ARTHook实战 小结 项目GitHub 背景介绍 前面提到过两种自动化自动化检测方案: AndroidPerformanceMonitor和ANR-WatchDog; 需要本方案的原因:自动化卡顿检测方案无法满足所有场景 ; 如,有很多Message要执行, 但是所有Message的时间, 都没有达到自动化卡顿检测方案所配置的卡顿的判定阈值, 那这种情况,自动化卡顿检测方案对这些“较小型”的卡顿问题便无能为力了; 可是这些没有达到卡顿的判定阈值的“较小型”的卡顿问题, 却会一直影响用户体验,这显然是不行的!! 需要建立体系化的卡顿解决方案, 便要尽早地尽可能多地暴露问题,补充已有方案的不足; ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ 需要关注的单点问题 View绘制等; 下面以主线程IPC为例, 因为IPC其实是一个很耗时的操作, 但实际开发时很多时候都没有得到足够的重视, 偶尔还会在主线程进行IPC操作,以及频繁的调用, 而这种耗时其实很少达到卡顿的阈值
AndroidPerformanceMonitor implementation 'com.github.markzhai:blockcanary-android:1.5.0' AndroidPerformanceMonitor 是一个检测卡顿的开源库 而其使用与LeakCanary也比较相似,可以自主设置卡顿检测时间,检测到的卡顿同样是以Notification展示,在使用体验上也相当类似,与LeakCanary可以说是孪生兄弟。 提示框(Room表现不一,有些手机厂商会把提示框给去掉) ANR 解决方式 adb pull data/anr/traces.txt存储路径,然后分析CPU、IO及锁 ANR 测试 //给主线程造成卡顿 检测组件 https://github.com/SalomonBrys/ANR-WatchDog 使用:new ANRWatchDog().start(); 原理 ANR-WatchDog同样是一个检测卡顿的检测库 AndroidPerformanceMonitor与 ANR-WatchDog 区别 AndroidPerformanceMonitor:监控Msg ANR-WatchDog:看最终结果 前者适合监控卡顿
从网上下载的资源用PS打开有时候会很卡顿以下几个方法可以让PS很丝滑 删除冗余的元数据,如何查看元数据菜单(文件)--文件简介(alt+ctrl+shift+i)--原始数据 有时候会显示meta数据过大无法显示
一、卡顿原因 屏幕1秒60帧,平均每帧16.6毫秒,如果代码实现不佳,或者过于复杂,导致一帧绘制时间大于16.6毫秒,则无法完成绘制,造成丢帧,连续出现掉帧,在现象上表现为卡顿。 默认情况下,性能分析器只会将卡顿帧显示为有待调查的候选对象。在每个卡顿帧中,红色部分突出显示了相应帧超出其渲染截止时间的时长。 image.png 发现卡顿帧后,点击该帧;可根据需要按 M 键调整缩放程度以聚焦到所选帧。 若要调查导致卡顿的确切细节,您可以查看 Threads 部分,其中会显示与界面呈现有关的线程。 这些线程与界面呈现有关,可能是导致卡顿的原因。 如需在 Android 10 或更低版本上检测卡顿情况,请执行以下操作: 查看 Display 中的 Frames 轨迹。
这就是界面卡顿的原因。 所以,卡顿造成的原因分为CPU卡顿和GPU卡顿,CPU卡顿可以用CADisplayLink来检测,UI更新卡顿可以用Runloop的mode来检测 监测卡顿:开一个子线程,利用displaylink或者 Runloop来监测卡顿; 收集堆栈:将卡顿时的堆栈收集起来; 上传记录:将卡顿上传到后台或自定义; 这里我引用一张微信开发团队的监测流程图: 二、Runloop检测卡顿 首先我们来看一个 所以通过比较dispalylink的更新时间就可以知道是否存在卡顿 - (void)updateTime{ if (! 2、上传位置,一种是自己建立后台来统计这些卡顿,嫌麻烦的话是利用第三方平台、如友盟(统计崩溃比较多)、听云、OneApm、博睿,都大同小异。
我们将探讨如何通过腾讯云直播服务实现“秒开”和低卡顿率,满足用户对直播服务的高要求。 技术解析 核心价值与典型场景 云直播技术通过实时传输视频内容,为用户提供低延迟、高画质的直播体验。 3大关键挑战 性能瓶颈:直播服务需要处理高并发访问,确保流畅播放,避免卡顿。 安全风险:直播内容易遭盗播,需要有效的安全防护措施。 成本控制:直播服务涉及大量数据传输,如何优化成本是一大挑战。 操作示例:在云直播控制台配置CDN加速,选择覆盖区域,确保全球用户都能获得低延迟访问。 步骤3:实施专业视频处理 原理说明:云端转码和音视频处理服务可以提升视频质量,适应不同播放环境。 步骤5:智能学习与数据分析 原理说明:利用AI技术进行内容识别和数据分析,提升用户体验和服务质量。 操作示例:启用智能鉴黄、智能字幕等功能,并通过数据统计分析优化直播效果。 以上指南提供了实现云直播“秒开”和低卡顿率的技术解析、操作指南及增强方案,旨在帮助用户利用腾讯云产品构建高效、安全、经济的直播服务。
低代码平台的性能优化:解决页面卡顿、加载缓慢问题 低代码平台的页面由“描述型 Schema + 运行时引擎 + 组件库”动态拼装而成,性能问题常来自大体量 Schema 解析、海量组件渲染、表达式计算、 滚动卡顿:列表渲染过多、布局/重绘频繁、事件处理未节流、动画未合成到合适的层。 操作延迟:INP 高,表达式/校验在主线程密集执行、状态更新产生级联重渲染。 低端设备/弱网:CPU/内存瓶颈、网络握手与下载慢、缓存命中率低。 监控与诊断(低代码场景必备维度) Web Vitals:采集 LCP/CLS/INP,按 route/pageId/device 打标签。 加载阶段优化(把包与资源“变小、变快”) 代码分割:低代码构件按“页面级/组件族级/编辑器/运行时”拆分,import() 懒加载。
; 实现成本低,单纯的采用CADisplayLink实现; 更适用于开发阶段。 RunLoop监听 原理:卡顿是在主线程进行了耗时的操作,可以添加Observer到主线程的Runloop中,通过Runloop状态切换的耗时,达到监控卡顿的目的。 卡顿监控起一个子线程定时检查主线程的状态,当主线程的状态运行超过一定的阈值,则认为主线程卡顿,从而标记为一个卡顿。 分析实现: 使用Runloop进行卡顿监控,定义一个阈值判断卡顿的出现,记录下来上报到服务器。 假定连续5次超时50ms认为卡顿(也包含单次超时250ms) // 开始监听 - (void)startMonitor { if (observer) { return;
青年时代的锻炼比黄金还贵——佚名 今天idea很卡,经常卡死动不了崩溃,明明内存分配了很高,使用率也很低,但还是卡死 最后把所有插件禁用掉,发现不卡了,于是一个插件一个插件启用,直到又出现崩溃
前言 在日常业务测试中经常会发现页面跳转卡顿、滑动卡顿等等卡顿问题,但是往往发生了卡顿问题也没有什么具体信息提供给开发同学排查问题,所以也就不了了之了。 Blockcanary介绍 介绍 Blockcanary是@markzhai开发的检测app主线程卡顿工具,不需要在代码中插桩和debug代码就能检测出卡顿。 log日志 根据上面的配置代码并打包app,进行手工测试如果主线程卡顿超过1000ms,会在手机sdcard/BlockTest目录下生成卡顿日志。 卡顿文件包含几点: 发生时间 版本 imei cpu型号 内存 卡顿堆栈 上报log日志 之前方式的卡顿日志需要连接该设备把log手动导出来分析,或者在卡顿弹框中展示,这样并不能做到日志持久化和做后期的数据分析 项目 我们模拟一个Demo项目来模卡顿,点击block按钮后sleep2秒来模拟卡顿。 卡顿日志:
btnStartRead.Enabled = true; UiRefresh(null); } 正常运行时: 点击停止读: 正常读,拔掉通讯线,界面不卡:
实际卡顿可能是这段时间内某个函数的耗时过大导致卡顿,而不一定是T2时刻的问题,如此捕获的卡顿信息就无法如实反应卡顿的现场。 我们看看在这之前微信iOS主线程卡顿监控系统是如何实现的捕获堆栈。 采样频率与性能消耗 目前我们的策略是判断一个卡顿是否发生的耗时阈值是80ms(5*16.6ms),当一个卡顿达80ms的耗时,采集1~2个堆栈基本可以定位到耗时的堆栈。 卡顿堆栈上报到平台后,需要对上报的文件进行分析,提取和聚类过程,最终展示到卡顿平台。前面我们提到,每一次卡顿发生时,会高频采样到多个堆栈信息描述着这一个卡顿。 这里要注意几点: 1、采样堆栈信息的频率和卡顿耗时的阈值均可在SDK中设置; 2、SDK默认判断一个卡顿是否发生的耗时阈值是80ms(5*16.6ms) 3、采样堆栈的频率是52ms(约3帧+,尽量错开系统帧率的节奏 App不同所以没有集成到SDK中 5、monitor start后一直监控主线程, 包括切换到后台时也会,直到主动stop或者app被kill。
多配置中心,解决无法同步更新(nacos/consul) 问题背景 tomcat部署于linux centos 7.x 安装了jdk1.8和tomat8 发现,每次在启动tomcat的时候都会出现卡顿好久才会完成部署 https://www.liangzl.com/get-article-detail-5351.html https://www.shangmayuan.com/a/744bc0087b904d61b5fb28a2
drawvisual wpf的控件frameworkelement、继承自visual,wpf的gui节点分为 visualtree,可见的ui树 logictree,xaml中的节点树 drawvisual卡顿 drawvisual数量增加后,有时出现卡顿现象,比对分析发现卡顿时的资源情况 drawvisual绘制完成后正确释放,否则大量的资源集中起来会造成绘制卡顿,如下图gc占了很多时间 io写入数据明显增加
丢帧给用户的感觉就是卡顿,而且如果运算过于复杂,丢帧会更多,导致界面常常处于停滞状态。 卡顿原因 过于复杂的布局 界面性能取决于 UI 的渲染性能,UI 渲染的整个过程由 CPU 和 GPU 两个部分协同完成。 如果 UI 布局层次太深,或是自定义控件的 onDraw 中有复杂运算,CPU 的相关运算就可能大于 16ms,导致卡顿。 过度绘制 UI 线程的复杂运算 UI 线程的复杂运算会造成 UI 无响应,导致 ANR,但更多的是造成 UI 响应停滞卡顿,ANR 是卡顿的极致。 BlockCanary 开源库 StrictMode ANR Activity 的 View:5 秒无响应 BroadcastReceiver:10 秒无响应 Service:20 秒无响应 ANR
什么是卡顿 什么是卡顿,很多人能马上联系到的是帧率 FPS (每秒显示帧数)。那么多低的 FPS 才是卡顿呢?又或者低 FPS 真的就是卡顿吗? 一个稳定在 30FPS 的动画,我们不会认为是卡顿的,但一旦 FPS 很不稳定,人眼往往容易感知到。 FPS 低并不意味着卡顿发生,而卡顿发生 FPS 一定不高。 相比单看平均帧率,掉帧程度的分布可以明显的看出,界面卡顿(平均帧率低)的原因是因为连续轻微的掉帧(下图1),还是某次严重掉帧造成的(下图2)。 ? 另外,考虑到每个方法执行前后都获取系统时间(System.nanoTime)会对性能影响比较大,而实际上,单个函数执行耗时小于 5ms 的情况,对卡顿来说不是主要原因,可以忽略不计,如果是多次调用的情况 ,则在它的父级方法中可以反映出来,所以为了减少对性能的影响,通过另一条更新时间的线程每 5ms 去更新一个时间变量,而每个方法执行前后只读取该变量来减少性能损耗。
摘要 本文旨在解析X-P2P技术的核心价值、实施挑战,并提供详细的腾讯云操作指南,以实现低延迟和低卡顿率的网络传输。通过对比通用方案和腾讯云方案,展示腾讯云产品在提升性能和可靠性方面的优势。 增强方案 对比表格 特性 通用方案 腾讯云方案 延迟 较高延迟 低延迟,<100ms 卡顿率 高卡顿率 低卡顿率 安全性 通过上述步骤和方案,可以实现X-P2P技术在低延迟和低卡顿率方面的优化,同时利用腾讯云产品的特性,提升整体网络性能和安全性。
H5页面卡顿原因分析: 1.动画太多:渲染重绘占用GPU 2.页面操作导致重绘频繁 3.页面元素复杂:资源类标签太多(图像/视频/dom树太长) 4.内置webview性能太差 5.和3类似,iOS出现的 ,和native交互是,创建嵌套iFrame 解决办法:按照对应原因解决即可 H5加载太慢问题分析: 1.请求location时的中转太多 2.返回的资源太大,导致分次传输 3.Dom里的资源太多 解决办法
项目GitHub 本文要点 一般使用的卡顿优化工具 卡顿问题概述 卡顿问题分析难点 关于CPU Profiler 关于Systrace 关于StrictMode 磁盘读写违例检测实战 实例限制检测实战 一般使用的卡顿优化工具 CPU Profiler Systrace StrictMode (strict adj.精确的; 绝对的; 严格的,严谨的; [植]笔直的 mode n.方式; 状况; 时尚,风尚; 调式 模式;) 卡顿问题概述 很多性能问题(如内存占用高、耗费流量等)都相对不容易被发现, 但是卡顿问题却是很容易被直观感受到的; 卡顿问题较难排查、定位; 卡顿问题分析难点 可能的产生原因 繁杂:代码、内存、绘制、IO、【在主线程做UI处理、IO操作耗时操作】等; 线上卡顿问题,在线下难以复现, 卡顿问题跟用户届时的现场环境有很大的关系; 比如, 届时用户终端的磁盘IO空间不足,影响了 APP的IO写入性能, 导致APP卡顿,这样的场景有时候是很难复现的; 【最好在问题发生时候,就记录下来用户届时的场景】 关于CPU Profiler 图形的形式展示程序的执行时间、调用栈、执行次数等
,同时用logcat打印出关于卡顿的详细信息; 可以检测所有线程中执行的任何方法,又不需要手动埋点, 设置好阈值等配置,就“坐享其成”,等卡顿问题“愿者上钩”!! 框架的 配置存储类 以及 文件系统操作封装 5. 文件写入过程(生成.log文件的源码) 6. 上传文件 7. 设计模式、技巧 8. 前提是T2-T1大于阈值,确定了是卡顿问题)的时刻, 方案才开始获取卡顿堆栈的信息, 而实际发生卡顿(如发生违例耗时处理过程)的时间点, 可能是在这个时间段内,而非获取信息的T2点, 那有可能 如此一来, 便能更清楚地知道在整个卡顿周期(阻塞开始到结束;Message分发、处理前到后)之内, 究竟是哪些方法在执行,哪些方法执行比较耗时; 优化卡顿现场不能还原的问题; 新问题:面对 高频卡顿堆栈信息的上报 、处理,服务端有压力; 突破点:一个卡顿下多个堆栈大概率有重复; 解决:对一个卡顿下的堆栈进行hash排重, 找出重复的堆栈; 效果:极大地减少展示量,同时更高效地找到卡顿堆栈; ---- 参考: