原生移动开发 / 系统课时
用基准测试测量启动耗时
用基准测试测量启动耗时
手工按秒表测启动速度很容易受到点击时机、设备状态和后台任务影响。更可靠的做法是建立固定启动场景,让测试框架重复执行并统计启动指标,从而把“感觉慢”变成可以比较的数据。
学习目标
- 能使用 Android Macrobenchmark 建立启动耗时测试。
- 能理解重复启动、预热和测试环境对结果的影响。
- 能根据基准结果判断后续应该分析启动链路还是测试条件。
选择稳定的启动测量方式
Android 的启动性能适合使用 Macrobenchmark 做端到端测量,因为测试运行在独立进程中,可以启动被测应用,再通过系统级性能指标记录启动时间。对于这类问题,重点不是单次跑出一个漂亮数字,而是在相同设备、相同构建和相同启动条件下获得可重复的结果。
对于“打开首页需要多久”这类问题,可以使用 StartupTimingMetric。它会把应用启动过程中的关键时间转换成基准测试结果,适合比较代码改动前后的变化。
建立一个最小启动基准
下面是一个 Macrobenchmark 测试片段。它假设测试模块已经配置好 Macrobenchmark,且 <APP_ID> 已替换成实际 applicationId。测试目标是启动默认入口 Activity,并在每次测试前结束目标应用,尽量保持冷启动条件一致。
package com.example.benchmark
import androidx.benchmark.macro.StartupMode
import androidx.benchmark.macro.StartupTimingMetric
import androidx.benchmark.macro.junit4.MacrobenchmarkRule
import androidx.benchmark.macro.junit4.measureRepeated
import org.junit.Rule
import org.junit.Test
class AppStartupBenchmark {
@get:Rule
val benchmarkRule = MacrobenchmarkRule()
@Test
fun coldStartup() = benchmarkRule.measureRepeated(
packageName = "<APP_ID>",
metrics = listOf(StartupTimingMetric()),
iterations = 5,
startupMode = StartupMode.COLD
)
}预期结果
Test 执行后会产生 StartupTimingMetric 的启动耗时统计结果。
结果通常包含中位数等统计信息,具体数值取决于设备、系统版本、构建类型和应用本身。这个示例的关键不是把 iterations 当成越大越好,而是让同一测试在稳定环境里重复运行。实际项目中可以结合测试任务报告观察启动耗时的分布,并在代码改动前后使用完全相同的测试条件比较。
让测试结果具有可比性
启动基准尤其容易被环境污染。测试前应尽量关闭会持续产生大量后台负载的任务,并使用固定设备、固定系统版本和固定构建类型。调试构建、性能插桩和额外日志都可能改变执行路径,因此不要把开发环境中的结果直接当成最终性能基线。
还要明确你测量的是哪一种启动。冷启动使用 StartupMode.COLD,而温启动和热启动属于不同测试条件。假如业务问题是“应用从后台返回仍然慢”,却只运行冷启动基准,那么即使测试结果稳定,也可能没有覆盖真正的问题场景。
用结果定位下一步问题
当启动耗时明显偏高时,基准测试回答的是“启动结果有多慢”,并不会自动告诉你“究竟是哪一行代码慢”。下一步应把关注点缩小到应用进程初始化、Activity 创建、首次布局、首次绘制以及主线程上的同步工作。
例如,多次运行后冷启动的中位数持续升高,且改动集中在 Application 初始化代码,那么应继续检查依赖注入、数据库、磁盘访问和同步初始化;如果冷启动稳定而热启动异常,则应转向任务栈恢复、Activity 状态恢复和界面重新呈现路径。
启动性能优化不应只追求一次运行中的最小值。更可靠的判断方式是:固定启动类型,固定测试环境,重复测量,并用统计结果确认改动是否稳定改善了同一条启动路径。