Оптимизация времени запуска мобильного приложения (Warm Start)

Оптимизация времени запуска мобильного приложения (Warm Start)

В нашей практике мы нередко видим, как приложение, отлично работающее при холодном старте, тормозит при возврате из фона — на mid-range Android-устройствах задержка достигает 2–3 секунд. Warm start возникает когда процесс приложения жив, но Activity/ViewController пересоздаются: после свайпа из Recent Apps система восстанавливает Activity через SavedInstanceState, на iOS — при возврате из фона после выгрузки ViewController из-за нехватки памяти. Часто разработчики не учитывают, что при warm start повторно вызывается onCreate (Android) или viewDidLoad (iOS), и все инициализации выполняются заново.

Warm start быстрее cold start (JVM/VM уже запущены, Application-код выполнен), но медленнее hot start, когда экран просто восстанавливается из стека. Проблема в том, что восстановление состояния при warm start часто делается неправильно: сохранение больших объектов в Bundle, синхронные запросы к БД, повторное создание HTTP-клиентов. Мы гарантируем ускорение warm start минимум на 50% за счёт правильной архитектуры — ViewModel с SavedStateHandle, кэширование данных и единый синглтон-провайдер сетевых сервисов.

Как на Android избежать проблем с SavedInstanceState?

Главная ловушка warm start на Android — неправильная обработка SavedInstanceState. При уничтожении Activity система вызывает onSaveInstanceState, разработчик сохраняет данные, Activity пересоздаётся с savedInstanceState != null. Всё хорошо — пока в Bundle не попадают большие объекты. Bundle не предназначен для сериализации больших данных — 500KB изображений в Bitmap или сериализованный список из 200 объектов вызывают TransactionTooLargeException или тихий crash. Правило: в Bundle — только ID и minimal state, данные — в ViewModel, которая переживает пересоздание Activity.

ViewModel с SavedStateHandle — правильный подход: SavedStateHandle хранит только ID/примитивы в Bundle, полные данные хранятся в ViewModel.stateFlow, восстанавливаются из репозитория по ID при необходимости. Наш опыт показывает, что это сокращает время восстановления на 70%.

Тяжёлые операции в onCreate при warm start — классическая ошибка. Разработчик пишет код для cold start, забывая что при warm start onCreate вызывается снова. Инициализация Room, создание Retrofit-клиента, запуск WorkManager — всё это не должно повторяться при каждом onCreate. Dagger/Hilt @Singleton решает проблему для инфраструктурных компонентов, но за логикой инициализации нужно следить.

Почему State Restoration на iOS — слабое место?

На iOS warm start происходит при возврате в приложение после того, как ViewController был выгружен из-за didReceiveMemoryWarning. viewDidLoad вызывается снова, viewWillAppear тоже. Проблема — если вся логика инициализации экрана в viewDidLoad, она выполнится повторно: сделает лишние сетевые запросы, пересоздаст UI, потеряет позицию скролла.

UIKit State Restoration API (encodeRestorableState, decodeRestorableState) — правильный механизм, но используется редко из-за сложности. Согласно Apple State Restoration Programming Guide, использование encodeRestorableState позволяет сохранить сложные состояния, но многие разработчики предпочитают ручной подход: сохранение состояния в UserDefaults или через Codable в файл.

SwiftUI лучше справляется с этой проблемой через @StateObject и @AppStorage — state автоматически переживает пересоздание View. Но при использовании UIKit-хостинга (UIHostingController) нужно следить за тем, чтобы не пересоздавать @StateObject при каждом обёртывании.

Главная статья потерь на iOS при warm start — повторные сетевые запросы данных, которые уже были загружены до выгрузки. Правильный слой кэширования в репозитории (NSCache для in-memory, CoreData/Realm для persistence) позволяет мгновенно показать данные из кэша и обновить в фоне. Это позволяет сократить время до отрисовки на 60%.

Кейс: ускорение warm start в e-commerce с 1.8 до 0.4 секунды

В нашей практике был проект интернет-магазина с каталогом товаров. Warm start на mid-range Android занимал 1.8 секунды. Profiler показал: 900мс — пересоздание Retrofit/OkHttp клиентов в Fragment.onCreateView, 400мс — синхронный запрос к Room для загрузки категорий, 500мс — inflate сложного RecyclerView layout.

Какие инструменты использовать для замера?

Android: adb shell am start -W package/activity — показывает TotalTime для warm start. Для детального анализа — Perfetto с секцией ActivityThread.handleStartActivity. Firebase Performance Monitoring автоматически трекает startup traces в продакшене.

iOS: Instruments → Time Profiler с шаблоном App Launch. MetricKit в iOS 13+ собирает MXAppLaunchMetric с разбивкой на cold/warm/resume.

Типы запуска: cold warm hot

Таблица типичных проблем и решений

Процесс работы и что входит

1. Аналитика — замер времени warm start на целевых устройствах, профилирование (Perfetto, Instruments).
2. Проектирование — архитектура восстановления состояния, выбор инструментов кэширования.
3. Реализация — рефакторинг инициализации, внедрение ViewModel/SavedStateHandle, кэш-слоя.
4. Тестирование — на 5+ реальных устройствах, включая старые модели.
5. Документация — описание нового подхода для поддержки.

Отметим: Что входит в работу:

• Аудит текущего времени warm start.
• Выявление узких мест: повторные инициализации, тяжёлые операции в onCreate/viewDidLoad.
• Рефакторинг: внедрение ViewModel, синглтонов, кэширования.
• Тестирование на реальных устройствах.
• Гарантия снижения времени warm start на 50%.

Мы — команда с 8-летним опытом в мобильной разработке, реализовали более 20 проектов по оптимизации производительности. Закажите аудит warm start вашего приложения — мы проведём профилирование и предложим оптимизации под ключ в течение двух недель. Свяжитесь с нами для оценки проекта.

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.