Настройка мониторинга Watchdog Termination в iOS-приложении

Ваше iOS-приложение закрывается без крэш-лога? Пользователи жалуются, а Crashlytics молчит. Скорее всего, столкнулись с Watchdog Termination — системный механизм принудительно завершает приложение, если main thread зависает дольше порога (на iOS 13–15 около 8 секунд, на iOS 16+ — ~4 секунды). Мы настраиваем детектирование таких инцидентов, чтобы вы получали полную диагностику и могли устранить причину. За годы работы мы выявили десятки проектов, где Watchdog Termination оставались незамеченными, хотя их частота достигала 2–3% от всех сессий. Стоимость настройки обсуждается индивидуально, а экономия времени на анализ инцидентов составляет до 5 часов в неделю.

Почему стандартные краш-репортеры не видят Watchdog Termination

Firebase Crashlytics не регистрирует Watchdog Termination — это не exception и не сигнал. Sentry с версии 8.0 умеет детектировать через флаги в UserDefaults (включите enableWatchdogTerminationTracking). MetricKit даёт точные данные, но с задержкой до суток. Выбор метода зависит от ваших приоритетов: скорость vs точность. Apple Documentation: MXHangDiagnostic — это единственный официальный источник точного стека main thread в момент зависания.

Как выбрать метод мониторинга?

Если вам нужна максимальная точность для глубокого анализа — используйте MetricKit. Он бесплатен, но данные приходят с задержкой, что не подходит для оперативного реагирования. Если важна скорость — Sentry даёт информацию за минуты с достаточной точностью. Когда нужен мониторинг в реальном времени и низкий порог срабатывания (2–3 секунды) — пишем кастомный детектор на основе DispatchQueue.main.async с обратной связью через BSBacktraceLogger. Sentry в 2 раза быстрее MetricKit по скорости получения данных, но точность стека ниже из-за отсутствия callStackTree.

Как мы настраиваем мониторинг: кейс из практики

Наш клиент из fintech-сектора столкнулся с массовыми Watchdog Termination после обновления приложения. Инженеры подключили Sentry с порогом appHangTimeoutInterval = 2.5 секунды и обнаружили, что в 70% случаев зависание происходило в методе processTransaction на main thread из-за синхронной записи в CoreData. Перевели запись в background context — частота инцидентов упала на 90%. Дополнительно настроили MetricKit для подтверждения — данные сошлись.

Реализация кастомного детектора (если нужно быстро)

final class WatchdogDetector {
    private let queue = DispatchQueue(label: "watchdog.monitor", qos: .utility)
    private var pingTime: Date = Date()
    private let threshold: TimeInterval = 3.0

    func start() {
        scheduleMainThreadPing()
        scheduleBackgroundCheck()
    }

    private func scheduleMainThreadPing() {
        DispatchQueue.main.async { [weak self] in
            self?.pingTime = Date()
            self?.scheduleMainThreadPing()
        }
    }

    private func scheduleBackgroundCheck() {
        queue.asyncAfter(deadline: .now() + 1.0) { [weak self] in
            guard let self = self else { return }
            let elapsed = Date().timeIntervalSince(self.pingTime)
            if elapsed > self.threshold {
                self.captureHang(duration: elapsed)
            }
            self.scheduleBackgroundCheck()
        }
    }

    private func captureHang(duration: TimeInterval) {
        // Используем BSBacktraceLogger для снятия стека main thread
        BacktraceLogger.backtrace(for: .main) { frames in
            SentrySDK.capture(error: NSError(
                domain: "WatchdogHang",
                code: Int(duration * 1000),
                userInfo: [
                    NSLocalizedDescriptionKey: "Main thread hung for \(duration)s",
                    "stackFrames": frames
                ]
            ))
        }
    }
}

Thread.callStackSymbols снимает стек только текущего потока. Для main thread используйте BSBacktraceLogger или PLCrashReporter.

Что входит в работу по настройке

• Установка и конфигурация MetricKit subscriber для получения MXHangDiagnostic
• Подключение Sentry с включённым enableWatchdogTerminationTracking и оптимизацией порога
• При необходимости — разработка кастомного детектора с низким порогом (от 2 секунд)
• Настройка алертов в Sentry или вашей системе мониторинга на рост Watchdog Termination Rate
• Анализ callStackTree и поиск узких мест (синхронные операции на main thread)
• Документирование процесса и обучение команды

Типичные источники Watchdog Termination (и что с ними делать)

Процесс работы

1. Аналитика — изучаем текущую архитектуру, версии iOS, типичные сценарии. Собираем метрики через MetricKit (если уже используется).
2. Проектирование — выбираем оптимальный стек: MetricKit + Sentry / только Sentry / кастом + Sentry. Определяем пороги срабатывания.
3. Реализация — пишем и подключаем код, тестируем на симуляторе и реальных устройствах с разными версиями iOS.
4. Тестирование — симулируем зависания (например, через sleep(10) на main thread) и проверяем, что детектор срабатывает и отправляет диагностику.
5. Деплой — выкатываем в релиз через TestFlight, наблюдаем за первыми данными, корректируем пороги при необходимости.

Сроки и стоимость

Базовая настройка через Sentry: 4–8 часов. Интеграция MetricKit с отправкой диагностик на ваш сервер: 1–2 дня. Полный цикл с кастомным детектором и аналитикой: от 3 дней. Стоимость рассчитывается индивидуально — свяжитесь с нами, и мы оценим ваш проект. Получите консультацию — мы поможем снизить частоту Watchdog Termination и улучшить пользовательский опыт. Более 5 лет опыта в iOS-разработке и более 50 проектов с мониторингом позволяют нам гарантировать качественную настройку.

Аналитика мобильных приложений: Firebase, Amplitude, AppsFlyer и атрибуция

Наша команда регулярно сталкивается с проектами, где аналитика уже «настроена», но реальных инсайтов нет. Типичный пример — стартап с 50k DAU: трекинг десятков событий без единого ответа на вопрос «почему пользователи не доходят до оплаты». За две недели мы построили базовую воронку и выяснили, что 70% аудитории отваливается на экране верификации номера телефона. После локализации бага retention вырос на 12%. Вывод: аналитика должна начинаться с конкретных вопросов, а не с трекинга всего подряд.

Почему таксономия событий — основа аналитики мобильных приложений?

Firebase Analytics, Amplitude, Mixpanel — технически похожи. Разница в том, что вы в них кладёте. Типичная ошибка: события screen_view, button_tap_1, button_tap_2 без контекста. Через месяц никто не помнит, что такое button_tap_2.

Правильная таксономия: объект + действие + контекст. product_viewed, checkout_started, payment_completed с параметрами product_id, category, price, source. Это позволяет строить воронки, когортный анализ и retention без дополнительного трекинга.

Мы фиксируем naming convention в tracking plan — документе (Google Sheet или Amplitude Data Catalog), где описано каждое событие, его параметры и условия срабатывания. Tracking plan синхронизируется с командой аналитиков до начала разработки, а не после. Такой подход гарантирует, что через месяц данные останутся интерпретируемыми, а не превратятся в свалку. Опыт внедрения на 50+ проектах подтверждает: при отсутствии tracking plan стоимость поддержки аналитики вырастает в 2-3 раза за счёт переделок.

Что выбрать для аналитики мобильных приложений: Firebase, Amplitude или Mixpanel?

Таблица ниже показывает ключевые различия трёх популярных платформ. Выбор зависит от бюджета, трафика и задач.

Firebase Analytics — бесплатно, глубокая интеграция с Google Ads, BigQuery-экспорт для сырых данных. Ограничения: задержка данных до 24 часов, ограниченные воронки. Для стартапов с Google Ads трафиком — первый выбор.

Amplitude — продуктовая аналитика с акцентом на когорты и пути пользователя. Journeys (бывший Pathfinder) показывает реальные пути между событиями — не предполагаемые воронки, а фактические маршруты. Session Replay — запись сессий для UX-анализа. Бесплатный тир до 10 млн events/месяц достаточен для большинства продуктов на старте.

Mixpanel — ближе к Amplitude, сильнее в сегментации в реальном времени. Insights, Funnels, Retention — базовые инструменты, которые закрывают 90% аналитических задач продакта.

Более формальные определения этих платформ можно найти в Wikipedia и Wikipedia.

Как решить проблему мультиканальной атрибуции с AppsFlyer?

Знать откуда пришёл пользователь — отдельная задача. Firebase Attribution работает только внутри Google-экосистемы. Для мультиканальной атрибуции (Facebook Ads, TikTok, Apple Search Ads, programmatic) нужен MMP — Mobile Measurement Partner.

AppsFlyer — лидер рынка. OneLink — universal deep link, который работает на iOS и Android и корректно атрибутирует установку из любого канала. Protect360 — встроенная защита от fraud (фейковые установки, click injection на Android). Adjust и Branch — конкуренты с похожим функционалом. Branch силён в deep linking; Adjust популярен в gaming.

Согласно Apple, с iOS 14.5 приложения должны получать разрешение пользователя через ATT перед сбором IDFA для отслеживания. AppsFlyer использует probabilistic matching (IP + user agent + timing) для этих пользователей — точность ниже, но лучше чем ничего. SKAdNetwork и Privacy Preserving Attribution дают агрегированные данные от Apple с задержкой 24-72 часа.

Как настроить crash-аналитику, чтобы не пропускать баги?

Firebase Crashlytics — стандарт для crash reporting. Автоматически группирует крэши по стектрейсу, показывает affected users %, velocity alerts при росте crash rate более чем на 10% за час.

Важно: символикация. На iOS .dSYM файлы должны автоматически загружаться при каждой сборке — через Fastlane upload_symbols_to_crashlytics или Xcode Cloud built-in. Без символов крэш в Crashlytics выглядит как набор адресов памяти. Это происходит чаще чем кажется при переходе на новый CI — в одном проекте с аудиторией 500k пользователей мы обнаружили, что 40% крэшей оставались несимволизированными из-за пропущенного этапа в CI/CD. После автоматизации время реакции на баги сократилось с 3 часов до 15 минут.

Для React Native и Flutter — @sentry/react-native и sentry_flutter дают дополнительный контекст: breadcrumbs, сетевые запросы перед крэшем, состояние Redux/Provider.

Ниже — сравнение популярных инструментов crash-аналитики для выбора под свои задачи.

Настройка окружения

Три окружения с отдельными Firebase проектами: dev, staging, production. Смешивать аналитику из тестовых сессий и production — распространённая ошибка, которая искажает все метрики. На iOS через GoogleService-Info.plist для каждой схемы, на Android через google-services.json в папке каждого flavor.

Сроки: базовая аналитика с Firebase + Crashlytics — 3-5 дней. Полноценный tracking plan + Amplitude/Mixpanel с воронками и когортами — 2-3 недели. Атрибуция через AppsFlyer с deep linking и fraud protection — 1-2 недели. Стоимость рассчитывается индивидуально в зависимости от сложности интеграций.

Что входит в нашу работу

В рамках внедрения аналитики мы предоставляем:

• Разработку и согласование tracking plan с командами продукта и маркетинга.
• Интеграцию SDK (Firebase, Amplitude, Mixpanel, AppsFlyer) с учётом вашего стека (Swift/Kotlin/Flutter/React Native).
• Настройку воронок, когорт, дашбордов и алертов.
• Автоматизацию символикации и загрузки .dSYM через Fastlane.
• Документацию по событиям и параметрам.
• Обучение команды работе с аналитической платформой.
• Две недели пост-релизной поддержки и корректировки трекинга.

Наш опыт — 7 лет внедрения аналитики и более 80 успешных проектов в сфере мобильной разработки. Мы гарантируем корректность данных и прозрачность каждого этапа.

Свяжитесь с нами, чтобы получить консультацию по настройке аналитики вашего приложения. Закажите аудит текущей аналитики — и мы покажем, какие метрики вы теряете.