基于Xamarin.Android的应用程序启动性能优化

背景

随着移动应⽤程序开发越来越流⾏，越来越多的应⽤程序浮现于市场。但是，开发移动应⽤程序并不是⼀个简单的过程，需要花费⼤量时间，尤其是如果想要⼀个可跨Apple、 Android 和 Windows 运⾏的可扩展移动应⽤程序。

然⽽，糟糕的性能可能会极⼤地损害⽤户体验。⽤户在任何时候都不希望看到10秒以上的启动画⾯。如果等待时间过⻓\他们可能会感到⽣⽓、放弃购物、减少停留时间或完全卸载应⽤程序。

随着开发平台的普及，我们需要正确的⼯具和⽅法来满⾜不断增⻓的需求。

Xamarin就是这样⼀种框架，它⽀持在 Android、iOS 和 Windows 平台上共享单个代码库。

所以，我们将在 Xamarin.Android 应⽤程序中测试性能， 就像在 Android Studio 中使⽤ Java 开发⼀样， 我们可以使⽤c#对性能进⾏测试， 从⽽优化启动时间。

测试总启动时间

⾸先测试程序在不同设备的启动时间， 此处⽤到的⼯具是友盟+推出的U-APM。 从图中可以看出应⽤程序在启动时间上还存在着⼀定的优化空间。

在 Android 上，ActivityManager系统进程会显示⼀条“初始显示时间”⽇志消息， 可以更好地了解整体启动时间。在命令⾏使⽤adb logcat快速查看 Android 设备⽇志。 或者使⽤Visual Studio中的Android 调试⽇志。

在 Windows 上，运⾏以下powershell：

> adb logcat -d | Select-String Displayed

输出：

ActivityTaskManager: Displayed com.lgq.wood.expiramentation/.MainActivity:

上述⽇志消息是在 x86 Android 模拟器上从 Visual Studio 调试应⽤程序时捕获的。 启动/连接调试器会产⽣⼀些额外的开销，并且缺少Debug编译时的优化。
如果我们简单地切换到Release配置并再次部署和运⾏应⽤程序：

ActivityTaskManager: Displayed com.lgq.wood.expiramentation/.MainActivity:

如果我们在 Pixel 3 XL 设备上测试应⽤程序：

ActivityTaskManager: Displayed com.lgq.wood.expiramentation/.MainActivity:

因为我们最终⽬标是提⾼移动应⽤程序的性能， 那么第⼀步应该是实际测试卡顿函数的具体位置。 如果盲⽬地进⾏代码更改，最终可能会和我们推测的结果产⽣很⼤的分歧， 如果⼀些复杂的性能改进甚⾄会损害代码库的可维护性。这个过程应该是：测试，做出修改，再次测试，并且重复以上步骤。

采⽤U-APM测得卡顿位置主要出现于：

com.lgq.wood.expiramentation.apache.http.impl.exec.readRawTextFile

诊断问题

好， ⽬前应⽤程序由于readRawTextFile很慢。 现在我该怎么办？
⾸先我们需要对以下⼏个组件有⼀个系统性的了解

安卓ART

Android 运⾏时 (ART) 是 Android 上的应⽤程序和系统服务使⽤的托管运⾏时。 ART 作为运⾏时执⾏ Dalvik 可执⾏⽂件 （.dex ⽂件 - D alvik EX可执⾏⽂件） ， 这是⼀种⽤于存储 Dalvik 字节码的紧凑格式。

ART 通过在安装应⽤程序时将整个应⽤程序编译为本机代码， 引⼊了提前 (AOT) 编译。 这带来 了更快的应⽤程序执⾏和改进的内存分配。 以及垃圾收集机制、更准确的分析等等。

为了实现这⼀点， ART使⽤dex2oat来创建⼀个ELF（可执⾏和链接格式） 的可执⾏⽂件。缺点是需要额外的时间来编译。 此外，应⽤程序会占⽤⼤量磁盘内存来存储已编译的代码。

AOT

Mono 运⾏时提供AOT功能。 Mono 将预编译程序集以最⼩化 JIT 时间并减少内存使⽤ 。Mono可以在⽀持它的平台（如 Android）上⽣成 ELF .so ⽂件。 然后它在原始程序集旁边存储⼀个预编译的图像。

即

Mono.Android.dll → libaot-Mono.Android.dll.so

然后， 这些⽂件可以被 Mono 运⾏时使⽤， 并省略 JIT 开销

启动跟踪

Mono 引⼊了⼀项功能，允许在应⽤程序上使⽤内置的 AOT 分析器来⽣成 AOT 配置⽂件。 分析器进⾏内存分析、执⾏时间分析，甚⾄是基于统计的抽样分析。这会⽣成⼀个 AOT 配置⽂件，当使⽤带有配置⽂件的 Mono 的 AOT 功能时，该配置⽂件可⽤于优化应⽤程序。

启动跟踪可⽤于Visual Studio 2019 版本 16.2或Visual Studio for Mac 2019 版本 8.2。

可以通过编辑 Android 项⽬的 .csproj ⽂件并在 Release <PropertyGroup> 中添加以下属性来 开始使⽤启动跟踪：

<PropertyGroup Condition = " '$(Configuration)|$(Platform)' == 'Release|Any

也可以在项⽬设置的Android 选项中进⾏设置，Mono 的 AOT 编译器启⽤使⽤会默认配置⽂件 的启动跟踪， 并在部署时加快 Android 应⽤程序的启动时间。

实际分析

我们需要实际分析我们的代码并需要改进。切换回Debug配置， 并通过运⾏以下命令启⽤Mono 分析器：

$ adb shell setprop debug.mono.profile log:calls

adb shell在 Android 设备或模拟器上运⾏单个 shell 命令。 setprop设置Android系统属性， 类似于其他平台上的环境变量。

然后只需强制退出并重新启动应⽤程序。 下次启动时， Mono 会在 Android 应⽤程序的本地⽬ 录中保存⼀个⽂件。 profile.mlpd

注意这⾥存在⼀个问题，该⽂件只能由应⽤程序本身访问，因此我们必须使⽤命令来定位⽂件： run-as

$ adb shell run-as com.lgq.wood.expiramentation ls -l files/.__override__
-rw-rw-r-- 1 u0_a411 u0_a411 515303 2020-07-27 09:29 profile.mlpd

为了从设备上获取⽂件， 我使⽤了⼀个已知的可写⽬录， 例如： /sdcard/Download/

$ adb shell run-as com.lgq.wood.expiramentation cp files/.__override__/prof

复制⽂件后，您可以使⽤adb pull将⽂件获取到您的台式计算机：profile.mlpd

$ adb pull /sdcard/Download/profile.mlpd
/sdcard/Download/profile.mlpd: 1 file pulled, 0 skipped. 162.7 MB/s (515303

profile.mlpd是⼀个⼆进制⽂件

Windows ⽤户需要在⽤于 Linux 的 Windows ⼦系统中安装 Mono才能运⾏。

有了上⾯的⼀系列代码， 就会出现⼀些有趣的数字。

解决方案

我们通过前⽂的调⽤， 可以发现以下⼏个函数可能需要相当⻓的时间：

还可以看到内存分配， 例如：

请注意，如果您需要查看这些分配来⾃哪些⽅法，您可以传递到。--tracesmprof-report

我们做出了多种尝试，也都收到了⼀定成效。但是我们最意想不到的是，下⾯这个简单的改动。 我们尝试将string直接从stream中读取，⽽不是使⽤响应的内容创建，然后使⽤新的System.Text.Json库来进⾏更⾼效的 JSON 解析：

// At the top
using System.Text.Json;
//...
async Task<Response> GetSlides()

{
var response = await httpClient.GetAsync("https://httpbin.org/json");
response.EnsureSuccessStatusCode();
using (var stream = await response.Content.ReadAsStreamAsync())
{
return await JsonSerializer.DeserializeAsync<Response>(stream);
}
}

查看⽅法调⽤的差异， 我们可以看到⼀个明显的时间优化：

这⼀点， 和我们在U-APM中测试得到的瓶颈函数相吻合，瓶颈确实是处在readRawTextFile 函数中，我们尝试了以下⼏种⽅法，也⼀定程度上缓解了启动问题但收益并没有U-APM中的 readRawTextFile 那么⼤。在此列出，仅供参考：

1. 我们可以缓存 Web 请求的结果
2. 我们可以从磁盘上的⽂件加载之前的调⽤结果， ⽐如设置24 ⼩时内有效。
3. 由于调⽤不是互相依赖， 我们可以同时进⾏异步调⽤
4. 在服务器端， 我们可以进⾏⼀个新的 API 调⽤， 在⼀个请求中返回所有调⽤的数据

优化性能很难，⽅向也很多。关于代码慢的定位部分，改动后可能会发现这⼀部分根本不会产⽣ 效果， 对代码产⽣影响的最佳⽅法是测试、测试，然后再次测试。改变后再次测试。⽽通过测试去提升性能，往往能针对问题做预先准备。也往往能更核⼼地提升核⼼性能瓶颈，从⽽带来⽅⽅⾯⾯的全⽅位提升。