原生移动开发 / 系统课时
用 CPU Profiler 找热点
用 CPU Profiler 找热点
本课解决“CPU 占用很高但不知道代码贵在哪里”的排查问题。你会用 Android Studio CPU Profiler 采集一次具有代表性的操作,读取调用栈与时间分布,并判断热点究竟是高频调用、单次耗时,还是采样误差。CPU Profiler 支持采样或插桩方式记录 CPU 活动,再从调用关系定位性能问题。 ([Android Developers][1])
学习目标
- 能围绕一个明确的卡顿场景采集 CPU 数据
- 能从调用栈识别高 CPU 活动与长耗时方法
- 能避免把采样噪声误判为真正热点
先把问题变成一次可重复操作
不要一启动 Profiler 就连续录制几十秒。先定义一个具体动作,例如打开列表、执行一次搜索或点击一次“刷新”,然后准备固定的数据规模,让每次采样都针对同一条用户路径。
一个有效的采集窗口应尽量短,并且只覆盖“问题发生前后”的关键过程。这样做的价值是降低无关线程和后台活动对结果的干扰,也更容易把代码调用与用户操作对应起来。
选择采样方式并开始录制
对多数 CPU 热点排查,先使用 Sampled 方式即可。它通过持续采样线程执行时的调用栈,帮助发现哪些代码长期处于 CPU 活跃状态;需要精确观察方法进入和退出时间时,再考虑方法级插桩或系统 Trace。 ([Android Developers][2])
例如,假设待验证的方法是 refreshList(),可以先用一个简单的调试动作让它只执行一次:
import android.os.Bundle
import androidx.appcompat.app.AppCompatActivity
class DebugActivity : AppCompatActivity() {
override fun onCreate(savedInstanceState: Bundle?) {
super.onCreate(savedInstanceState)
setContentView(R.layout.activity_debug)
// 固定入口,便于每次录制都复现同一条路径
refreshList()
}
private fun refreshList() {
val values = (1..200_000).toList()
val result = values.filter { it % 3 == 0 }.sortedDescending()
println("result size=${result.size}")
}
}预期结果
result size=66667这个代码只是建立稳定的可复现场景;真正的 CPU 数据来自 Profiler,而不是 println()。录制时执行一次同样的操作,再停止录制并进入线程与调用栈视图。
从调用关系而不是单个方法名找热点
先看哪个线程真正消耗了 CPU,再展开调用栈。不要看到某个方法名字醒目就直接优化,因为被调用很多次的方法可能只是“累计时间高”,而单次执行很慢的方法则可能属于另一类问题。
可以用下面的思路区分:
| 现象 | 更值得关注的信号 | 常见处理方向 |
|---|---|---|
| 方法频繁出现 | 调用次数多、累计 CPU 活动高 | 减少重复计算、缓存、批处理 |
| 单次调用很重 | 某次执行跨度明显 | 拆分任务、降低复杂度、移出主线程 |
| 调用栈很深但样本分散 | 没有稳定聚集到一个热点 | 先扩大复现场景再判断 |
| 只有少量样本 | 出现次数太少 | 暂时不要当成主要热点 |
采样结果回答的是“线程运行时经常在哪里”,不等价于“这个方法每次究竟用了多少毫秒”。因此,热点判断应结合调用栈聚集程度和复现时机,而不是只看一个数字。 ([Android Developers][2])
识别采样噪声
一个常见误区是把只出现少数几次的系统调用、日志方法或偶发 GC 相关栈当成业务热点。采样本质上是在离散时间点观察正在运行的线程,生命周期很短的方法可能刚好没有被采到;需要观察短生命周期方法时,应改用方法追踪等更适合的方法。 ([Android Developers][3])
因此,优化前至少复现两次:第一次用于发现候选热点,第二次确认热点是否稳定存在。若两次录制的主要调用路径完全不同,先检查操作是否真的一致,再决定是否修改代码。
最后,把热点转换成可验证的改动:例如减少 refreshList() 的重复排序,再重新录制同一动作。只有修改后热点占比、操作耗时或主线程活动确实下降,才算完成一次有效的 CPU 排查。