Оптимизация потребления батареи мобильным приложением

Аномальный разряд батареи — явный сигнал проблем в архитектуре

Пользователи замечают, что устройство нагревается и разряжается за полдня. Это приводит к негативным отзывам и падению retention. iOS и Android оснащены встроенными мониторами энергопотребления — скрыть проблему невозможно. Мы проводим аудит и устраняем причины: неуправляемые wakelock-и, избыточный GPS, частые сетевые запросы, неправильные фоновые задачи. В 90% случаев достаточно скорректировать 2–3 элемента архитектуры, чтобы снизить энергопотребление в 3–5 раз без потери функциональности. Гарантируем прозрачный отчёт с замерами до и после. Снижение энергопотребления напрямую сокращает затраты на серверные ресурсы и повышает лояльность пользователей — экономия бюджета до 50% в год.

Почему приложение быстро разряжает батарею?

PowerManager.WakeLock.acquire() без таймаута или без гарантированного release() — устройство не уходит в deep sleep. Одна незакрытая PARTIAL_WAKE_LOCK держит процессор активным всю ночь. Мы используем WakefulBroadcastReceiver или WorkManager, которые управляют wakelock автоматически. Периодическая задача с интервалом 15 минут (минимально допустимый) с сетевыми запросами, записью в БД и GPS — слишком часта. JobScheduler batching позволяет группировать задачи и использовать setRequiredNetworkType(NetworkType.CONNECTED), чтобы не будить радио без сети.

Как провести аудит батареи? Инструменты и методика

Для диагностики используем Battery Historian — открытый инструмент Google для анализа bugreport с Android. Он строит временную шкалу: wakelock-и, network activity, GPS-фиксы, CPU wakeup. Типичная картина проблемного приложения: wakelock каждые 15 минут на 2–3 секунды, периодические сетевые запросы, GPS в фоне с высокой точностью.

• Сбор данных — снимите bugreport на Android (команда ниже) или Energy Log на iOS через Xcode Instruments.
• Анализ — найдите аномальные пики активности и длительные пробуждения.
• Идентификация — определите, какой компонент (wakelock, GPS, сеть) даёт основной вклад.
• Оптимизация — реализуйте исправления по списку.
• Повторный замер — убедитесь, что потребление снизилось.

adb bugreport bugreport.zip
# Затем загрузить в Battery Historian

Как оптимизировать использование GPS?

LocationManager с PRIORITY_HIGH_ACCURACY включает GPS-приёмник и держит его активным. Реальные цифры: 1–2% батареи в час при непрерывном GPS. Правильная стратегия:

На iOS: CLLocationManager с desiredAccuracy = kCLLocationAccuracyBest в фоне — серьёзная проблема. significantLocationChangeMonitoring потребляет на порядок меньше и достаточен для большинства сценариев. allowsBackgroundLocationUpdates = true требует явного обоснования — без него iOS агрессивно ограничивает обновления.

Как сократить потребление сети?

Радиомодуль при активации тратит энергию на подъём соединения даже при передаче одного байта. Лучше один крупный запрос раз в 5 минут, чем 20 маленьких каждые 15 секунд. HTTP Keep-Alive и HTTP/2 multiplexing сокращают количество TCP handshake, что экономит батарею. Push-уведомления через FCM/APNs — правильный способ сигнализировать о новых данных вместо long polling. Server-Sent Events и WebSocket приемлемы для реалтайм-коммуникации, но их нужно закрывать при уходе в фон.

iOS: какие ограничения на фоновую работу?

BGAppRefreshTask и BGProcessingTask — современный API для фоновых задач. Система сама решает, когда их запустить, опираясь на паттерны использования устройства. Попытки обойти это через background audio или VoIP push — нарушение App Store Guidelines. URLSession.shared.configuration.waitsForConnectivity = true позволяет не поднимать радио сразу.

Практический кейс: оптимизация фитнес-трекера

Наш клиент — приложение для трекинга фитнес-активностей. Пользователи жаловались на 8–10% батареи в час в фоне. Battery Historian показал: CoreLocationManager с PRIORITY_HIGH_ACCURACY работал непрерывно, плюс PeriodicWorkRequest каждые 15 минут делал четыре сетевых запроса. Переключение на PRIORITY_BALANCED_POWER_ACCURACY для фонового трекинга + слияние сетевых запросов в один + увеличение интервала до 30 минут дало 1.5–2% в час — в 4–5 раз меньше, при сохранении функциональности.

Результаты оптимизации:

Что входит в работу

• Диагностика текущего потребления с помощью Battery Historian (Android) и Xcode Energy Log (iOS)
• Отчёт с выявленными проблемами и приоритетами
• Реализация оптимизаций: исправление wakelock-ов, настройка GPS, группировка сетевых запросов, пересмотр фоновых задач
• Тестирование на реальных устройствах с замером потребления
• Документация по выполненным изменениям

У нас более 5 лет опыта в оптимизации мобильных приложений, мы реализовали более 30 проектов по улучшению батареи и гарантируем результат. Закажите аудит вашего приложения — оценим текущее потребление и предложим план оптимизации. Получите консультацию, чтобы узнать, как снизить энергопотребление без потери функциональности.

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.