本⽂出⾃于“ 「2021 友盟+ 移动应⽤性能挑战赛」 ” 中的参赛作品， 该⽂章表述了作者如何借助 友盟+ U-APM
⼯具进⾏了性能优化。
作为⼀款倒计时⽇历 APP， 我们需要对每个⽇期实时显示倒计时并精确到秒。但是我们的 app 在滑动刷新数据时，会出现卡顿。卡顿在很⼤程度上取决于设备的 CPU 和其他消耗 CPU 时间的进程。于是我们尝试使⽤了
友盟 + U-APM 内存分析对 APP 进⾏分析：
通过观察内存的分布， ⼤部分程序的运⾏都处于可预测的范围内， 我们需要更加细粒度地进⾏测 试。
启动 Android Profiler Tool Window , 打开CPU Profiler并选择正确的时间线。连接我们的测试 设备并再次进⾏滑动刷新， 可以看到Profile线程被添加到应⽤进程并消耗了额外的 CPU 时间。 看看 Logcat：
| I/Choreographer: Skipped 147 frames! The application may be doing too much |
查看 CPU Profiler 时间线：
图表上⽅有⼀个视图表示⽤户与应⽤程序的交互。所有⽤户输⼊事件在此处显示为紫⾊圆圈。可以看到⼀个圆圈，代表我们为刷新数据⽽执⾏的滑动。在事件下⽅，有⼀个 CPU 时间线，它以图形⽅式显示了与可⽤ CPU 总时间相关的应⽤程序和 其他进程的 CPU 使⽤率。还可以查看应⽤程序正在使⽤的线程数。
底部可以看到属于应⽤进程的线程活动时间线 。每个线程处于由颜⾊指示的三种状态之⼀： 活动（绿⾊） 、等待（⻩⾊） 或睡眠（灰⾊） 。
在列表顶部， 可以找到应⽤程序的主线程。在我的设备 (Nexus 5X) 上，它使⽤的 CPU 时间⼤ 约 5 秒。我们可以记录⼀个⽅法跟踪来查看。
在滑动之前单击“记录”按钮以刷新操作并在数据刷新完成后⽴即停⽌记录⏹：
我们将从第⼀个选项卡中显示的图表开始分析。横轴代表时间的流逝。
调⽤者及其被调⽤者 （从上到下） 显示在垂直轴上。⽅法调⽤也通过颜⾊区分，具体取决于是调 ⽤系统 API、第三⽅ API 还是我们本地函数。每个⽅法调⽤的总时间是⽅法⾃身时间及其被调⽤者时间的总和：
从这张图表中，可以推断出性能问题出在generateItems⽅法内部。为了证实我们的推断，我们⼜使⽤了
进⾏了线上测试，测试结果和前⽂相同，下图是
的卡顿分析测试，图中展示了主要是哪些⽅法造成了CPU的⾼耗时，导致了卡顿情况的发⽣：
⽕焰图揭示了哪些⽅法占⽤了宝贵的 CPU 时间，并聚合了相同的调⽤堆栈：
发现了两个可疑的地⽅， getRemainingTime 整个⽅法执⾏时间达到2 秒以上，LocalDateTime.format 占⽤ CPU 时间 1 秒以上：
此时间还包括线程未处于活动状态的时间段。另外， 可以切换要在线程时间中显示的计时信息。最后⼀个选项卡中的图表显示按 CPU 时间消耗降序排列的⽅法调⽤列表。该图表提供详细的计 时信息 （以微秒为单位） ：
从图表中获取消耗过多 CPU 时间的⽅法的计时信息。将它们与调⽤堆栈中的两个⽅法相关联：
class method total time (in ms) percentage of recorded duration
Sample1Activity refreshData 3027 89.28
Sample1Activity generateItems 3025 89.22
Sample1Activity getRemainingTime 1723 50.83
LocalDateTime format 1003 29.59
可以看到 getRemainingTime 和 LocalDateTime.format 消耗了超过 80% 的时间。为了解决 卡顿问题， 我们需要从这⾥⼊⼿。那么该怎么办？ 聪明的读者可能已经提出了⼏种解决⽅案。 由于我们执⾏了⼤量计算， 所以我们 将只为少数当前显示和准备显示的项⽬调⽤getRemainingTime 和 LocalDateTime.format ⽅法。
为了实现它， 我们需要更新 Item 属性， 保存必要的数据以便稍后执⾏格式化：
| data class Item(val now: LocalDateTime, val offset: Int) |
这需要在 generateItems 和 bindItem 函数中应⽤以下更改：
private fun generateItems(): List<Item> {
val now = LocalDateTime.now()
return List(1_000) { Item(now, it + 1) }
}
private fun bindItem(holder: ViewHolderBinder<Item>, item: Item) = with(
val date = item.now.plusDays(item.offset.toLong()).toLocalDate().atS
val remainingTime = getRemainingTime(item.now, date)
我们内联了 createItem 函数， 现在所有函数都在 bindItem ⽅法内部。在我们的代码修改⽣效之后， 重新启动 CPU Profiler 并记录⽅法的运⾏情况。
为了检查我们的优化是否成功， 我们需要查看 Call Chart ：
将⿏标移到 generateItems 函数上，会发现现在耗时约为0.3 秒。⽐优化前减少了 13 倍以上的 CPU 时间 。为了确保我们的更改不会对 bindItem ⽅法的耗时 造成负⾯增益，我们切换到⽕焰图标来检查bindItem的总耗时。如图所示，它最多消耗 0.1 秒：
此外， 我们可以进⾏滚动测试， 以确保我们的代码优化不会影响整体应⽤程序的性能， 并且在滚 动过程中加以记录。测试发现滚动之后不会再出现卡顿和掉帧的情况了。成功！代码已优化！Android Profiler 和
友盟+U-APM都是很好的测试⼯具。如果我们追求流畅的⽤户体验， 那么 使⽤这些优秀的 debug ⼯具是⼗分必要的。在本⽂中， 我主要关注性能调优。
但是， 本⽂中未涵盖的 Android Profiler 的 Memory Profiler 和 Network Profiler，
友盟+U-A PM的内存分析、OOF 异常和内存占⽤也同样值得研究。记录内存分配对查找内存泄漏有很⼤帮助， 例如代码中有没有回收 bitmap。⽆论如何， 使⽤恰当的分析⼯具可以带来多项优化成果， 期待读者们的⾃⾏探索。
作者：查宇