Оптимізація розміру збірки (App Size) мобільного застосунку
Ваш застосунок важить 120 МБ, і конверсія при завантаженні через мобільну мережу падає на 30%? Ми стикалися з такими проєктами не раз. За даними Google, кожен додатковий мегабайт знижує конверсію приблизно на 1% на пристроях з повільним інтернетом. Android встановлює ліміт завантаження без Wi-Fi у 200 МБ, iOS App Store попереджає при завантаженні через стільникову мережу понад 200 МБ. Це не абстрактні метрики — це реальні бар'єри для встановлення. Наш досвід показує, що оптимізація розміру збірки під ключ дозволяє зменшити APK/IPA на 30-60% без втрати функціональності, при цьому вкладаючись у 3-7 робочих днів. Ми гарантуємо вимірюваний результат: до та після.
Чому App Size важливий для конверсії?
Кожен мегабайт — це потенційно втрачений користувач. Особливо в регіонах з повільним інтернетом або дорогим тарифом. Багато користувачів завантажують застосунки тільки при Wi-Fi, а попередження про великий розмір знижують ймовірність встановлення. На сертифікованих iOS та Android пристроях ми бачили пряму кореляцію: зменшення розміру на 10 МБ збільшувало конверсію на 5-10%.
Android: AAB та Play Feature Delivery
Перехід з APK на AAB (Android App Bundle) — перший і найпростіший крок. Google Play динамічно збирає оптимізований APK для кожного пристрою: тільки потрібні ABI (arm64-v8a, x86_64), тільки потрібні density ресурси (xxhdpi для пристроїв з xxhdpi екраном). Типова економія — 20-40% від розміру universal APK.
Якщо проєкт ще збирається в APK без AAB — це техборг, який потрібно закрити в першу чергу.
Як R8 допомагає зменшити розмір?
R8 включений за замовчуванням в release-збірках з AGP 3.4+. Але minifyEnabled true та shrinkResources true в buildTypes.release потрібно перевірити явно — в legacy-проєктах вони часто вимкнені «щоб не зламалося». Повний ProGuard дає 30-50% скорочення розміру коду.
Після включення мініфікації обов'язково: тестування release-збірки (не debug), додавання правил в proguard-rules.pro для використовуваних reflection-heavy бібліотек (Gson, Retrofit, Room міграції), Crashlytics з mapping.txt для читабельних стектрейсів.
Ресурси. webp замість PNG/JPEG для всіх растрових зображень, крім випадків де прозорість з артефактами неприпустима. Android Studio підтримує конвертацію прямо з IDE. Векторні drawables замість PNG для іконок та простої графіки — розмір вектора 1-3 КБ проти 50-200 КБ набору PNG для різних щільностей.
Unused resources: shrinkResources true видаляє невикористовувані ресурси автоматично. Але ресурси, підключені динамічно через Resources.getIdentifier(), можуть бути помилково видалені — потрібен keep.xml файл.
Що робити з нативними бібліотеками?
Якщо проєкт включає NDK-бібліотеки, перевіряємо список ABI: abiFilters 'arm64-v8a', 'x86_64' для production. armeabi-v7a потрібен тільки якщо підтримуєте пристрої до 2014 року. Кожен зайвий ABI — копія всіх .so файлів.
iOS: App Thinning та Bitcode
App Store автоматично застосовує App Thinning: різні варіанти збірки для різних пристроїв (2x/3x assets, arm64 тільки для сучасних пристроїв). В Xcode Organizer → App Size Report можна побачити розмір збірки для конкретних типів пристроїв.
Assets.xcassets. Зображення повинні бути саме там, а не в bundle напряму — тільки так працює Asset Catalog Compiler та App Thinning. WebP підтримується з iOS 14. PDF для vector assets в Asset Catalog — зручно, але Xcode растеризує їх при збірці, реальних переваг розміру не дає. SVG через UIGraphicsImageRenderer або SwiftUI Image з systemName для SF Symbols.
On-Demand Resources. Для застосунків з великою кількістю контенту (ігри, освіта) — розбиття ресурсів на теги та завантаження за вимогою. Початковий розмір завантаження мінімальний, ресурси підтягуються по мірі проходження.
Дублюючі залежності. CocoaPods та Swift Package Manager можуть включити одну бібліотеку двічі в різних версіях. otool -L на бінарнику або аналіз через bloaty покаже реальний внесок кожного фреймворку.
Аудит залежностей — прихований резерв
Найпростіший спосіб скоротити розмір — прибрати невикористовувані залежності. SDK, який підключили «про всяк випадок», SDK, від якого залишилася одна функція — кандидати на видалення.
| Тип залежності |
Типовий внесок у розмір |
| Рекламні SDK (AdMob, IronSource) |
3-8 МБ |
| ML-бібліотеки (TensorFlow Lite, Core ML моделі) |
5-50 МБ |
| Аналітика (Firebase, Amplitude) |
1-3 МБ |
| Карти (Google Maps SDK) |
8-15 МБ |
Firebase можна підключати модульно — тільки потрібні компоненти, без pod 'Firebase' який тягне все одразу.
Порівняння технік оптимізації
| Метод |
Типове скорочення |
Трудомісткість |
| R8/ProGuard + shrinkResources |
30-50% |
1-2 дні |
| AAB (Android) |
20-40% |
1 день |
| WebP та векторизація |
10-30% |
1-2 дні |
| Видалення невикористовуваних залежностей |
5-30% |
1-3 дні |
| App Thinning + ODR (iOS) |
15-30% |
2-3 дні |
Процес роботи
- Аналіз вихідної збірки — вимірюємо розмір на різних пристроях за допомогою APK Analyzer, App Size Report.
- Визначення пріоритетних напрямків — виявляємо «жирні» компоненти.
- Реалізація змін — налаштування AAB, ProGuard, конвертація ресурсів.
- Тестування — релізна збірка на всіх цільових пристроях без падінь та багів.
- Деплой в stores — публікація оптимізованої версії.
Що входить в роботу?
- Аудит поточної конфігурації збірки (Gradle, Xcode)
- Аналіз залежностей та рекомендації щодо видалення
- Налаштування ProGuard/R8 з підтримкою всіх бібліотек
- Конвертація ресурсів в WebP
- Перехід на AAB (Android) та налаштування App Thinning (iOS)
- Документація внесених змін
- Підтримка при публікації в App Store та Google Play
Строки та вартість
Строк оптимізації — від 3 до 7 робочих днів. Вартість розраховується індивідуально після оцінки проєкту. Ми виконуємо роботи віддалено або на вашому майданчику. Наш досвід — 10+ років у мобільній розробці, 200+ успішних проєктів. Отримайте безкоштовну консультацію: зв'яжіться з нами, і ми проаналізуємо вашу збірку та запропонуємо план оптимізації.
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
| Платформа |
Інструмент |
Що показує |
| iOS |
Xcode Instruments (Time Profiler) |
CPU, call stack, гарячі методи |
| iOS |
Allocations |
Живі об'єкти, піки пам'яті |
| iOS |
Leaks |
Retention cycles |
| iOS |
MetricKit |
Виробничі метрики (crash rate, hang rate, launch time) |
| Android |
Android Profiler |
CPU, Memory, Network, Energy |
| Android |
Systrace / Perfetto |
System-level трейси |
| Android |
LeakCanary |
Витоки пам'яті |
| Android |
Battery Historian |
Енергоспоживання |
| Flutter |
Flutter DevTools |
Recomposition, frame rendering, memory |
| Flutter |
Dart Observatory |
Dart VM profiling |
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
| Проблема |
Інструмент діагностики |
Рішення |
| Cold start > 3 с |
App Startup / DYLD_PRINT_STATISTICS |
Лінива ініціалізація, статичне лінкування |
| OOM на зображеннях |
LeakCanary / Allocations |
Glide/Coil з даунсемплінгом |
| FPS просадки при скролі |
Graphics (Xcode) / Profile GPU (Android) |
Фонове декодування, preparingForDisplay |
| Висока витрата батареї |
Battery Historian / Energy Log |
WorkManager, батч запитів, push замість polling |
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.