【性能工具】atrace、systrace、perfetto抓取的trace文件有何不同？

日常分析性能问题时，想要抓取trace文件，无非atrace、systrace、perfetto这三种方式，那么他们对于分析来说有什么区别呢？本文对此进行梳理。

一、三者本质关系

复制代码

┌─────────────────────────────────────────────────────┐
│                   数据来源层                          │
│  ftrace (Linux kernel) + Android atrace events       │
└──────────────┬──────────────────────────────────────┘
               │
    ┌──────────┼──────────┐
    ▼          ▼          ▼
  atrace     systrace   perfetto
 (采集工具)  (采集+展示) (采集+展示)

它们共享同一底层数据源，区别在于采集方式、格式和分析能力。

二、详细对比

2.1 atrace

复制代码

定位：纯命令行数据采集工具（Android底层）
输出：原始 ftrace 文本格式

工作原理：

复制代码

# atrace 本质是写入 /sys/kernel/debug/tracing/
atrace --list_categories        # 查看可用分类
atrace -t 10 -b 32768 gfx view wm am -o trace.atrace
输出格式示例（原始文本）：
# tracer: nop
#
# entries-in-buffer/entries-written: 84780/84780   #P:8
#
#                              _-----=> irqs-off
#                             / _----=> need-resched
#                            | / _---=> hardirq/softirq
#                            || / _--=> preempt-depth
#                            ||| /     delay
#           TASK-PID   CPU#  ||||    TIMESTAMP  FUNCTION
#              | |       |   ||||       |         |
        RenderThread-1234  [003] ...1  1234.567890: tracing_mark_write: B|1234|DrawFrame
        RenderThread-1234  [003] ...1  1234.578901: tracing_mark_write: E|1234|

适合场景：

脚本自动化采集

需要原始数据做二次处理

嵌入到 CI/CD 流程

2.2 systrace

plain

定位：Python脚本，采集atrace数据并转换为HTML可视化

输出：HTML文件（内嵌 Trace Viewer，基于 Chromium）

生命周期：Android 10+ 已标记为 deprecated

工作原理：

复制代码

systrace.py → 调用 atrace → 收集 ftrace 数据
           → 转换为 JSON → 生成 HTML（Catapult Trace Viewer）
使用方式：

# 旧方式
python systrace.py -t 10 -b 32768 gfx view wm am -o trace.html
# 或通过 Android Studio
# CPU Profiler → System Trace
输出特点：
trace.html
├── 内嵌 trace-viewer.js（Chromium项目）
├── 数据格式：JSON（Chrome Trace Format）
└── 直接用浏览器打开查看
时间线视图结构：
┌─────────────────────────────────────────┐
│  Process: com.example.app (pid 1234)    │
│  ├── Thread: main                       │
│  │   ├── [Choreographer#doFrame      ]  │
│  │   │   ├── [traversal             ]  │
│  │   │   └── [draw                  ]  │
│  ├── Thread: RenderThread              │
│  └── ...                               │
│  Kernel Threads                        │
│  ├── CPU 0 Frequency                   │
│  └── ...                               │
└─────────────────────────────────────────┘

适合场景：

分析帧率/卡顿（帧边界清晰可见）

UI 渲染流水线分析

快速分享（单个 HTML 文件）

旧项目维护（不建议新项目使用）

2.3 Perfetto

复制代码

定位：新一代全平台追踪框架
输出：.perfetto-trace（protobuf二进制）
官方推荐：Android 9+ 使用，Android 10+ 完整支持
架构：
┌─────────────────────────────────────────────────┐
│              Perfetto 架构                       │
│                                                  │
│  数据源(Data Sources)                            │
│  ├── ftrace (kernel events)                     │
│  ├── /proc/stat, /proc/meminfo                  │
│  ├── Heapprofd (heap profiling)                 │
│  ├── Android GPU counter                        │
│  ├── Chrome browser events                      │
│  └── 自定义 SDK (Java/C++/Rust)                 │
│              ↓                                   │
│  traced (后台服务，ring buffer管理)               │
│              ↓                                   │
│  输出：.perfetto-trace (protobuf)                │
└─────────────────────────────────────────────────┘

采集方式：

方式1：命令行

复制代码

adb shell perfetto \
  -c - --txt \
  -o /data/misc/perfetto-traces/trace \
<<EOF
buffers: {
    size_kb: 63488
    fill_policy: RING_BUFFER
}
data_sources: {
    config {
        name: "linux.ftrace"
        ftrace_config {
            ftrace_events: "sched/sched_switch"
            atrace_categories: "gfx"
            atrace_categories: "view"
            atrace_categories: "am"
        }
    }
}
data_sources: {
    config {
        name: "android.heapprofd"  # 额外能力：堆内存
        heapprofd_config {
            sampling_interval_bytes: 4096
            process_cmdline: "com.example.app"
        }
    }
}
duration_ms: 10000
EOF

方式2：使用 record_android_trace 脚本（推荐）

复制代码

curl -O https://raw.githubusercontent.com/google/perfetto/master/tools/record_android_trace
python3 record_android_trace -o trace.perfetto-trace -t 10s -b 64mb \
    gfx view am wm

代码插桩（SDK）：

复制代码

kotlin
// Kotlin/Java
import android.os.Trace

// 简单方式（atrace兼容）
Trace.beginSection("MyOperation")
doSomething()
Trace.endSection()

// Perfetto SDK（更强大）
// build.gradle
implementation 'dev.perfetto:sdk:0.0.1'
cpp
// C++ 使用 Perfetto SDK
#include <perfetto.h>
PERFETTO_DEFINE_CATEGORIES(
    perfetto::Category("myapp").SetDescription("My app events"));

TRACE_EVENT("myapp", "MyFunction");
// 支持携带参数
TRACE_EVENT("myapp", "ProcessRequest", 
    "request_id", request_id,
    "size", data.size());

适合场景：

内存分析（native heap profiling）

长时间采集（ring buffer，可采集分钟级）

跨进程/跨平台分析（Android + Chrome）

SQL 查询分析（内置 TraceProcessor + SQLite）

自动化分析（Python API）

新项目首选

三、具体功能差异举例

3.1 帧分析（Frame Timeline）

复制代码

atrace 转换后：
┌────────────────────────────────────────┐
│ RenderThread                           │
│ [DrawFrame][DrawFrame][DrawFrame]      │
│                                        │
│ 只能看到函数名和耗时，                  │
│ 无法判断是否掉帧、Jank 类型            │
└────────────────────────────────────────┘

Perfetto 原生（Android 12+）：
┌────────────────────────────────────────┐
│ Expected Timeline  [16ms][16ms][16ms]  │
│ Actual Timeline    [14ms][32ms!][15ms] │
│                          ↑            │
│                     自动标红 Jank      │
│                     点击显示原因：     │
│                     "GPU completion   │
│                      deadline missed" │
└────────────────────────────────────────┘

3.2 Slice 携带的参数信息

复制代码

// atrace 方式（无法携带参数）
ATRACE_BEGIN("processRequest");
// ... 处理逻辑
ATRACE_END();

// Perfetto SDK 方式（可携带丰富参数）
TRACE_EVENT("myapp", "processRequest",
    "request_id", req.id,          // 整数参数
    "url", req.url,                // 字符串参数  
    "size_bytes", req.body.size(), // 大小
    "is_cached", cached);          // 布尔值

cpp 复制代码

atrace 转换后在 UI 点击 slice：
┌─────────────────┐
│ Name: processRequest │
│ Start: 1234.56ms     │
│ Duration: 23.4ms     │
│ (无其他信息)         │
└─────────────────┘

Perfetto 原生在 UI 点击 slice：
┌─────────────────────────┐
│ Name: processRequest    │
│ Start: 1234.56ms        │
│ Duration: 23.4ms        │
│ ─── Arguments ───       │
│ request_id: 42          │
│ url: /api/user/profile  │
│ size_bytes: 1024        │
│ is_cached: false        │
└─────────────────────────┘

3.3 CPU Wakeup 分析

复制代码

atrace 转换后：
线程 A 等待中... → 突然被唤醒
（无法知道谁唤醒了它）

Perfetto 原生：
线程 A 等待中... → [wakeup by 线程B] → 运行
                     ↑
              点击可跳转到线程B
              的对应位置，显示
              完整唤醒调用栈

3.4 SQL 查询能力对比

sql 复制代码

-- atrace 转换后可以查的（基础）：
SELECT name, dur FROM slice 
WHERE dur > 16000000
ORDER BY dur DESC;

-- 有数据但有限：
-- slice 表：有
-- sched 表：部分有
-- counter 表：基础有

-- Perfetto 原生可以查的（丰富）：
-- 查询导致Jank的帧
SELECT 
    f.ts, f.dur,
    f.jank_type,
    f.on_time_finish
FROM frame_slice f
WHERE f.jank_type != 'none';

-- 查询内存分配热点（需heapprofd数据）
SELECT 
    h.name as function,
    SUM(h.size) as total_bytes,
    COUNT(*) as alloc_count
FROM heap_profile_allocation h
GROUP BY h.name
ORDER BY total_bytes DESC
LIMIT 20;

-- 查询线程唤醒链
SELECT 
    t1.name as waiter,
    t2.name as waker,
    w.ts,
    w.dur as wait_time
FROM thread_state w
JOIN thread t1 ON w.utid = t1.utid
JOIN thread t2 ON w.waker_utid = t2.utid
WHERE w.state = 'S'  -- sleeping
  AND w.dur > 10000000;  -- 等待超过10ms

四、一个直观的信息量对比

复制代码

假设分析一个卡顿问题：

用 atrace 转换后分析：
─────────────────────
✅ 能看到：哪个函数耗时长（23ms > 16ms）
✅ 能看到：发生在哪个线程
✅ 能看到：同期 CPU 频率
❌ 不知道：为什么慢（内存分配？锁等待？）
❌ 不知道：是否有频繁的小内存分配
❌ 不知道：具体是哪行代码
❌ 不知道：GPU 侧是否也有延迟

用 Perfetto 原生分析：
─────────────────────
✅ 能看到：函数耗时 + 内部调用栈
✅ 能看到：这23ms里有18ms在等锁（sched状态）
✅ 能看到：持锁的是哪个线程在做什么
✅ 能看到：同期发生了 2MB 的 native 内存分配
✅ 能看到：具体分配来自哪个调用路径（火焰图）
✅ 能看到：GPU 完成时间比预期晚了 5ms
✅ 能看到：帧被系统标记为 AppDeadlineMissed Jank

五、总结

核心结论：三者数据来源相同，perfetto 是进化版，在数据丰富度、分析能力、工具链上全面超越前两者。新项目直接用 perfetto，老项目的 systrace trace 可通过 traceconv 转换复用。