Разработчик говорит: «приложение тормозит при переходе между экранами». Это — не данные для работы. Профилирование CPU мобильного приложения с помощью Instruments и Android Profiler даёт точные данные вместо догадок. Каждый второй проект, который попадает к нам на аудит, имеет проблемы с производительностью CPU на главном потоке. В среднем находим 5–7 узких мест на 1000 строк кода. Типичная картина: 80% времени тратится на 20% методов — закон Парето в действии. Без профилирования найти эти 20% практически невозможно. Данные — это «переход с HomeViewController на DetailViewController занимает 380 мс, из которых 240 мс уходит на viewDidLoad в DetailViewController, а в нём 200 мс — это синхронный NSJSONSerialization.jsonObject на main thread». Именно за такой точностью — к CPU-профилировщику. Без него 80% «оптимизаций» не приносят результата.
Почему CPU-профилирование — первый шаг к быстрому приложению?
Instruments запускается через Xcode → Product → Profile или ⌘I. Для CPU используем Time Profiler (sampling-профилировщик, 1 мс интервал по умолчанию) или CPU Profiler (instrumentation-based, точнее, но с overhead до 30%). Sampling-режим эффективнее для первичной диагностики: overhead ниже и call tree легче читать.
Time Profiler — первый выбор для большинства задач. Показывает call tree с временем выполнения каждого метода. Критичные настройки:
- Hide System Libraries — убираем шум от системных фреймворков, видим только свой код.
- Separate by Thread — понимаем, на каком потоке тормозит.
- Invert Call Tree — показывает «листья» дерева вызовов, то есть методы, где реально тратится время.
Типичный сценарий: записываем 10 секунд работы приложения, открываем call tree. [MyImageProcessor processImage:] занимает 67% CPU. Раскрываем — там vImageScale_ARGB8888 вызывается на main thread из didSelectRowAt. Выносим в DispatchQueue.global(qos: .userInitiated), результат применяем через DispatchQueue.main.async — проблема решена. Время выполнения операции сокращается в 3-4 раза, а скорость скролла восстанавливается.
Signposts и os_log для точного измерения
Системный профилировщик имеет overhead и шум. Для точного замера конкретной операции — os_signpost:
import os.signpost let log = OSLog(subsystem: "com.app", category: "Performance") let id = OSSignpostID(log: log) os_signpost(.begin, log: log, name: "Image Processing", signpostID: id) processImage(data) os_signpost(.end, log: log, name: "Image Processing", signpostID: id) В Instruments → Logging track видим точные временные метки. Это позволяет измерять не «где тормозит в целом», а «сколько конкретно занимает эта операция при разных входных данных». Добавление signpost-разметки окупается при каждом последующем профилировании.
Как читать flame graph?
В современных версиях Xcode Time Profiler показывает flame graph. Широкие горизонтальные прямоугольники — методы, потребляющие много времени. Вложенность показывает стек вызовов. Главное правило: смотреть на плато — широкие блоки без дочерних методов. Это «дно» стека, где реально расходуется время. Например, плато на NSJSONSerialization шириной 200 мс — явный кандидат на выгрузку в фон.
Android Studio Profiler: CPU
Android Studio CPU Profiler поддерживает три режима:
| Режим | Когда использовать | Overhead |
|---|---|---|
| Sample Java/Kotlin Methods | Первичная диагностика | Низкий (1-5%) |
| Trace Java/Kotlin Methods | Точный анализ, нужен полный стек | Высокий (до 30%) |
| Sample C/C++ Functions | Native код, NDK | Низкий |
| System Trace | Системные события, janky frames | Минимальный |
System Trace — наиболее информативный для анализа jank. Показывает Choreographer#doFrame, RenderThread, hwuiTask, binder-вызовы. Видно конкретный кадр, который задержался, и почему.
Запись через UI или программно:
Debug.startMethodTracing("myapp_trace") // операция Debug.stopMethodTracing() Файл .trace открывается в Android Studio Profiler для анализа.
Типичные находки на Android
Профилирование показало: при открытии экрана чата 180 мс уходит на SharedPreferences.getAll() — разработчик загружал все настройки при каждом открытии для проверки флага. SharedPreferences на главном потоке с большим файлом (2 MB из-за кэшированных данных) — реальный блокировщик UI. Переход на DataStore с фоновым чтением через Flow убрал эту задержку полностью. Экономия времени — 180 мс на каждом открытии.
Частые проблемы на iOS
Синхронный NSJSONSerialization на main thread, загрузка изображений без кэша в UITableViewCell, избыточные вызовы setNeedsDisplay — эти 3 паттерна встречаются в 70% iOS-проектов с проблемами отзывчивости. Устранение первых 2 даёт прирост FPS с 30 до 60 без архитектурных изменений.
Как мы проводим профилирование: этапы
- Аналитика — определяем ключевые пользовательские сценарии (скролл ленты, открытие экрана, загрузка контента).
-
Проектирование замера — добавляем
os_signpost/Trace.beginSectionдля критичных операций. - Реализация — запись сессий под нагрузкой (реальный девайс, боевая сборка).
- Тест — разбор call tree и flame graph, фиксация top-3 проблем.
- Деплой — передача отчёта и кода с исправлениями.
Сравнение инструментов:
| Параметр | Instruments (iOS) | Android Profiler |
|---|---|---|
| Метод сбора | Sampling / Instrumentation | Sampling / Trace |
| Просмотр стека | Call Tree + Flame Graph | Flame Chart + Top Down |
| Overhead на запись | 1-5% (sampling) | 1-10% (sampling) |
| Точность до | 1 мс (sampling) | 0.1 мс (trace) |
Документация Google Developers уточняет, что System Trace наиболее точен для jank.
Что входит в работу
- Подготовка скриптов для автоматического запуска профилирования (UI automation + Benchmark режим).
- Первичная запись сессий (10-15 мин активного использования приложения).
- Формирование PDF-отчёта с call tree, flame graph и аннотированными скриншотами.
- Рекомендации по исправлению с примером кода (на Swift/Kotlin).
- Повторное профилирование после изменений для подтверждения результата.
Сроки: профилирование и анализ — от 1 до 2 дней. Устранение проблем — от 2 дней до 2 недель в зависимости от сложности. Стоимость аудита с отчётом — от 15 000 ₽, устранение выявленных проблем — от 30 000 ₽. Оцениваем проект бесплатно после ознакомления с кодом. Гарантируем снижение загрузки CPU на главном потоке минимум на 30%.
Более 50 проектов по оптимизации производительности и 7 лет опыта в мобильной разработке — наши инженеры знают, как найти и устранить узкие места.
Получите консультацию по оптимизации CPU вашего приложения — свяжитесь с нами. Закажите профилирование и получите отчёт с конкретными рекомендациями.