BP
→ 打包 BP → 运行期编译指引
代码变更/R8 规则变更 → 重新生成 BP
代码或图示
分工:R8 = 收缩/混淆/优化;BP = 编译优先级
常见误区
- 混淆后沿用旧 BP,列表条目失效。
- 把 BP 当作 keep 规则,混淆移除了目标类。
追问
- BP 条目在混淆后如何对应?答:基于发布变体产物生成,映射关系随构建流程处理,具体机制以工具链为准(待确认)。
- 未用 R8 的 debug 变体要 BP 吗?答:BP 主要服务发布性能,debug 通常不生成。
07.1.1.11.1-086 如何用 Macrobenchmark 生成 Baseline Profile?
一句话结论
Macrobenchmark 模块通过自动化启动与交互场景录制运行轨迹,生成对应 Baseline Profile;场景脚本覆盖启动与高频页面,生成的 BP 再合并进发布 APK。
概念解释
基准测试模块独立于应用,在受控设备上跑冷启动与交互用例,收集热点方法轨迹并产出 BP 文件。场景设计要代表真实首启与核心路径:启动到首帧、主页面滑动等。生成产物经构建流程打包进应用。具体插件配置与命令以 AGP/benchmark 库版本为准(待确认)。
原理流程
benchmark 模块编写场景脚本
→ 受控设备运行录制轨迹
→ 生成 BP 文件 → 合并进发布构建
代码或图示
场景:冷启动 / 首页滚动 / 核心页面进入
常见误区
- 录制场景只覆盖单一 happy path,BP 覆盖过窄。
- 在 debug/未混淆产物上生成,与发布产物不一致。
追问
- 生成 BP 需要连接真机吗?答:基准测试在受控设备/模拟器上运行,具体环境要求以库文档为准(待确认)。
- BP 多久更新一次?答:随版本与代码路径变化重新生成,见维护相关题目。
07.1.1.11.1-087 ProfileInstaller 在 BP 下发中起什么作用?
一句话结论
ProfileInstaller 是运行期组件,负责把 APK 内置的 Baseline Profile 注册给 ART,并在支持的设备上引导编译;不支持的设备安全降级,保证老版本不受影响。
概念解释
BP 打包后需要运行期组件与系统 ART 交互完成 profile 安装。ProfileInstaller 检测设备能力,支持则下发 profile,不支持则跳过并回退到默认 JIT/AOT 行为。它使 BP 方案在不同系统版本上兼容落地。具体 API 与集成方式以 AndroidX ProfileInstaller 版本为准(待确认)。
原理流程
应用启动 → ProfileInstaller 检测设备
→ 支持:注册内置 BP 给 ART
→ 不支持:降级默认行为
代码或图示
集成:依赖 ProfileInstaller;BP 文件位于构建约定位置
常见误区
- 以为打包 BP 即可自动生效,遗漏运行期安装组件。
- 老版本设备报错未做降级处理。
追问
- ProfileInstaller 有运行期开销吗?答:安装流程轻量,具体耗时与行为以库版本为准(待确认)。
- 如何确认 profile 已安装?答:基准测试与运行期指标对比,结合工具输出,具体验证方式待确认。
07.1.1.11.1-088 Baseline Profile 与启动优化如何分工?
一句话结论
启动优化解决「主线程做了多少工作」(任务裁剪、异步、布局轻量化);BP 解决「已执行代码编译得多快」;二者互补,先减工作量再靠 BP 提速剩余关键路径。
概念解释
启动慢有两类原因:主线程任务过重,与代码处于解释/JIT 状态执行慢。前者靠初始化调度、异步化、懒加载;后者靠 BP 提前编译热点。顺序上先梳理关键路径、裁掉非必要工作,再用 BP 优化保留路径的执行速度。两者收益叠加,不能互相替代。
原理流程
启动优化:裁剪/异步/懒加载 → 减少关键路径工作量
BP:关键路径代码提前 AOT → 单次执行更快
代码或图示
分工:工作量 ↓ 与 执行速度 ↑ 两条线并行
常见误区
- 只上 BP,主线程重任务仍在,启动改善有限。
- 只做任务裁剪,忽略编译状态导致首启解释执行慢。
追问
- 先做哪类优化?答:先定位关键路径工作量,裁掉冗余;再评估 BP 对剩余路径的提速。
- BP 能替代异步初始化吗?答:不能,BP 不减少任务数量与阻塞,只加快执行。
07.1.1.11.1-089 ART 编译产物的存储与权衡?
一句话结论
AOT 编译产物占用应用私有存储,编译越全占用越大;系统在安装、空闲充电等时机做编译取舍,BP 让有限编译资源优先服务热点代码。
概念解释
全量 AOT 提升运行速度但安装慢、存储占用高;纯解释/JIT 省存储但运行期预热慢。系统按设备存储、充电空闲状态与 profile 决定编译范围。BP 把编译预算集中到高频路径,在速度与存储间取得平衡。编译产物由系统管理,应用不直接操作其目录。
原理流程
编译预算有限 → 按 profile/BP 选热点编译
→ 产物存私有目录 → 速度与存储权衡
代码或图示
权衡:编译覆盖范围 ↔ 安装耗时 / 存储占用 / 运行速度
常见误区
- 期望所有方法都 AOT 编译,忽略存储与安装成本。
- 直接清理编译产物目录,交由系统管理。
追问
- 编译产物何时生成?答:安装期与运行期空闲/充电时机,具体策略随版本(待确认)。
- 存储紧张时系统如何处理?答:按策略调整编译范围,具体回收行为以系统文档为准(待确认)。
07.1.1.11.1-090 解释执行与热点代码识别机制?
一句话结论
未编译代码先解释执行,运行期统计方法调用/循环等热点信号,达到阈值后纳入编译;理解热点识别有助于解释首次使用慢、多次使用后变快的现象。
概念解释
解释执行逐指令解释,速度慢但无需编译预热;ART 在运行期收集热点信号(调用次数、循环回边等),热点进入编译队列。首次启动多为解释执行,反复使用的路径逐渐被编译。BP 相当于把预期热点提前标注,减少运行期识别等待。热点统计阈值与编译队列机制以 ART 实现为准(待确认)。
原理流程
首次执行:解释执行
→ 热点信号累积 → 达到阈值 → 编译优化
→ 后续执行走编译代码
代码或图示
现象:首用慢 → 多次后变快;BP 提前覆盖该路径
常见误区
- 把首次运行慢全部归因代码质量,忽略编译状态。
- 测试只跑第二次(已 JIT 预热),掩盖首启解释执行成本。
追问
- 如何测量解释执行影响?答:冷启动多次对比首帧与后续运行,结合基准测试。
- 热点识别受哪些因素影响?答:运行场景覆盖度与调用频次,BP 补充静态预期热点。
07.1.1.11.1-091 Baseline Profile 覆盖哪些路径,如何随版本维护?
一句话结论
BP 优先覆盖冷启动路径与高频交互路径;代码版本迭代后路径与类方法变化,需在每个发布周期重新录制生成,避免陈旧条目覆盖失效路径。
概念解释
覆盖原则:首帧必需类与方法、首页/核心列表滑动、常用页面进入。低频与异常分支不必纳入。维护流程:版本变更后跑 benchmark 场景重新生成 BP;新增核心路径补充进脚本;移除废弃路径。BP 过旧会出现条目对应不到代码、热点未覆盖。场景脚本本身随产品功能演进维护。
原理流程
版本迭代 → 更新 benchmark 场景
→ 重新录制生成 BP → 校验覆盖路径
→ 打包发布
代码或图示
覆盖清单:启动链 / 首页滚动 / 核心操作流
常见误区
- BP 生成一次长期沿用,代码重构后条目失效。
- 把低频页面也纳入 BP,编译预算分散。
追问
- 如何检查 BP 覆盖是否充分?答:基准对比启动/交互指标,结合热点轨迹补场景。
- 模块化项目 BP 如何组织?答:按模块/产物合并 BP,具体工具链约定以官方文档为准(待确认)。
07.1.1.11.1-092 Baseline Profile 在不同档位设备上的差异?
一句话结论
BP 收益随设备档位不同:弱机解释/JIT 开销占比高,编译提速感知更强;强机本身执行快,收益相对有限;验证需分档位实测,不能只看高端机数据。
概念解释
CPU 弱、存储慢的设备上解释执行与编译等待成本更敏感,BP 提前编译收益更明显;高端机原生执行快,改善幅度较小。设备档位也影响编译时机与存储预算。BP 落地后应在中低端机样本上验证启动与交互指标,分档对比收益,避免高端机结论推广。
原理流程
分档位设备运行基准
→ 对比有无 BP 的启动/交互指标
→ 弱机收益通常更显著
代码或图示
对比表:档位 / 冷启动 P50/P90 / 交互掉帧率
常见误区
- 只在高端机验证 BP 收益,低估长尾机型价值。
- 假设所有设备收益相同,不分档统计。
追问
- 低端机存储受限对 BP 有影响吗?答:编译产物占用受系统存储策略约束,具体行为待确认。
- 弱机首启慢还有哪些因素?答:IO、调度、内存压力,需结合启动分段综合分析。
07.1.1.11.1-093 类加载预热如何与 Baseline Profile 配合?
一句话结论
类加载预热提前把关键类读入并链接,BP 让这些类的方法优先编译;二者分别解决类加载等待与方法执行速度,配合覆盖启动关键路径。
概念解释
启动慢可能卡在类加载(dex 读取、链接)或方法解释执行。预热在空闲/后台提前加载首屏关键类,BP 对其方法做编译优化。分工:预热减少首次类加载阻塞,BP 减少方法解释开销。预热范围要克制,避免提前加载过多类抬高内存与 IO。二者收益在关键路径上叠加。
原理流程
关键类 → 空闲预热加载
关键方法 → BP 纳入编译
启动路径:类就绪 + 方法已编译
代码或图示
配合清单:首屏类集合 / 启动方法集合
常见误区
- 只做方法编译,忽略类加载仍在首启阻塞。
- 预热全量类,启动后内存与 IO 白耗。
追问
- 类加载预热有哪些手段?答:提前引用/加载关键类,具体方式与收益实测,避免反射加载不可控。
- 预热与 BP 重复吗?答:不重复,一个管类就绪,一个管方法编译状态。
07.1.1.11.1-094 如何验证 Baseline Profile 真正生效?
一句话结论
对比启用与未启用 BP 的受控基准测试,看冷启动与高频路径指标改善;并确认 profile 已在目标设备安装、条目匹配发布产物,排除「打包了但未生效」。
概念解释
验证分两层:产物层确认 BP 文件随发布包打包、ProfileInstaller 成功安装;指标层在受控设备对比有/无 BP 的启动分位与交互流畅度。基准测试固定场景与设备,多次取样。若指标无改善,检查覆盖路径、产物匹配与设备支持情况。具体安装状态查询方式以工具链为准(待确认)。
原理流程
确认 BP 打包 + 安装成功
→ 受控设备 A/B 基准对比
→ 启动/交互指标改善 → 生效
代码或图示
验证:BP 条目匹配 / 安装状态 / 基准 A/B 指标
常见误区
- 只确认文件存在,不验证运行期安装与指标改善。
- 测试环境已 JIT 预热,测不出 BP 首启收益。
追问
- 为什么冷启动测试要 force-stop?答:避免进程缓存与已编译状态干扰,见启动观测相关题目。
- 指标无改善先查什么?答:覆盖路径是否命中真实热点、产物是否混淆后失配、设备是否支持。
07.1.1.11.1-095 动态特性/插件化对 Baseline Profile 的影响?
一句话结论
动态下发模块与插件代码不在主 APK 的 BP 覆盖范围内,其代码首次运行仍走解释/JIT;BP 对主包静态路径有效,动态部分需单独评估编译与预热策略。
概念解释
BP 随 APK 打包,覆盖构建期已知类方法。动态特性模块按需下载、插件运行期加载,其轨迹不在原始 BP 内。主包 BP 优化主路径;动态模块首次使用可能有预热成本,可在加载后按热点逐步被 ART 编译。插件化类加载方式也影响编译识别。具体动态分发与编译机制以对应库/系统为准(待确认)。
原理流程
主包代码 → BP 覆盖
动态/插件代码 → 运行期加载 → 解释/JIT → 热点再编译
代码或图示
边界:构建期可见代码纳入 BP;运行期下发代码不纳入
常见误区
- 假设 BP 覆盖所有动态加载代码,实际未命中。
- 插件类未纳入 keep/可达性考虑,混淆后加载失败(见混淆章节)。
追问
- 动态模块能否自带 BP?答:按动态分发能力评估,具体支持以工具链版本为准(待确认)。
- 插件首屏卡顿如何缓解?答:加载后预热关键路径,控制插件初始化工作量。
07.1.1.11.1-096 类加载与方法执行计数如何观测?
一句话结论
通过 Profiler 轨迹、基准测试与运行期统计观察类加载时机、方法调用频次与编译状态;热点方法与关键类是预热和 BP 覆盖的候选对象。
概念解释
观测维度:类在何时被加载(启动期/首次使用)、方法被调用频次与自耗时、是否处于编译状态。Profiler 记录方法轨迹与分配;benchmark 输出热点轨迹;线上轻量上报关键路径耗时。观测结果反哺预热清单与 BP 场景。方法计数阈值与编译状态可见性受工具与版本限制(待确认)。
原理流程
录制轨迹 → 类加载时机 / 方法频次 / 自耗时
→ 热点与关键类清单
→ 预热 + BP 覆盖
代码或图示
观测产物:方法火焰图 / 热点列表 / 类加载时间线
常见误区
- 只看方法总耗时,不区分自耗时与等待时间。
- 把低频但单次重的方法与高频小方法混为一类治理。
追问
- 线上能拿到方法级计数吗?答:通常采样关键路径耗时,全量方法计数开销过大。
- 类加载慢如何单独打点?答:在关键类首次引用前后记录时间,结合类加载日志(具体能力待确认)。
07.1.1.11.1-097 性能基线门禁如何纳入版本流程?
一句话结论
把启动分位、掉帧率、内存峰值等关键指标设为版本门禁,CI 跑基准/场景测试对比基线,劣化超阈值阻断或告警;门禁分档位与场景设定,防止性能随迭代回退。
概念解释
性能门禁在合并/发布前自动跑受控基准,对比上一稳定版本基线。指标选可自动化、可复现的项:冷启动 P50/P90、核心场景掉帧率、堆峰值。阈值留合理余量,避免噪声误阻断;严重劣化阻断,轻微劣化告警跟踪。基线随版本达标后更新,避免门禁标准长期偏低。
原理流程
CI 触发基准测试 → 采集指标
→ 对比基线分位 → 超阈值阻断/告警
→ 达标后更新基线
代码或图示
门禁项:cold_start_p90 / jank_rate / heap_peak,分档位
常见误区
- 门禁只测高端机,低端长尾劣化漏网。
- 阈值过严导致误阻断,或过松形同虚设。
追问
- 基准测试不稳定怎么办?答:固定环境、多次取样取分位,剔除异常样本。
- 性能门禁与功能测试如何排期?答:关键路径纳入 CI,重基准按需在发布前跑。
07.1.1.11.1-098 性能问题排查的一般流程?
一句话结论
先复现并定义现象与指标,再按场景分段定位(启动/卡顿/内存/功耗),用工具采集阶段与堆栈/分配证据,归因到具体代码或行为,修复后同场景复测验证。
概念解释
通用流程:明确现象(慢/卡/内存涨/耗电)→ 固定复现场景与设备 → 采集指标与轨迹 → 分段缩小范围 → 定位根因 → 修复 → 复测对比。不同方向工具不同:卡顿看帧阶段与主线程栈,内存看堆趋势与引用链,功耗看唤醒与模块事件。避免凭感觉优化,每步用数据定位。
原理流程
现象 + 场景 → 指标采集
→ 分段定位 → 根因证据
→ 修复 → 同场景复测
代码或图示
排查树:启动 / 卡顿 / 内存 / 功耗 各分支工具与指标
常见误区
- 未稳定复现就开始改代码,结论不可验证。
- 只优化第一嫌疑点,不沿证据链确认根因。
追问
- 线上偶发性能问题怎么排查?答:采样指标聚类定位场景与版本,再到本地/受控环境复现。
- 多因素叠加如何排序?答:按指标影响面与分位劣化程度排优先级。
07.1.1.11.1-099 应用级性能指标体系如何搭建?
一句话结论
指标体系按启动、流畅度、内存、功耗四类组织,每类含核心分位指标与辅助过程指标,分版本/页面/档位采集,形成线上监控、告警与基线对比闭环。
概念解释
核心指标:启动时长分位、掉帧/卡顿率、堆峰值与泄漏、耗电代理指标;过程指标:分段耗时、分配速率、GC 频次、唤醒次数。采集带版本、页面、机型档位、场景标签。体系要口径统一、可对比、可下钻到页面与问题簇。指标不是越多越好,聚焦影响体验的关键项。
原理流程
指标分类 → 埋点采集(标签维度)
→ 聚合分位/趋势 → 告警 → 下钻定位
代码或图示
体系:启动 / 流畅 / 内存 / 功耗;维度:版本·页面·档位·场景
常见误区
- 指标口径在版本间不一致,趋势不可比。
- 只采总量不下钻页面,问题定位不到模块。
追问
- 指标上报开销如何控制?答:轻量数值采样,详细堆栈/轨迹按需补采。
- 如何选核心指标?答:对应用户可感知体验,优先启动、掉帧、泄漏、异常耗电。
07.1.1.11.1-100 性能优化的常见优先级如何排序?
一句话结论
优先级按影响面与收益成本排序:先修崩溃/OOM/泄漏等稳定性问题,再优化启动与核心路径卡顿、内存抖动,最后处理低频场景与锦上添花项;每项以数据收益验证。
概念解释
排序依据:影响用户比例、问题严重度、修复成本。高优先:线上崩溃与泄漏、首启与核心列表卡顿、明显内存增长;中优先:次要页面流畅度、后台功耗;低优先:低频场景打磨。避免在无数据支撑下做局部微调。优化顺序通常先定位瓶颈再投入,收益量化后再推广。
原理流程
问题清单 → 影响面 × 严重度 / 成本
→ 高优先治理 → 收益复测 → 中低优先排期
代码或图示
排序:稳定性 > 启动/核心流畅 > 内存泄漏/抖动 > 功耗 > 低频打磨
常见误区
- 先优化容易改的小项,高影响问题拖延。
- 优化无数据对比,无法判断收益是否值得。
追问
- 如何判断一个优化值不值得做?答:看目标指标影响面与分位改善,结合改动风险与成本。
- 优化后如何防止回退?答:纳入监控与门禁,关键场景自动化回归。
参考来源
- Android 性能概览(Performance overview)
- 应用启动优化(App startup)
- 内存管理与 Profiler(Memory)
- Baseline Profile 与 Macrobenchmark
- 电量与功耗优化(Power and battery)
待整理清单
- [ ] 核对各系统版本 FrameMetrics、onTrimMemory 枚举与后台限制的具体行为差异(待确认)
- [ ] 补充项目实际使用的卡顿/内存/功耗监控 SDK 指标口径与阈值
- [ ] 整理 Macrobenchmark 场景脚本与 Baseline Profile 生成流程的工程落地步骤
- [ ] 补充低端机分档标准与各档性能基线数值(待实测)
- [ ] 核对 ProfileInstaller、WorkManager 约束与前台服务类型的版本适配细节(待确认)
- [ ] 补充线上性能告警分级、采样率与问题簇治理流程实例