Настройка App Thinning: Slicing, Bitcode и On-Demand Resources для iOS

Приложение весит 180 MB при скачивании на iPhone 13 mini, но на iPad Pro размер такой же, хотя планшету не нужны @2x-ассеты. Такая ситуация типична для проектов, где ресурсы собраны в один универсальный комплект без учёта разрешений и архитектур. В результате пользователи с младшими устройствами тратят трафик на ненужные данные, а установка замедляется.

App Thinning решает эту проблему: App Store сам собирает вариант под конкретное устройство, отдавая только необходимые ресурсы. Мы настраиваем полный цикл App Thinning — Slicing, Bitcode и On-Demand Resources — чтобы добиться минимального размера загружаемого пакета. Совокупная экономия может достигать 50%, что при 100 тыс. установок экономит около $5 000 на мобильном трафике. Стоимость доставки приложения снижается примерно на $0.02 за каждое скачивание.

Apple Developer Documentation рекомендует использовать Asset Catalog для всех ресурсов, чтобы Slicing работал корректно.

Как App Thinning сокращает размер IPA?

Данные для приложения с макетами под @2x и @3x, ODR-тегами и удалением Bitcode.

Slicing

App Store создаёт отдельные IPA под каждое устройство. iPhone 8 получает только @2x-ресурсы и ARMv8 slice, iPad Pro — @3x и ARM64e. Ключевое требование: Asset Catalog. Ресурсы вне .xcassets не участвуют — они попадают во все варианты. Проверяем, что все изображения в каталоге с правильными размерными слотами (@1x/@2x/@3x) и trait variations (iPhone/iPad/Mac).

Результат проверяем через Xcode → Product → Archive → Distribute → Ad Hoc/Development → Export → App Thinning: All compatible device variants. После экспорта смотрим App Thinning Size Report.txt — там таблица с размерами для каждого устройства.

On-Demand Resources (ODR)

Контент, который нужен не сразу (уровни игры, обучение, фильтры), помечается тегами и загружается по запросу. Хранится на серверах Apple, не увеличивая IPA.

Настройка:

1. В Xcode: Target → Build Phases → Copy Bundle Resources → для ресурса в Asset Catalog установить On Demand Resource Tags.
2. В коде использовать NSBundleResourceRequest:

let request = NSBundleResourceRequest(tags: ["level_5"])
request.conditionallyBeginAccessingResources { available in
    if available {
        // ресурс уже загружен
    } else {
        request.beginAccessingResources { error in
            guard error == nil else { return }
            // ресурс загружен, можно использовать
        }
    }
}

Лимиты ODR:

Для игр с большим контентом ODR принципиально меняет размер установочного файла — мы гарантируем оптимизацию без потери пользовательского опыта.

Bitcode

Bitcode — промежуточное представление LLVM, которое Apple может перекомпилировать под новые архитектуры. В современных версиях Xcode Bitcode не является обязательным для iOS-приложений — его требование отменено. Для watchOS и tvOS Bitcode может быть нужен, если Xcode не последней версии. Если вы поддерживаете старые библиотеки, которые ещё требуют Bitcode, включаем ENABLE_BITCODE = YES в Build Settings. Все фреймворки должны содержать Bitcode, иначе вся сборка теряет эту возможность.

Bitcode стал опциональным для iOS с обновлением Xcode. Однако для watchOS и tvOS он всё ещё может требоваться, если используется более старая версия Xcode или библиотеки. Если вы поддерживаете старые библиотеки, проверьте совместимость.

Почему ODR важен для игр и больших приложений?

ODR позволяет отложить загрузку контента, который не нужен на старте. Без ODR пользователь скачивает всё сразу, что увеличивает время до первого запуска и снижает конверсию. С настройкой ODR приложение загружается быстрее, а контент подгружается по мере необходимости. Сравнение: без ODR игра может весить 2 GB при установке, с ODR — только 200 MB плюс подгрузка уровней.

Какие ошибки допускают при настройке App Thinning?

• Ресурсы добавлены через File → Add Files вместо Asset Catalog → не slicing.
• ODR-теги назначены, но NSBundleResourceRequest не вызывает endAccessingResources() → ресурс не освобождается.
• Тестирование ODR не проведено в офлайн-режиме → на пользователях обнаруживается, что загрузка не обрабатывает ошибки сети.

Как мы это делаем: процесс работы

1. Аналитика: аудит текущего Asset Catalog, выявление ресурсов вне каталога, оценка объёма контента для ODR.
2. Проектирование: распределение ресурсов по слотам @1x/@2x/@3x, назначение тегов ODR, решение о Bitcode.
3. Реализация: миграция в Asset Catalog, внедрение NSBundleResourceRequest в код, включение Bitcode при необходимости.
4. Тестирование: сборка с App Thinning on All compatible device variants, проверка отчёта Size Report, тестирование ODR в офлайн-режиме.
5. Деплой: загрузка в App Store Connect, проверка размеров в TestFlight.

Что входит в работу

• Аудит текущих ресурсов и Asset Catalog
• Миграция изображений в .xcassets (если требуется)
• Настройка Slicing и проверка Size Report
• Конфигурация On-Demand Resources с тегами и кодом
• Тестирование на реальных устройствах в разных условиях сети
• Документация по настройкам и рекомендации

Сроки и стоимость

Настройка App Thinning для готового проекта — от 1 до 3 дней. Если требуется миграция ресурсов из папок в Asset Catalog — дополнительно 2–5 дней в зависимости от объёма. Стоимость рассчитывается индивидуально. Наш опыт более 7 лет в iOS-разработке гарантирует снижение размера IPA на 30–50% без потери функциональности. Чтобы оценить потенциал App Thinning для вашего проекта, свяжитесь с нами. Мы проведём аудит и предложим оптимальную конфигурацию. Закажите настройку и получите оптимизированное приложение.

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.