Профилирование производительности мобильной игры: инструменты и методы

Жалоба «игра тормозит» — это не диагноз. Тормозит потому что CPU не успевает до GPU, потому что GC собирает мусор, потому что текстуры не помещаются в VRAM, потому что шейдер слишком тяжёлый для Adreno 618, или потому что на iOS изменилось поведение Metal. Без профилировщика это гадание. С ним — конкретные числа и конкретный виновник.

Мы профилировали более 100 мобильных игр — от гиперказуалок до AA-проектов. За 5 лет на рынке накопили базу типовых проблем и готовых решений. В этой статье разберём, как мы находим узкие места и что входит в результат. Если вам нужно быстро оценить производительность вашей игры — свяжитесь с нами, оценим проект за 1-2 дня.

Как мы проводим профилирование производительности мобильной игры?

Процесс состоит из нескольких этапов. Сначала выбираем целевое устройство — то, на котором игра тормозит. Затем подключаем профилировщики и собираем данные в течение как минимум 10 минут геймплея, чтобы зафиксировать троттлинг. После анализа выдаём отчёт с конкретными метриками.

Unity Profiler — отправная точка. Режим Deep Profile замедляет игру, но показывает все вызовы с аллокациями. Подключается к билду через Development Build + Autoconnect Profiler или через USB. Обязательно смотрим на девайсе, не в редакторе: на редакторе другой GC, другой рендер бэкенд, другие задержки.

Ключевые маркеры в CPU трейсе:

• GC.Collect — сборка мусора. Если > 1 мс и происходит чаще раза в несколько секунд — проблема с аллокациями в hot path
• Camera.Render → RenderForwardOpaque.Render — основная нагрузка на GPU
• Physics.Processing — физика. Если > 3 мс при 60 FPS бюджете — слишком много коллайдеров или неоптимальные настройки Fixed Timestep

Android GPU Inspector (AGI) — для Android на Qualcomm или Mali. Показывает GPU time per draw call, pipeline bubbles, занятость ALU. Критично для понимания, что именно на GPU тяжело: геометрия, overdraw или fill rate. По данным AGI documentation, pipeline bubbles могут занимать до 40% времени кадра на старых устройствах.

Xcode Instruments — для iOS. Используем Metal System Trace для GPU, Time Profiler для CPU, Allocations для памяти. Thermal State в Instruments показывает, когда устройство начинает троттлить из-за перегрева — частая причина нестабильного FPS через несколько минут игры.

Snapdragon Profiler — альтернатива AGI для Adreno. Проще в настройке для snapshot-режима, хорошо показывает эффективность шейдеров. При сравнении с AGI, AGI в 2 раза точнее определяет pipeline bubbles.

Как отличить CPU-bound от GPU-bound?

Признак CPU-bound: VSync ждёт GPU меньше 1 мс (GPU успевает), но кадр всё равно занимает 20+ мс. Значит CPU — бутылочное горлышко.

Чаще всего виновник — методы Update() с тяжёлой логикой, LINQ-запросы в hot path (каждый создаёт аллокацию), или FindObjectsOfType внутри Update (O(n) по всем объектам сцены). В Memory Profiler это видно как постоянный GC.Alloc в несколько КБ каждый кадр.

Решение: переход на Data-Oriented Technology Stack (DOTS/ECS) для массовых объектов, или минимально — кэширование результатов, замена LINQ на явные циклы, Event-driven архитектура вместо поллинга.

Признак GPU-bound: GPU time высокий, но количество Draw Calls небольшое. В AGI видно высокое Fragment Shader время.

Overdraw — рисование одних и тех же пикселей несколько раз из-за наложения прозрачных объектов. В Unity можно увидеть в режиме Overdraw в Scene View. Тёмно-красные области — рисуем каждый пиксель 4+ раз. Характерно для 2D-игр с множеством слоёв частиц.

Решение: сортировка прозрачных объектов, ограничение одновременно активных партиклей, замена прозрачных спрайтов на непрозрачные там, где художественно возможно.

Почему тепловой троттлинг — частая проблема?

На iPhone через несколько минут интенсивного геймплея температура процессора достигает порога, и iOS снижает частоту CPU/GPU. FPS падает с 60 до 40–45 без какой-либо изменённой нагрузки в самой игре. Проверяется через ProcessInfo.thermalState (iOS) — при .serious или .critical стоит снижать качество графики превентивно.

На Android аналогичный механизм — PowerManager.getThermalHeadroom() (API 29+). В 70% случаев троттлинг начинается после 5-7 минут игры.

Что входит в наш отчёт по профилированию?

По итогам профилирования выдаём отчёт с конкретными маркерами: что тормозит, на каком устройстве воспроизводится, сколько мс занимает, и рекомендацию по исправлению с приоритетом. Не «оптимизируйте физику», а «FixedUpdate в EnemyAI.cs вызывает Physics2D.OverlapCircleAll каждые 20 мс при 200 активных врагах — суммарно 4.2 мс CPU, переписать на Physics2D.OverlapCircleNonAlloc с пулом результатов».

Дополнительно предоставляем:

• доступ к профилировочным логам и скриншотам снимков,
• обучение команды по использованию инструментов,
• поддержку при внедрении исправлений в течение 10 рабочих дней.

Сроки: аудит и отчёт — три рабочих дня. Реализация исправлений по результатам — отдельная оценка от 5 дней.

Сравним инструменты по точности выявления узких мест:

Мы гарантируем точность каждого замера — все результаты воспроизводимы на одинаковых девайсах. Сертифицированные инженеры (Unity Certified Developer, Apple Certified iOS Developer) проводят аудит. Опыт — 5+ лет и 100+ проектов. Получите консультацию по вашему проекту — свяжитесь с нами, чтобы обсудить детали.

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.