另一個Android性能剖析工具——simpleperf

談到Android上的性能剖析，很多人會想到TraceView，SysTrace。TraceView擅長Method Tracing，與IDE集成，使用方便，不過有時候它的誤差讓人無法忍受；SysTrace的牛逼之處在于它可以給出整個系統的一些關鍵模塊的性能信息，因此用途廣泛；雖然它也支持分析自定義模塊，但是使用起來稍顯復雜。

事實上，在AOSP中有另外一個性能剖析工具不為人知，這個安靜的小可愛就是今天要介紹的主角—— simpleperf 。我們先來看看它的介紹：

Simpleperf is a native profiling tool for Android. Its command-line interface supports broadly the same options as the linux-tools perf, but also supports various Android-specific improvements.

native profiling ？是不是很心動？

至于simpleperf的原理，簡單來說，現代CPU一般都帶有一個叫做性能監視單元（PMU）的組件，這個硬件能夠記錄諸如cpu周期數、執行的指令數、緩存失效次數等等關鍵信息；Linux內核對這個硬件做了一層封裝，通過 `perf_event_open` 系統調用把接口暴露給用戶空間；這就是simpleperf工具的由來。

簡介和原理都表明這個工具貌似很牛逼，接下來我們就試一試。

首先把AOSP上的源碼下載下來， 點我 。

simpleperf是一個命令行工具，與systrace不同的是，它的工具集包涵client端和host端；client端運行在Android系統上，負責收集性能數據；host端則運行在你的開發機上，負責對數據進行分析和可視化。（這些可執行文件在下載后的bin文件夾的android和win/mac/linux下）整個工具鏈使用起來相對復雜，所幸simpleperf的創造者提供了一個炒雞傻瓜的使用腳本，使用起來毫不費力，非常方便！這個腳本就是 `app_profile.py`。

我們把 simpleperf 下載下來之后，首先修改 `app_profile.config` 文件中的配置，主要是以下幾個字段：

# 待分析的app的包名，需要是debuggable的
app_package_name = ""

# 分析的命令，體驗的話使用默認即可；更詳細的用途看文檔。
record_options = "-e cpu-cycles:u -f 4000 -g --dump-symbols --duration 10"

# 待分析app的主界面，app_profile.py會通過am start 幫助開啟app
main_activity = ''

然后在你的設備上安裝待分析的App，要注意的是這個App必須是debuggable的，在AndroidManifest中把debuggable設置為true即可。接下來，就可以直接通過：

python app_profile.py

進行分析了，這個腳本幫你完成了simpleperf下載，權限設置，打開app，導出數據等等一系列過程；開始分析之后，就可以對App進行操作；在設置好的時間之后就會停止分析，跟SysTrace一樣。分析完畢之后，腳本會自動把分析數據從設備上pull下來并存放在當前目錄下，叫 perf.data。

接下來就是分析數據了；原始的數據是一個文本文件，長這樣：

0.00%     0.00%  ORDERED_THREAD_  17046  18210  /system/lib/libart.so                                                                                         art::Mutex::ExclusiveLock(art::Thread*)
       |
       -- art::Mutex::ExclusiveLock(art::Thread*)
0.00%     0.00%  AsyncTaskExecut  17046  18216  /system/lib/libart.so                                                                                         art::Monitor::Lock(art::Thread*)
       |
       -- art::Monitor::Lock(art::Thread*)
          |
          |--52.01%-- art::Mutex::ExclusiveLock(art::Thread*)
          |
           --0.54%-- art::Mutex::ExclusiveUnlock(art::Thread*)

嵌套如果過深，基本就看不懂了；所幸我們有另外一個分析腳本！直接運行：

python report.py -g

會啟動一個GUI顯示分析得到的數據，這個GUI使用python的tk寫的，實話說，長得比較丑。。

簡單觀察分析圖，可以知道，的確支持native profiling；gui和TraceView差不多，比較直觀，但是指標沒有TraceView多。另外，這個工具由于硬件直接支持，對性能的影響非常小；光是這一點就好頂贊了。

你以為這就完了？No！這玩意兒還支持 **火焰圖**! 如果你不知道火焰圖為何物，建議看看這篇文章 動態追蹤技術漫談 。

然后，要繪制火焰圖，我們需要借助 FlameGraph 這個工具；clone下來之后，里面的腳本就可以直接使用了。（perl腳本，windows系統需要安裝Perl語言的支持）

接下來我們執行命令：

$python report_sample.py >out.perf
$stackcollapse-perf.pl out.perf >out.folded
$./flamegraph.pl out.folded > graph.svg

我們用Chrome瀏覽器打開這個 `graph.svg` 即可得到火焰圖：

通過火焰圖，我們能非常直觀地看到性能的瓶頸，對于分析性能問題很有幫助；相信這個圖已經說明一切了。

當然 simpleperf 遠非這么簡單，我只是帶大家嘗嘗鮮；對它感興趣的，可以執行 `simpleperf -h` 結合文檔去探索它的奧妙；祝大家玩得開心~

來自：https://zhuanlan.zhihu.com/p/25277481