终结 Android 性能流言

Posted 2021-03-30 谷歌开发者

作者 / Calin Juravle, Google 软件工程师

近些年来出现了一些关于 android 性能的流言。虽然有些流言可能是搞笑或好玩的，但有时候它们在我们写高性能的 Android 应用的时候却将我们带上了歪路。

 

在本篇文章中，我们将本着「流言终结者」的精神来检验这些流言，以真实案例与常用工具来击破这些流言。我们将聚焦于一些主流应用的范例，可能就是开发者在 App 中正在做的事情。重要提示，请记住在决定出于性能原因使用一种编码实践之前，结合实际情况权衡利弊是非常重要的。

流言 1: Kotlin 应用比 Java 应用更大、更慢

Google Drive 团队已经把他们的应用从 Java 转换成了 Kotlin。这次转换涉及 170 个文件，共 16,000 多行代码，覆盖了 40 多个构建目标。在该团队监控的指标中，首先是启动时间。

您可以看到，转换到 Kotlin 以后没有实质上的影响。

 

事实上，通过完整的基准测试，团队没有观察到性能差异。他们的确发现在编译时间和编译后代码体积上有细微的增加，不过也只有大约 2% ，没有明显的影响。

 

在另一方面，团队获得了减少 25% 的代码行数的好处。他们的代码更干净，更清晰，更容易维护。

 

还有需要注意的是，在 Kotlin 上您也应该使用代码优化工具，比如 R8，R8 甚至有针对 Kotlin 的特定优化。

流言 2: Getter 和 Setter 的调用增加开销

一些开发者出于性能考虑选择使用 public 的字段，而不是使用 setter 和 getter。通常的代码模式是这样的，用 getFoo() 作为我们的 getter。

public class ToyClass {
 public int foo;
 public int getFoo() { return foo; }
}
ToyClass tc = new ToyClass();

我们把 tc.getFoo() 和 tc.foo 进行了比较，后者代码无视对象的封装，直接访问字段。

我们使用 Jetpack Benchmark 库 在 Android 10 的 Pixel 3 上进行了基准测试。这个基准测试库提供了一种神奇的方式来轻松测试您的代码。它的特点之一是，它对代码进行了预热，因此测试结果是稳定的数值。

• Jetpack Benchmark 库

  https://developer.android.google.cn/studio/profile/benchmark

那么，基准测试显示了什么呢？

Getter 的表现和直接访问字段的表现一样好。这个结果并不意外，因为 Android Runtime (ART) 会在您的代码中内联所有琐碎访问方法。所以在 JIT 或者 AOT 编译后被执行的代码是一样的。的确，当您在 Kotlin 中通过这样访问一个字段时——比如这里的 tc.foo——会根据上下文不同使用 getter 或 setter 来访问这个值。然而，因为我们内联了所有的访问器，所以 ART 在这里为您提供了保障: 在性能上没有任何差异。

 

如果您没有使用 Kotlin，除非您有很好的理由让字段 public，否则您不应该破坏良好的封装实践。隐藏您的类的私有数据是有用的，但没有必要为了性能原因而将它设置为 public，请放心使用 getter 和 setter。

流言 3: Lambda 比内部类慢

Lambda 是一种方便的语言结构，随着流式 API 的引入，它可以帮助实现非常简洁的代码。

 

我们来看一些代码，我们从一个对象数组中求出一些内部字段的值。首先，使用流式 API 的 map-reduce 操作。

ArrayList<ToyClass> array = build();
int sum = array.stream().map(tc -> tc.foo).reduce(0, (a, b) -> a + b);

 

在这里第一个 lambda 将一个对象转换成为一个 integer，第二个 lambda 将其产生的两个值相加。

 

下面是与 lambda 表达式进行比较的等价类:

ToyClassToInteger toyClassToInteger = new ToyClassToInteger();SumOp sumOp = new SumOp();
int sum = array.stream().map(toyClassToInteger).reduce(0, sumOp);

他们有两个嵌套类: 一个是将对象转换为 integer 的 ToyClassToInteger，第二个是求和操作。

 

显然，第一个例子也就是带 lambda 的例子，要优雅的多: 大多数 code reviewers 可能会说喜欢第一种方案。

 

然而性能上的差异呢？我们再次在 Android 10 的 Pixel 3 上使用 Jetpack Benchmark 库，我们发现没有性能差异。

从图中可以看到，我们还定义了一个顶层类，对比它的性能也没有差异。

 

造成这种性能相似的原因是 lambda 被转换成匿名内部类。所以，与其写内部类，不如去写 lambda——它能创造出更简洁、更干净的代码，您的 code reviewer 会喜欢的。

流言 4: 分配对象很昂贵，应该使用对象池

Android 使用了先进的内存分配和垃圾收集。对象分配几乎在每个版本中都有改进，如下图所示:

垃圾收集在每个版本中也有显著的改进。如今，垃圾收集对 jank (卡顿) 和应用流畅度没有影响，下图显示了我们在 Android 10 中对临时对象的收集与分代并发收集的改进，在 Android 11 中也能看到有所改进。

在 H2 等 GC 基准测试中，吞吐量大幅提升了 170% 以上，在 Google Sheets 等实际应用中，吞吐量提升了 68%。那么，这对编码选择有什么影响，比如是否使用对象池来分配对象？

如果您假设垃圾收集是低效的，内存分配是昂贵的，您会认为您创建的垃圾越少，垃圾收集就必须越少工作。所以，与其每次使用新的对象时都创建新的对象，不如维护一个经常使用的类型池，然后从那里获取对象？因此，您可能会实现这样的代码:

Pool<A> pool[] = new Pool<>[50];
void foo() {
 A a = pool.acquire();
 …
 pool.release(a);
}

这里略过一些代码细节，我们在代码中定义一个对象池，从池中获取一个对象，然后最终释放它。

 

为了测试这一点，我们实现了微基准以测量两件事: 标准分配从池中取出对象的开销和 CPU 的开销，以弄清楚垃圾收集是否影响应用程序的性能。

 

在这个案例中，我们使用了一台搭载 Android 10 的 Pixel 2 XL，在一个非常紧凑的循环中运行了数千次分配代码。我们还通过增加额外的字段来模拟不同的对象大小，因为小对象或大对象的性能可能会有所不同。

 

首先，对象分配开销的结果:

其次，是垃圾收集的 CPU 开销的结果:

您可以看到，标准分配和对象池之间的差别很小。然而当涉及到较大对象的垃圾收集时，对象池方案会变得稍差。

 

这种行为实际上是我们对垃圾收集的期望，因为通过对象池，您会增加您的应用程序的内存占用。突然间，您占用了太多的内存，即使因为您将对象池化而减少了垃圾收集调用的次数，但每次垃圾收集调用的成本却更高。这是因为垃圾收集器必须遍历更多的内存，才能决定哪些是还活着的，哪些是应该被收集的。

 

那么，这个流言破灭了吗？并非完全如此。对象池是否更高效取决于您的应用需求。请先记住，除了代码复杂度之外，使用对象池的缺点:

• 可能会占用更多的内存
• 有可能使物体的寿命超过需要的时间
• 需要一个非常有效的对象池实现

不过，对象池的方案可能对大型或昂贵的分配对象有用。要记住的关键是在选择方案之前进行测试和估量。

流言 5: 在可调式应用上进行性能分析

在调试时对您的应用进行性能分析真的很方便，毕竟您通常是在调试模式下进行编码的。而且，即使在可调试模式下的性能分析有点不准确，但能够更快地迭代应该可以弥补。不幸的是并非如此。

 

为了检验这个流言，我们查看了一些常见的 Activity 相关工作流的基准。结果见下图:

在一些测试中，如反序列化，没有影响。但是，对于其他的测试，基准上会有 50% 甚至更多的退步。我们甚至发现有的例子慢了 100%。这是因为 Runtime 在可调试的时候，对您的代码做的优化很少，所以和用户在生产设备上运行的代码是非常不同的。

 

在可调试中进行性能分析的结果是，您可能会被误导到您的应用中的热点代码 (译者注: 这部分热点代码很可能会被自动优化掉)，可能会浪费时间优化一些不需要优化的东西。

奇怪的事情

我们现在要从流言终结中走出来，把注意力转向更奇怪的事情。这些事情并不是我们真正可以破除的。相反，他们是一些可能并不明显或不容易分析的事情，但其结果可能会颠覆您的世界。

意料之外 1: Multidex 它是否会影响我的应用性能？

APK 的体积越来越大。它们已经有一段时间没有适应传统 dex 规范的约束了。如果您的代码超过了方法数的限制，Multidex 是您应该使用的解决方案。问题是，多少方法才算多？而且，如果一个应用有大量的 dex 文件，是否会影响性能？这可能并不是因为您的应用太大，您可能只是想根据功能拆分 dex 文件，以便于开发。为了探讨多个 dex 文件对性能的影响，我们以计算器应用为例。默认情况下，它是一个单一的 dex 文件应用。然后，我们根据它的包边界，将其拆分成五个 dex 文件，以模拟根据功能进行拆分。然后我们测试了几个方面的性能，首先是启动时间。

所以拆分 dex 文件在这里没有影响。对于其他应用来说，可能会有轻微的开销，这取决于几个因素: 应用有多大，以及如何拆分。然而，只要您合理地拆分 dex 文件，不增加数百个，对启动时间的影响应该是最小的。APK 大小和内存怎么办？

正如您所看到的那样，APK 大小和应用程序的运行时内存占用都略有增加。这是因为当您将应用程序分割成多个 dex 文件时，每个 dex 文件都有一些重复的符号表和缓存数据。

 

然而，您可以通过减少 dex 文件之间的依赖关系来尽量减少这种增加。在我们的案例中，我们没有努力将其最小化。如果我们试图将依赖性降到最低，我们会寻求 R8 和 D8 工具。这些工具可以自动分割 dex 文件，帮助您避免常见的陷阱，并将依赖性降到最低。例如，这些工具不会创建超过需要的 dex 文件，也不会把所有的启动类放在主文件中。但是，如果您对 dex 文件进行自定义拆分，一定要衡量您拆出来的东西。

意料之外 2: 无效代码

使用像 ART 这样的 JIT 编译器的运行时的一个好处是，运行时可以对代码进行分析，然后进行优化。有一种理论认为，如果代码没有被解释器/JIT 系统剖析，那么它可能也不会被执行。为了测试这个理论，我们检查了 Google app 产生的 ART 配置文件。我们发现，相当一部分应用代码没有被 ART 解释器——JIT 系统剖析。这说明很多代码实际上从未在设备上执行过。

 

有几种类型的代码可能不会被剖析:

• 错误处理代码，希望它不会被经常执行；
• 向后兼容的代码，这些代码不会在所有设备上被执行，特别是不会在 Android 5 或更高版本的设备上被执行；
• 用于不经常使用的功能的代码。

然而，我们看到的倾斜分布是一个强烈的迹象，表明应用程序中可能有很多不必要的代码。

 

快速、简单、免费的删除不必要代码的方法是用 R8 进行 minify。接下来，如果您还没有这样做，要将您的应用转换为使用 Android App Bundle 和 Play Feature Delivery。它们允许您只安装被使用的功能，从而提高用户体验。

经验教训

我们已经终结了许多关于 Android 性能的流言，但也看到，在某些情况下，事情并不是一目了然的。因此，在选择复杂的优化或甚至是破坏良好编码实践的小优化之前，进行基准测试和测量是至关重要的。

 

有很多工具可以帮助您衡量和决定什么是最适合您的应用的。例如，Android Studio 有针对本地和非本地代码的分析器，它甚至有针对电池和网络使用的分析器。还有一些工具可以深入挖掘，比如 Perfetto 和 Systrace。这些工具可以提供一个非常详细的视图，例如，在应用程序启动期间或执行的一段期间发生的事情。

 

Jetpack Benchmark 库消除了围绕测量和基准测试的所有复杂性。我们强烈鼓励您在您的持续集成中使用它来跟踪性能，并查看您的应用程序在您添加更多功能时的表现。最后，但并非最不重要的是，不要在调试模式下进行配置文件。

 

Java 是 Oracle 和/或其附属公司的注册商标。

 

本文由扔物线学堂中文翻译并发布在扔物线学堂公众号。

一本手册尽览 Android 11 最新特性与开发技巧

更有成功心得助您举一反三

☟ 即刻下载 ☟

---

推荐阅读

  点击屏末 | 阅读原文 | 获取 Android 11 开发者手册

---