原生移动开发 / 系统课时
用 Baseline Profile 优化启动
用 Baseline Profile 优化启动
Baseline Profile 不是简单减少 APK 体积,而是告诉 Android Runtime 哪些关键代码路径值得预先编译。把启动场景纳入 Profile 后,再用 Macrobenchmark 比较启用与禁用 Profile 的冷启动数据,才能判断优化是否真正生效。
学习目标
- 理解 Baseline Profile 如何改善启动关键代码的编译状态
- 能用 Macrobenchmark 测量启用与禁用 Profile 时的启动差异
- 能区分 TTID 与 TTFD,并使用中位数判断优化效果
Baseline Profile 优化的是什么
应用安装后,并不是所有 DEX 代码都以最适合当前设备的形式立即完成 AOT 编译。Baseline Profile 描述高价值代码路径,让 ART 在可用的安装与编译流程中优先优化这些路径;它不仅可覆盖启动代码,也可以覆盖滚动、导航等关键用户旅程。Android 官方文档目前建议使用 Baseline Profile Gradle Plugin 配合 Macrobenchmark 生成和维护 Profile。([Android Developers][1])

这里要注意 Baseline Profile 与 Startup Profile 的范围并不完全相同。Baseline Profile 可以包含完整启动优化路径以及其他关键交互路径;Startup Profile 更聚焦启动阶段的代码布局与启动路径。课程本节关注的是用 Baseline Profile 改善实际启动表现。([Android Developers][1])
先建立一个可重复的启动基准
Macrobenchmark 提供 StartupTimingMetric 来测量启动时间,并区分 timeToInitialDisplayMs 与 timeToFullDisplayMs。官方建议比较启动性能时重点观察中位数,因为它更能代表一次基准测试中的典型结果。([Android Developers][2])
下面是一个最小的冷启动基准片段,假定 benchmark 模块已经正确配置并能访问目标应用:
import androidx.benchmark.macro.CompilationMode
import androidx.benchmark.macro.StartupMode
import androidx.benchmark.macro.StartupTimingMetric
import androidx.benchmark.macro.macrobenchmark
import androidx.test.ext.junit.runners.AndroidJUnit4
import org.junit.Rule
import org.junit.Test
import org.junit.runner.RunWith
@RunWith(AndroidJUnit4::class)
class ColdStartupBenchmark {
@get:Rule
val benchmarkRule = androidx.benchmark.macro.junit4.MacrobenchmarkRule()
@Test
fun startupWithBaselineProfile() = benchmarkRule.measureRepeated(
packageName = "com.example.app",
metrics = listOf(StartupTimingMetric()),
compilationMode = CompilationMode.Partial(
baselineProfileMode = androidx.benchmark.macro.BaselineProfileMode.Require
),
iterations = 10,
startupMode = StartupMode.COLD
) {
androidx.benchmark.macro.StartupMode.COLD
macrobenchmark {
androidx.test.uiautomator.UiDevice.getInstance(
androidx.test.platform.app.InstrumentationRegistry.getInstrumentation()
).pressHome()
}
}
}预期结果
基准测试完成后输出 StartupTimingMetric 的启动耗时统计,包括 timeToInitialDisplayMs 等指标;实际毫秒数取决于设备、构建类型和应用代码。上面的调用形式用于说明基准测试参数。实际工程中,应按当前 Macrobenchmark 模块模板生成的 API 结构编写测试;核心验证维度是 StartupTimingMetric、StartupMode.COLD 与带 Baseline Profile 的 CompilationMode。官方文档也建议在真实物理设备上进行性能测量,因为模拟器结果可能受宿主机资源影响。([Android Developers][2])
生成并接入 Baseline Profile
当前官方推荐使用 Android Studio 的 Baseline Profile 模块模板或 Macrobenchmark 模板。完成生成器后,可以运行 :app:generateBaselineProfile 或对应变体任务;生成结果会被复制到应用模块的 generated baselineProfiles 目录。([Android Developers][3])
./gradlew :app:generateBaselineProfile预期输出
BUILD SUCCESSFUL in <TIME>随后重新构建用于测试的发布型变体,再重复执行相同的冷启动基准。比较时不要只跑一次,也不要把不同构建类型、不同设备或不同启动状态混在一起。基准环境应尽量接近生产版本;Macrobenchmark 官方也建议使用接近 release 的、非 debuggable 构建进行性能测试。([Android Developers][4])
怎样判断优化真的有效
先记录没有 Profile 时的中位数,再记录带 Profile 时的中位数。若 TTID 降低,说明首帧更早出现;若 TTFD 也降低,则说明用户真正可用的启动路径同样得到改善。TTID 和 TTFD 关注的是不同阶段,不能只用其中一个指标代表全部启动体验。([Android Developers][2])
完成一次有效验证后,应把关键启动路径纳入 Profile 生成场景,而不是只覆盖启动 Activity 的形式调用。这样得到的 Profile 才更接近真实用户旅程,也更容易在后续版本中持续验证其收益。([Android Developers][3])