开源推荐：https://github.com/codinghiker/perfara
TOC](这里写自定义目录标题)
Perfara 是一款开放、可私有化部署的移动端与 PC 端性能数据平台，面向团队提供与商业闭源方案同级的可视化与分析能力。
在线体验（Demo）
说明 链接
数据看板（按 UID） http://106.14.56.114:8099/?uid=perfara123
单条测试详情（Android 示例，testid） http://106.14.56.114:8099/tests?testid=8e296a067a37563370ded05f5a3bf3ec
iOS / PC / 全平台：列表、趋势与详情能力与上述 Demo 同源；使用同一看板入口，按项目与场景筛选即可。
多平台支持
Android --- CPU / 内存 / FPS / 卡顿 / 网络 / 温度 / 功耗等
iOS & iOS GPU --- 进程 CPU、内存、帧率、磁盘与线程相关指标、GPU 细分等
PC --- 与移动端同一套看板语义，便于跨端对比
采集端上传 JSON 后，云端统一解析、图表渲染与分享。
界面预览（请将以下图片置于本文件同目录或 docs/ 下）
文件 说明
Android1.jpg Android 数据展示示例
an2.gif Android 补充视图
web1.jpg Web 云端采集与数据汇聚示意
anti.jpg 趋势统计：同场景多次测试的均值/峰值曲线，用于持续观测与防劣化
Android 数据展示
Android 补充视图
Web 云端采集与汇聚
趋势统计与防劣化示意
上图：在「趋势统计」中选定项目、平台、场景标记与时间范围后，可对齐同一场景的多轮测试，观察 FPS、CPU、内存等随时间的走势，支撑版本对比与劣化预警。
核心能力
云端看板 --- 浏览器内完成列表、详情、图表与指标汇总，支持按 UID 管理数据范围。
竞品比对 --- 在比对页填入 两个 testid（分享令牌），即可并排对比关键指标，快速定位差异。
趋势统计与自动防劣化 --- 为用例打上场景标记后，在「趋势统计」中按场景筛选；每次同场景测试在时间轴上形成趋势，便于发现性能回退与波动。
开放数据路径 --- 支持自建服务、自主上传与导出；详情页可复制 testid 用于分享与集成。
客户端下载与采集
采集端 / 客户端工具说明（飞书文档）
https://my.feishu.cn/wiki/C7ClwzJvii4lCXk7e1AcWGEInSc?from=from_copylink
下载后按文档连接自有 Data / Web 服务即可上传；数据可在看板中浏览、管理与下载（具体以客户端与接口说明为准）。
私有化部署（服务端）
依赖：Python 3，安装 requirements.txt。
python需要大于python3.8：
启动（二选一）
默认 0.0.0.0:8000
uvicorn backend.app:app --host 0.0.0.0 --port 8000
或使用项目根目录 serve.py（适合 Linux 一键启动，路径与数据库按项目根解析）：
修改端口示例（Windows / Linux 通用）[推荐] ，或者取serve中改端口和IP
set WEBPERF_PORT=8099
python serve.py
Linux / macOS
export WEBPERF_PORT=8099
export WEBPERF_HOST=0.0.0.0
python3 serve.py
环境变量 说明
WEBPERF_HOST 监听地址，默认 0.0.0.0
WEBPERF_PORT 监听端口，默认 8000
WEB_PERF_DB SQLite 数据库文件绝对路径；未设置时默认为 <项目根>/data/webperf.db
浏览器访问 http://<主机>:<端口>/；API 为同源 /api/*。更完整的接口与上传格式见仓库内 README.md。
私有化部署（采集端指向自有看板）
将采集客户端解压或安装后，编辑：
resources/configout/config.js
将其中 开放 Data / Web 服务地址 改为你方部署的看板根 URL（与浏览器访问地址一致，含协议与端口），保存后重启客户端，即可向自有环境上报数据。
开源与仓库
私有化 / 自建参考： https://github.com/codinghiker/perfara
English
Positioning
Perfara is an open, self-hostable performance data platform for mobile and PC workloads---offering visualization and analysis comparable in spirit to commercial closed-source stacks. It serves as a free, transparent alternative to tools like Perfdog: your data, your deployment, your pipeline---ideal for engineering, QA, and long-term performance programs.