Оптимизация размера сборки (App Size) мобильного приложения

Оптимизация размера сборки (App Size) мобильного приложения

Ваше приложение весит 120 МБ, и конверсия при скачивании через мобильную сеть падает на 30%? Мы сталкивались с такими проектами не раз. По данным Google, каждый дополнительный мегабайт снижает конверсию на ~1% на устройствах с медленным интернетом. Android устанавливает лимит скачивания без Wi-Fi в 200 МБ, iOS App Store предупреждает при скачивании через сотовую сеть свыше 200 МБ. Это не абстрактные метрики — это реальные барьеры для установки. Наш опыт показывает, что оптимизация размера сборки под ключ позволяет уменьшить APK/IPA на 30-60% без потери функциональности, при этом укладываясь в 3-7 рабочих дней. Мы гарантируем измеримый результат: до и после.

Почему App Size важен для конверсии?

Каждый мегабайт — это потенциально потерянный пользователь. Особенно в регионах с медленным интернетом или дорогим тарифом. Многие пользователи скачивают приложения только при Wi-Fi, а предупреждения о большом размере снижают вероятность установки. На сертифицированных iOS и Android устройствах мы видели прямую корреляцию: уменьшение размера на 10 МБ увеличивало конверсию на 5-10%.

Android: AAB и Play Feature Delivery

Переход с APK на AAB (Android App Bundle) — первый и самый простой шаг. Google Play динамически собирает оптимизированный APK для каждого устройства: только нужные ABI (arm64-v8a, x86_64), только нужные density ресурсы (xxhdpi для устройств с xxhdpi экраном). Типичная экономия — 20-40% от размера universal APK.

Если проект ещё собирается в APK без AAB — это техдолг, который нужно закрыть в первую очередь.

Как R8 помогает уменьшить размер?

R8 включён по умолчанию в release-сборках с AGP 3.4+. Но minifyEnabled true и shrinkResources true в buildTypes.release нужно проверить явно — в legacy-проектах они часто отключены «чтобы не сломалось». Полный ProGuard даёт 30-50% сокращение размера кода.

После включения минификации обязательно: тестирование release-сборки (не debug), добавление правил в proguard-rules.pro для используемых reflection-heavy библиотек (Gson, Retrofit, Room миграции), Crashlytics с mapping.txt для читаемых стектрейсов.

Ресурсы. webp вместо PNG/JPEG для всех растровых изображений, кроме случаев где прозрачность с артефактами недопустима. Android Studio поддерживает конвертацию прямо из IDE. Векторные drawables вместо PNG для иконок и простой графики — размер вектора 1-3 КБ против 50-200 КБ набора PNG для разных плотностей.

Unused resources: shrinkResources true удаляет неиспользуемые ресурсы автоматически. Но ресурсы, подключённые динамически через Resources.getIdentifier(), могут быть ошибочно удалены — нужен keep.xml файл.

Что делать с нативными библиотеками?

Если проект включает NDK-библиотеки, проверяем список ABI: abiFilters 'arm64-v8a', 'x86_64' для production. armeabi-v7a нужен только если поддерживаете устройства до 2014 года. Каждый лишний ABI — копия всех .so файлов.

iOS: App Thinning и Bitcode

App Store автоматически применяет App Thinning: разные варианты сборки для разных устройств (2x/3x assets, arm64 только для современных устройств). В Xcode Organizer → App Size Report можно увидеть размер сборки для конкретных типов устройств.

Assets.xcassets. Изображения должны быть именно там, а не в bundle напрямую — только так работает Asset Catalog Compiler и App Thinning. WebP поддерживается с iOS 14. PDF для vector assets в Asset Catalog — удобно, но Xcode растеризует их при сборке, реальных преимуществ размера не даёт. SVG через UIGraphicsImageRenderer или SwiftUI Image с systemName для SF Symbols.

On-Demand Resources. Для приложений с большим количеством контента (игры, образование) — разбиение ресурсов на теги и загрузка по требованию. Начальный размер скачивания минимален, ресурсы подтягиваются по мере прохождения.

Дублирующиеся зависимости. CocoaPods и Swift Package Manager могут включить одну библиотеку дважды в разных версиях. otool -L на бинарнике или анализ через bloaty покажет реальный вклад каждого фреймворка.

Аудит зависимостей — скрытый резерв

Самый простой способ сократить размер — убрать неиспользуемые зависимости. SDK, который подключили «на всякий случай», SDK, от которого осталась одна функция — кандидаты на удаление.

Firebase можно подключать модульно — только нужные компоненты, без pod 'Firebase' который тащит всё сразу.

Сравнение техник оптимизации

Процесс работы

1. Анализ исходной сборки — измеряем размер на разных устройствах с помощью APK Analyzer, App Size Report.
2. Определение приоритетных направлений — выявляем «жирные» компоненты.
3. Реализация изменений — настройка AAB, ProGuard, конвертация ресурсов.
4. Тестирование — релизная сборка на всех целевых устройствах без падений и багов.
5. Деплой в stores — публикация оптимизированной версии.

Что входит в работу?

• Аудит текущей конфигурации сборки (Gradle, Xcode)
• Анализ зависимостей и рекомендации по удалению
• Настройка ProGuard/R8 с поддержкой всех библиотек
• Конвертация ресурсов в WebP
• Переход на AAB (Android) и настройка App Thinning (iOS)
• Документация внесённых изменений
• Поддержка при публикации в App Store и Google Play

Сроки и стоимость

Срок оптимизации — от 3 до 7 рабочих дней. Стоимость рассчитывается индивидуально после оценки проекта. Мы выполняем работы удалённо или на вашей площадке. Наш опыт — 10+ лет в мобильной разработке, 200+ успешных проектов. Получите бесплатную консультацию: свяжитесь с нами, и мы проанализируем вашу сборку и предложим план оптимизации.

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.