Оптимизация потребления батареи мобильной игрой

Мы часто видим игры, которые разряжают телефон за полтора часа. При стабильных 60 FPS пользователи всё равно оставляют одно- и двухзвёздочные отзывы — батарея тает на глазах. Потребление энергии — прямой индикатор неэффективного использования CPU и GPU. Оптимизация потребления батареи мобильной игрой — это системная работа: от управления FPS до шейдеров и сетевых запросов. За пять лет мы оптимизировали 15+ проектов, увеличив их время работы на 20–40%. Наши сертифицированные инженеры гарантируют измеримый результат. Свяжитесь с нами для аудита — оценим проект и предложим решение.

Главные источники перерасхода энергии — оптимизация потребления батареи

Неограниченный FPS — самая распространённая ошибка. Application.targetFrameRate = -1 (или без явной установки) означает, что Unity рендерит так быстро, как может. На современных iPhone с ProMotion-дисплеем это 120 FPS в простом меню. Для меню достаточно 30 FPS — оставшиеся 70% CPU/GPU-времени тратятся впустую и греют корпус.

Анимированный фон в главном меню с 500 частицами работает постоянно. Нет паузы при потере фокуса — нет экономии.

Если игра запрашивает Input.location или Input.gyro без необходимости и не отключает — сенсоры опрашиваются постоянно. На Android это несколько мВт дополнительно.

Маленькие HTTP-запросы каждые 5–10 секунд держат радиомодуль активным — один из самых энергоёмких компонентов.

Как определить, что игра тратит лишнее?

Используйте профилирование:

Если меню держит CPU/GPU на 70% — это проблема.

Почему управление FPS — первая задача в оптимизации потребления батареи мобильной игрой?

Правильная стратегия — разные таргеты для разных состояний:

// Gameplay: максимальное качество
Application.targetFrameRate = 60;

// Меню, паузы, диалоги
Application.targetFrameRate = 30;

// Фоновые вычисления (загрузка, сохранение)
Application.targetFrameRate = 15;

На iOS нужно также учитывать ProMotion-дисплеи (120 Гц на iPhone 13 Pro+). Явно устанавливайте CADisplayLink.preferredFrameRateRange через Native Plugin для тонкой настройки.

В OnApplicationPause(true) снижайте FPS до минимума или останавливайте рендер полностью.

Как оптимизировать шейдеры для экономии батареи?

На мобильных GPU важна точность вычислений. Использование half-точности вместо float в шейдерах на Adreno и Mali даёт реальную экономию энергии. ALU этих чипов оптимизированы под half-precision. Для большинства эффектов (цвет, UV, освещение) точности half достаточно.

Запечённые лайтмапы вместо динамического освещения снижают нагрузку на фрагментный шейдер в 3–5 раз — это прямое сравнение: запечённые лайтмапы лучше динамического освещения в 3–5 раз по нагрузке на GPU. Сложные фрагментные шейдеры с большим количеством текстурных выборок особенно дороги — каждое tex2D останавливает конвейер.

Сравнение подходов к рендерингу:

Как провести первичную диагностику энергопотребления?

1. Установите целевые FPS для каждого состояния (геймплей, меню, пауза).
2. Проверьте шейдеры: замените float на half, запеките лайтмапы.
3. Настройте батчинг сетевых запросов — буферизуйте и отправляйте пачкой раз в минуту.
4. Профилируйте на реальном устройстве с помощью Xcode или adb.

Батчинг сетевых запросов

Вместо отправки событий по одному — батчинг (буферизация и отправка пачкой раз в минуту). Firebase Analytics делает это автоматически. Если используется собственная аналитика через HTTP — явный RequestQueue с таймером.

На Android WorkManager с setRequiresBatteryNotLow(true) откладывает некритичные запросы до момента, когда устройство на зарядке.

Что входит в аудит и оптимизацию?

• Анализ кода и конфигураций проекта.
• Профилирование на реальных устройствах с использованием Xcode Energy Organizer и Android Vitals.
• Настройка FPS по контексту (геймплей, меню, фон).
• Оптимизация шейдеров (перевод на half-точность, запекание лайтмапов).
• Реализация батчинга сетевых запросов.
• Повторное тестирование и предоставление отчёта с метриками.
• Гарантия увеличения времени работы на 20–40%.

Сроки работ: от 1 до 4 недель в зависимости от объёма кода. Стоимость рассчитывается индивидуально. Получите консультацию по оптимизации батареи уже сегодня.

Проверка результата

iOS: Xcode Energy Organizer + MetricKit. MXCPUMetric и MXGPUMetric в didReceive дают реальные данные о потреблении из отчётов пользователей.

Android: Android Vitals в Play Console → Battery → Excessive wakeups. Если приложение будит устройство чаще 10 раз в час в фоне — это флаг от Google, который влияет на видимость.

Для локального тестирования: adb shell dumpsys batterystats --reset перед тестом и adb shell dumpsys batterystats после.

Наши сертифицированные инженеры проводят аудит и предлагают решение с гарантией увеличения времени работы на 20–40%. Свяжитесь с нами для аудита — оценим проект и предложим решение.

Оптимизация мобильных приложений: cold start, память, батарея, FPS, профилирование

Приложение с временем холодного старта 4+ секунды теряет пользователей ещё до первого экрана. Android Vitals в Google Play Console прямо влияют на ранжирование в поиске: приложения с плохими метриками получают меньший organic reach. Apple аналогично мониторит crash rate и время запуска через MetricKit. Оптимизация — это не «сделать быстрее», а понять где именно теряется время и что с этим делать.

Cold Start: где убивается время до первого кадра

Cold start — запуск приложения, когда процесс не существует в памяти. На Android это время от нажатия на иконку до Activity.onWindowFocusChanged(hasFocus = true). На iOS — от tap до viewDidAppear первого экрана.

Android: main thread перегружен при инициализации

Application.onCreate() — главный враг быстрого старта на Android. Разработчики инициализируют здесь всё подряд: Firebase, Analytics, базу данных, HTTP-клиент, DI-контейнер. Каждый SDK добавляет 20–200 мс на main thread.

Инструмент для диагностики: Android Studio Profiler → App Startup. Показывает граф инициализации с временем каждого компонента. Альтернатива — Tracing.beginSection("MyInitTag") в коде + systrace.

Решение: App Startup Library (Jetpack) с явным графом зависимостей инициализаторов. Компоненты, нужные только в конкретных сценариях, инициализируются лениво — by lazy {} или initializer с флагом lazyInit. Firebase Analytics, например, не нужен до первого пользовательского действия — его инициализацию можно отложить.

ContentProvider-ы, автоматически добавляемые SDK через AndroidManifest merge, тоже запускаются при старте. tools:node="remove" в манифесте позволяет отключить конкретный провайдер и инициализировать SDK вручную в нужный момент.

Ещё одна грабля: Room.databaseBuilder().build() на main thread. Это синхронная операция создания/открытия файла БД — на медленных устройствах занимает 50–300 мс. Переносим в coroutine с Dispatchers.IO, в ViewModel через viewModelScope.launch.

iOS: Dyld linking и +load

На iOS cold start делится на pre-main (до вызова main()) и post-main. Pre-main — время загрузки dylib, rebase/binding, Objective-C runtime initialization и выполнения +load методов.

Xcode Instruments → App Launch template показывает время pre-main и post-main раздельно. DYLD_PRINT_STATISTICS=1 в схеме запуска выводит детальное время загрузки в консоль.

Что убивает pre-main:

• Много динамических библиотек (каждая dylib — накладные расходы на линковку). CocoaPods добавляет отдельную dylib на каждый pod. Решение: Swift Package Manager со статической линковкой (type: .static) или use_frameworks! :linkage => :static в CocoaPods.
• +load методы в Objective-C — выполняются синхронно при загрузке класса, до main(). Сторонние SDK могут злоупотреблять этим. +initialize — ленивый аналог, вызывается при первом обращении к классу.

Post-main — application(_:didFinishLaunchingWithOptions:). Та же история что на Android: синхронная инициализация всего. lazy var для сервисов, которые не нужны немедленно. SwiftUI @StateObject инициализирует объект только когда View появляется — это уже встроенная ленивость.

Целевые метрики (App Store рекомендации): cold start < 400 мс для простых приложений, < 2 секунды для сложных. Warm start (процесс в памяти, но Activity/Scene пересоздаётся) — < 1 секунда.

Память: утечки, OOM, excessive pressure

Утечка памяти в iOS — retention cycle: объект A держит ссылку на B, B держит на A, ни один не освобождается. Классика: Timer с self в замыкании без [weak self]. Timer удерживает замыкание, замыкание удерживает self (ViewController), ViewController не освобождается при закрытии. Instruments → Leaks или Memory Graph Debugger в Xcode — находит живые объекты, которых не должно быть.

На Android garbage collector управляет памятью, но утечки всё равно случаются. Activity или Fragment, удерживаемые через статическую ссылку, singleton, или Handler/Runnable после onDestroy — классика. LeakCanary — обязательный инструмент в debug-сборке. Добавляется одной зависимостью debugImplementation "com.squareup.leakcanary:leakcanary-android" и автоматически детектирует утечки с полным стектрейсом.

OutOfMemoryError чаще всего происходит из-за загрузки изображений. Bitmap в памяти занимает ширина × высота × 4 байта. Изображение 4000×3000 px — 48 МБ в памяти, независимо от размера файла на диске. Glide / Coil правильно обрабатывают это: загружают с даунсемплингом под размер View, кешируют в LRU-кеш. Загружать в ImageView без Glide/Coil через BitmapFactory.decodeFile — путь к OOM на устройствах с 2 ГБ RAM.

На Flutter Dart VM имеет свой GC, но нативные ресурсы (изображения, текстуры) не управляются Dart GC. Image.network кеширует изображения в памяти без автоматического освобождения при выходе из дерева виджетов — при длинных списках с картинками используем cached_network_image с правильным memCacheWidth/memCacheHeight.

FPS и UI Performance

60 FPS — 16.67 мс на кадр. 120 FPS (ProMotion) — 8.33 мс. Всё что занимает больше на main thread — джанк.

Типичные причины просадок FPS:

На iOS: синхронная декодировка изображений в cellForRowAt. Когда ячейка таблицы появляется, UIImage(contentsOfFile:) декодирует JPEG/PNG на main thread — видно как заторможенный скролл на длинных списках. Решение: UIImage.preparingForDisplay() (iOS 15+) или ImageIO с kCGImageSourceCreateThumbnailWithTransform в background queue, результат через DispatchQueue.main.async.

На Android: RecyclerView.Adapter.onBindViewHolder с синхронными операциями. Базы данных, файловая система, синхронные сетевые запросы на main thread — StrictMode.ThreadPolicy с detectAll().penaltyLog() в debug-сборке покажет все нарушения.

На Flutter: build() метод вызывается часто, он должен быть дешёвым. setState() на верхнем виджете пересобирует всё дерево. const конструкторы, RepaintBoundary, разбиение на мелкие виджеты с локальным стейтом — основные инструменты. Flutter DevTools → Performance показывает janky frames (красные) с причинами.

Профилирование Compose: Recomposition Highlighter и трассировка через Trace.beginSection в @Composable. remember для дорогих вычислений, derivedStateOf для computed values, LazyColumn вместо Column + forEach для длинных списков.

Батарея: Wake locks, WorkManager, сетевые запросы

Приложение в топе по расходу батареи — пользователь видит это в настройках и удаляет. Android Battery Historian (из ADB bug report) показывает детальный timeline: wake locks, wakeups, network activity, sensor usage.

Основные потребители энергии:

• Постоянный GPS (разбираем в maps-geo)
• Polling сети каждые N секунд вместо push
• Holding wake lock дольше необходимого
• Excessive AlarmManager wakeups

WorkManager с Constraints — правильный способ планировать фоновые задачи: setRequiredNetworkType, setRequiresBatteryNotLow, setRequiresCharging. ОС батчирует задачи и выполняет в удобное время.

На iOS BGTaskScheduler с BGProcessingTaskRequest (для тяжёлых задач при зарядке) и BGAppRefreshTaskRequest (для лёгких обновлений) — система решает когда выполнять, разработчик только регистрирует и реализует логику.

Батчинг сетевых запросов: вместо 10 отдельных запросов в течение минуты — один батч запрос. Меньше радио-активностей (LTE radio потребляет много при инициализации соединения), меньше wakeups.

Инструменты профилирования

MetricKit на iOS — особенно ценен: реальные данные с устройств пользователей, а не симулятора. MXMetricManager получает агрегированные метрики раз в сутки: MXAppLaunchMetric, MXHangDiagnostic, MXCPUExceptionDiagnostic. Диагностики по hang и CPU-exceptions содержат стектрейс с реального устройства — золото для диагностики production-проблем.

Процесс оптимизации

Начинаем с измерения, не с предположений. Инструменты выше дают цифры: конкретное время cold start, конкретный объём памяти, конкретные кадры с просадкой. Потом — приоритизация по impact: что больше всего влияет на пользовательский опыт именно в этом приложении.

Аудит производительности существующего приложения: 3–5 рабочих дней. Реализация оптимизаций — от недели до двух месяцев в зависимости от запущенности проблем и архитектуры кода.