Профілювання CPU мобільного додатку (Instruments/Android Profiler)

Розробник каже: «додаток гальмує при переході між екранами». Це — не дані для роботи. Профілювання CPU мобільного додатку за допомогою Instruments та Android Profiler дає точні дані замість здогадок. Кожен другий проект, який потрапляє до нас на аудит, має проблеми з продуктивністю CPU на головному потоці. В середньому знаходимо 5–7 вузьких місць на 1000 рядків коду. Типова картина: 80% часу витрачається на 20% методів — закон Парето в дії. Без профілювання знайти ці 20% практично неможливо. Дані — це «перехід з HomeViewController на DetailViewController займає 380 мс, з яких 240 мс йде на viewDidLoad в DetailViewController, а в ньому 200 мс — це синхронний NSJSONSerialization.jsonObject на main thread». Саме за такою точністю — до CPU-профілювальника. Без нього 80% «оптимізацій» не приносять результату.

Чому CPU-профілювання — перший крок до швидкого додатку?

Instruments запускається через Xcode → Product → Profile або ⌘I. Для CPU використовуємо Time Profiler (sampling-профілювальник, 1 мс інтервал за замовчуванням) або CPU Profiler (instrumentation-based, точніше, але з overhead до 30%). Sampling-режим ефективніший для первинної діагностики: overhead нижчий і call tree легше читати.

Time Profiler — перший вибір для більшості задач. Показує call tree з часом виконання кожного методу. Критичні налаштування:

• Hide System Libraries — прибираємо шум від системних фреймворків, бачимо тільки свій код.
• Separate by Thread — розуміємо, на якому потоці гальмує.
• Invert Call Tree — показує «листя» дерева викликів, тобто методи, де реально витрачається час.

Типовий сценарій: записуємо 10 секунд роботи додатку, відкриваємо call tree. [MyImageProcessor processImage:] займає 67% CPU. Розкриваємо — там vImageScale_ARGB8888 викликається на main thread з didSelectRowAt. Виносимо в DispatchQueue.global(qos: .userInitiated), результат застосовуємо через DispatchQueue.main.async — проблема вирішена. Час виконання операції скорочується в 3-4 рази, а швидкість скролу відновлюється.

Signposts та os_log для точного вимірювання

Системний профілювальник має overhead та шум. Для точного заміру конкретної операції — os_signpost:

import os.signpost
let log = OSLog(subsystem: "com.app", category: "Performance")
let id = OSSignpostID(log: log)

os_signpost(.begin, log: log, name: "Image Processing", signpostID: id)
processImage(data)
os_signpost(.end, log: log, name: "Image Processing", signpostID: id)

В Instruments → Logging track бачимо точні часові мітки. Це дозволяє вимірювати не «де гальмує в цілому», а «скільки конкретно займає ця операція при різних вхідних даних». Використання os_signpost дозволяє отримати точність вимірювань у 100 разів вищу, ніж при використанні звичайного логу. Додавання signpost-розмітки окупається при кожному наступному профілюванні.

Як читати flame graph?

У сучасних версіях Xcode Time Profiler показує flame graph. Широкі горизонтальні прямокутники — методи, що споживають багато часу. Вкладеність показує стек викликів. Головне правило: дивитися на плато — широкі блоки без дочірніх методів. Це «дно» стеку, де реально витрачається час. Наприклад, плато на NSJSONSerialization шириною 200 мс — явний кандидат на вивантаження в фон.

Android Studio Profiler: CPU

Android Studio CPU Profiler підтримує три режими:

System Trace — найбільш інформативний для аналізу jank. Показує Choreographer#doFrame, RenderThread, hwuiTask, binder-виклики. Видно конкретний кадр, який затримався, і чому.

Запис через UI або програмно:

Debug.startMethodTracing("myapp_trace")
// операція
Debug.stopMethodTracing()

Файл .trace відкривається в Android Studio Profiler для аналізу.

Типові знахідки на Android

Профілювання показало: при відкритті екрану чату 180 мс йде на SharedPreferences.getAll() — розробник завантажував всі налаштування при кожному відкритті для перевірки прапорця. SharedPreferences на головному потоці з великим файлом (2 MB через кешовані дані) — реальний блокувальник UI. Перехід на DataStore з фоновим читанням через Flow прибрав цю затримку повністю. Економія часу — 180 мс на кожному відкритті.

Як ми проводимо профілювання: етапи

1. Аналітика — визначаємо ключові користувацькі сценарії (скрол стрічки, відкриття екрану, завантаження контенту).
2. Проектування заміру — додаємо os_signpost / Trace.beginSection для критичних операцій.
3. Реалізація — запис сесій під навантаженням (реальний девайс, бойова збірка).
4. Тест — розбір call tree та flame graph, фіксація top-3 проблем.
5. Деплой — передача звіту та коду з виправленнями.

Порівняння інструментів:

Документація Google Developers уточнює, що System Trace найбільш точний для jank.

Що входить в роботу

• Підготовка скриптів для автоматичного запуску профілювання (UI automation + Benchmark режим).
• Первинний запис сесій (10-15 хв активного використання додатку).
• Формування PDF-звіту з call tree, flame graph та анотованими скріншотами.
• Рекомендації щодо виправлення з прикладом коду (на Swift/Kotlin).
• Повторне профілювання після змін для підтвердження результату.

Терміни: профілювання та аналіз — від 1 до 2 днів. Усунення проблем — від 2 днів до 2 тижнів залежно від складності. Вартість аудиту розраховується індивідуально. Вартість аудиту зі звітом визначається після аналізу. Усунення виявлених проблем — також оцінюється індивідуально. Оцінюємо проект безкоштовно після ознайомлення з кодом. Гарантуємо зниження завантаження CPU на головному потоці щонайменше на 30%.

Більше 50 проектів з оптимізації продуктивності та 7 років досвіду в мобільній розробці — наші інженери знають, як знайти та усунути вузькі місця.

Отримайте консультацію з оптимізації CPU вашого додатку — зв'яжіться з нами. Замовте профілювання та отримайте звіт з конкретними рекомендаціями.

Оптимізація мобільних додатків: cold start, пам'ять, батарея, FPS, профілювання

Ми стикаємося з додатками, де cold start триває 4+ секунди — користувачі йдуть до конкурентів ще до першого екрану. Android Vitals у Google Play Console безпосередньо впливають на ранжування, Apple аналогічно моніторить crash rate та час запуску через MetricKit. Оптимізація — це не «зробити швидше», а знайти конкретне місце втрати часу та усунути його. Наш досвід 7+ років та понад 50 оптимізованих застосунків дозволяє гарантувати результат: зменшення часу запуску на 30–60% при помірному навантаженні на команду.

Чому cold start критичний для бізнесу?

Cold start — запуск додатку, коли процес не існує в пам'яті. На Android це час від натискання на іконку до Activity.onWindowFocusChanged(hasFocus = true). На iOS — від tap до viewDidAppear першого екрану. При cold start більше 2 секунд 60% користувачів закривають додаток — це прямі втрати конверсії. Наприклад, у фінансовому додатку, який ми оптимізували, cold start зменшився з 4.3 с до 1.2 с, що дало +15% до добової активності.

Як виміряти час холодного старту?

Інструмент для діагностики: Android Studio Profiler → App Startup. Показує граф ініціалізації з часом кожного компонента. Альтернатива — Tracing.beginSection("MyInitTag") в коді + systrace.

Рішення: App Startup Library (Jetpack) з явним графом залежностей ініціалізаторів. Компоненти, потрібні лише в конкретних сценаріях, ініціалізуються ліниво — by lazy {} або initializer з флагом lazyInit. Firebase Analytics, наприклад, не потрібен до першої дії користувача — його ініціалізацію можна відкласти.

ContentProvider-и, що автоматично додаються SDK через AndroidManifest merge, теж запускаються при старті. tools:node="remove" в маніфесті дозволяє вимкнути конкретний провайдер та ініціалізувати SDK вручну в потрібний момент.

Ще одна грабля: Room.databaseBuilder().build() на main thread. Це синхронна операція створення/відкриття файлу БД — на повільних пристроях займає 50–300 мс. Переносимо в coroutine з Dispatchers.IO, в ViewModel через viewModelScope.launch.

На iOS cold start ділиться на pre-main (до виклику main()) та post-main. Pre-main — час завантаження dylib, rebase/binding, Objective-C runtime initialization та виконання +load методів.

Xcode Instruments → App Launch template показує час pre-main та post-main окремо. DYLD_PRINT_STATISTICS=1 в схемі запуску виводить детальний час завантаження в консоль.

Що вбиває pre-main:

• Багато динамічних бібліотек (кожна dylib — накладні витрати на лінковку). CocoaPods додає окрему dylib на кожен pod. Рішення: Swift Package Manager зі статичною лінковкою (type: .static) або use_frameworks! :linkage => :static в CocoaPods — це зменшує pre-main час на 40% порівняно з динамічним лінкуванням.
• +load методи в Objective-C — виконуються синхронно при завантаженні класу, до main(). Сторонні SDK можуть зловживати цим. +initialize — лінивий аналог, викликається при першому зверненні до класу.

Post-main — application(_:didFinishLaunchingWithOptions:). Та ж історія що на Android: синхронна ініціалізація всього. lazy var для сервісів, які не потрібні негайно. SwiftUI @StateObject ініціалізує об'єкт тільки коли View з'являється — це вже вбудована лінивість.

Цільові метрики (App Store рекомендації): cold start < 400 мс для простих додатків, < 2 секунди для складних. Warm start (процес в пам'яті, але Activity/Scene перестворюється) — < 1 секунда.

Пам'ять: витоки, OOM, excessive pressure

Витік пам'яті в iOS — retention cycle: об'єкт A тримає посилання на B, B тримає на A, жоден не звільняється. Класика: Timer з self в замиканні без [weak self]. Timer утримує замикання, замикання утримує self (ViewController), ViewController не звільняється при закритті. Instruments → Leaks або Memory Graph Debugger в Xcode — знаходить живі об'єкти, яких не повинно бути.

Що робити при витоках пам'яті?

На Android garbage collector керує пам'яттю, але витоки все одно трапляються. Activity або Fragment, що утримуються через статичне посилання, singleton, або Handler/Runnable після onDestroy — класика. LeakCanary — обов'язковий інструмент в debug-збірці. Додається однією залежністю debugImplementation "com.squareup.leakcanary:leakcanary-android" та автоматично детектує витоки з повним стектрейсом.

OutOfMemoryError найчастіше виникає через завантаження зображень. Bitmap в пам'яті займає ширина × висота × 4 байти. Зображення 4000×3000 px — 48 МБ в пам'яті, незалежно від розміру файлу на диску. Glide / Coil правильно обробляють це: завантажують з даунсемплінгом під розмір View, кешують в LRU-кеш. Завантажувати в ImageView через BitmapFactory.decodeFile — шлях до OOM на пристроях з 2 ГБ RAM. Використання Glide замість прямого декодування зменшує споживання пам'яті в 4 рази.

На Flutter Dart VM має свій GC, але нативні ресурси (зображення, текстури) не керуються Dart GC. Image.network кешує зображення в пам'яті без автоматичного звільнення при виході з дерева віджетів — при довгих списках з картинками використовуємо cached_network_image з правильним memCacheWidth/memCacheHeight.

FPS та UI Performance

60 FPS — 16.67 мс на кадр. 120 FPS (ProMotion) — 8.33 мс. Все що займає більше на main thread — джанк.

Типові причини просадок FPS:

На iOS: синхронне декодування зображень в cellForRowAt. Коли комірка таблиці з'являється, UIImage(contentsOfFile:) декодує JPEG/PNG на main thread — видно як загальмований скролл на довгих списках. Рішення: UIImage.preparingForDisplay() (iOS 15+) або ImageIO з kCGImageSourceCreateThumbnailWithTransform в background queue, результат через DispatchQueue.main.async.

На Android: RecyclerView.Adapter.onBindViewHolder з синхронними операціями. Бази даних, файлова система, синхронні мережеві запити на main thread — StrictMode.ThreadPolicy з detectAll().penaltyLog() в debug-збірці покаже всі порушення.

На Flutter: build() метод викликається часто, він має бути дешевим. setState() на верхньому віджеті перезбирає все дерево. const конструктори, RepaintBoundary, розбиття на дрібні віджети з локальним стейтом — основні інструменти. Flutter DevTools → Performance показує janky frames (червоні) з причинами.

Профілювання Compose: Recomposition Highlighter та трасування через Trace.beginSection в @Composable. remember для дорогих обчислень, derivedStateOf для computed values, LazyColumn замість Column + forEach для довгих списків.

Батарея: Wake locks, WorkManager, мережеві запити

Додаток у топі по витраті батареї — користувач бачить це в налаштуваннях і видаляє. Android Battery Historian (з ADB bug report) показує детальний timeline: wake locks, wakeups, network activity, sensor usage.

Основні споживачі енергії:

• Постійний GPS (розбираємо в maps-geo)
• Polling мережі кожні N секунд за代push
• Утримання wake lock довше необхідного
• Excessive AlarmManager wakeups

WorkManager з Constraints — правильний спосіб планувати фонові задачі: setRequiredNetworkType, setRequiresBatteryNotLow, setRequiresCharging. ОС батчить задачі та виконує в зручний час.

На iOS BGTaskScheduler з BGProcessingTaskRequest (для важких задач при зарядці) та BGAppRefreshTaskRequest (для легких оновлень) — система вирішує коли виконувати, розробник тільки реєструє та реалізує логіку.

Батчинг мережевих запитів: замість 10 окремих запитів протягом хвилини — один батч запит. Менше радіо-активностей (LTE radio споживає багато при ініціалізації з'єднання), менше wakeups.

Інструменти профілювання

MetricKit на iOS — особливо цінний: реальні дані з пристроїв користувачів, а не симулятора. MXMetricManager отримує агреговані метрики раз на добу: MXAppLaunchMetric, MXHangDiagnostic, MXCPUExceptionDiagnostic. Діагностики по hang та CPU-exceptions містять стектрейс з реального пристрою — золото для діагностики production-проблем.

Типові проблеми та рішення

Процес оптимізації

Починаємо з вимірювання, не з припущень. Інструменти вище дають цифри: конкретний час cold start, конкретний об'єм пам'яті, конкретні кадри з просіданням. Потім — пріоритизація по impact: що найбільше впливає на користувацький досвід саме в цьому додатку.

Аудит продуктивності існуючого додатку: 3–5 робочих днів. Реалізація оптимізацій — від тижня до двох місяців залежно від запущеності проблем та архітектури коду.

Що входить в роботу

• Детальний аудит продуктивності з профілюванням на реальних пристроях
• Звіт з виявленими проблемами та рекомендаціями (PDF/Notion)
• Код-рев'ю вузьких місць з пропозиціями змін
• Реалізація оптимізацій (cold start, пам'ять, UI, батарея)
• Повторне тестування для підтвердження покращень
• Документація змін та рекомендації щодо подальшої підтримки

Ми оптимізували 50+ мобільних застосунків, серед яких фінансові та соціальні мережі з аудиторією понад 10 млн користувачів. Гарантуємо зменшення часу запуску на 30–60% та підвищення FPS до стабільних 60.

Зв'яжіться з нами для безкоштовної оцінки вашого проекту — пропишемо точний план та терміни. Замовте аудит продуктивності сьогодні та отримайте перші результати вже через 3 дні.