Android 性能优化：05.CPU优化

一、CPU 优化的核心原理

从 CPU 角度看，程序执行速度由三个因子决定：

程序执行时间 = 指令数 × 每条指令的平均时钟周期(CPI) × 时钟周期时间

优化任何一个因子都能提升速度：

优化方向	具体手段
减少指令数	更优算法、更简洁代码、多线程并发、预加载减少运行时指令
降低 CPI	减少 IO 等待、优化缓存命中率、选择更高效的编程语言/编译器
降低时钟周期	避免 CPU 降频（控制发热）、利用高性能核心

关键认知 ：当手机发热时，CPU 会通过降频来减少发热。因此，避免长时间高负荷使用 CPU，不仅是优化性能，也是防止性能倒退的重要手段。

---

二、CPU 性能分析工具

1. Perfetto / System Trace

Perfetto 是 Systrace 的继任者，是 Android 10+ 的系统级追踪工具，能查看 Frame Timeline、CPU 调度、Binder、I/O 等全链路信息。

使用方式：

# 抓取系统 trace
adb shell perfetto -o /data/misc/perfetto-traces/trace_file.perfetto-trace -t 10s \
  sched freq idle gfx view wm am ss

分析要点：

• 查看 Frames 行，红色 F 表示丢帧
• 分析主线程和 RenderThread 的耗时分布
• 查看 CPU 核心调度情况

2. Android Studio CPU Profiler

支持三种模式：

模式	适用场景	性能开销
System Trace	系统级分析，查看线程调度、渲染流程	低
Java Method Trace	精确分析 Java 方法耗时	高（5-10倍）
C/C++ Function Trace	Native 代码分析	中

分析视图：

• Call Chart：查看调用关系，系统 API（黄）、应用代码（绿）、第三方（蓝）
• Flame Chart：聚合多次调用，识别热点函数
• Top Down：从顶层方法逐层展开，看耗时分布
• Bottom Up：从底层方法向上追溯调用方

优化时重点关注 Incl Cpu Time（含子函数总耗时）和 Calls+Recur（调用次数）。

3. TraceView（埋点分析）

通过代码埋点精确追踪特定方法：

Debug.startMethodTracing("myapp");
// 需要分析的代码
Debug.stopMethodTracing();

生成的 .trace 文件可用 Android Studio 打开。适合精确分析特定函数，但运行时开销很大。

4. 芯片级工具（深度优化）

• Snapdragon Profiler：高通官方工具，支持 150+ 硬件性能计数器，实时监控 CPU/GPU/DSP
• ARM Performance Studio：含 Streamline（系统级 CPU/GPU 分析）、Frame Advisor 等

---

三、CPU 优化具体手段

1. 线程池优化

合理配置线程池是 CPU 优化的基础：

// CPU 密集型任务：线程数 = CPU核心数 + 1
int cpuCount = Runtime.getRuntime().availableProcessors();
ExecutorService cpuPool = Executors.newFixedThreadPool(cpuCount + 1);

// IO 密集型任务：线程数可以更多
ExecutorService ioPool = Executors.newFixedThreadPool(cpuCount * 2 + 1);

最佳实践：

• 合并网络库和图片库的线程池，避免创建过多线程
• 禁止直接使用 new Thread()，统一通过线程工厂管理
• 配合 Lint 检查线程使用规范

2. 减少 CPU 闲置 --- 预加载策略

大部分应用 CPU 不会持续高负载，利用闲置时间预加载数据/View，可减少核心场景的指令数。

检测 CPU 闲置的推荐方案 （Native 的 times 函数）：

#include <sys/times.h>
#include <unistd.h>

bool isCpuIdle() {
    struct tms buf;
    clock_t utime, stime;
    static clock_t lastUtime = 0, lastStime = 0;
    
    times(&buf);
    utime = buf.tms_utime;
    stime = buf.tms_stime;
    
    long ticksPerSec = sysconf(_SC_CLK_TCK);
    double userUsage = (double)(utime - lastUtime) / ticksPerSec;
    double sysUsage = (double)(stime - lastStime) / ticksPerSec;
    
    lastUtime = utime;
    lastStime = stime;
    
    return (userUsage + sysUsage) < THRESHOLD; // 如 5%
}

注意：Android 8.0+ 不再支持读取 /proc/stat，因此推荐使用 times 函数方案。

3. 减少 CPU 等待 --- IO 任务分离

IO 操作由 DMA 执行，CPU 会等待或切换。将 IO 从主线程分离：

优化前：主线程 → IO读取 → 数据处理 → UI更新
优化后：主线程 → 默认数据展示 → 异步IO → IO完成 → UI更新

核心原则：将主流程拆得足够细，先执行不依赖 IO 的处理，数据到达后再刷新。

4. 锁优化

锁竞争会导致线程阻塞和 CPU 空转：

优化策略	说明
缩小锁粒度	只锁必要代码块，不要锁整个方法
减少锁持有时间	锁内不做耗时操作
使用读写锁	读多写少场景用 ReentrantReadWriteLock
无锁数据结构	如 ConcurrentHashMap、AtomicInteger
避免锁嵌套	防止死锁和优先级反转

5. 算法与数据结构优化

• 选择时间复杂度更低的算法
• 避免在循环中创建对象（减少 GC 压力）
• 使用 SparseArray 替代 HashMap<Integer, Object>
• 字符串拼接用 StringBuilder，避免 String.format（耗时高）

6. 减少 GC 压力

频繁 GC 会抢占 CPU 资源：

• 对象池复用（如 Message.obtain()）
• 避免内存泄漏（使用 LeakCanary 检测）
• 大对象使用 BitmapFactory.Options 进行采样加载
• 使用 ArrayMap / SparseArray 替代 HashMap

---

四、任务调度优化

1. 提升核心线程优先级

通过 Process.setThreadPriority() 调整线程优先级（范围 -20 到 19，-20 最高）：

// 提升主线程优先级
Process.setThreadPriority(Process.myTid(), Process.THREAD_PRIORITY_URGENT_DISPLAY);

// 提升渲染线程优先级
int renderTid = getRenderThreadTid(); // 遍历 /proc/pid/task 获取
if (renderTid != -1) {
    Process.setThreadPriority(renderTid, -19);
}

原则：提高核心线程优先级，降低非核心线程优先级，两者配合才能高效提升速度。

2. 核心线程绑定 CPU 大核

现代手机 CPU 采用大小核架构，将关键线程绑定到大核可显著提升性能：

// 获取最大频率的 CPU 核心
private int getMaxFreqCPUIndex() {
    int cores = Runtime.getRuntime().availableProcessors();
    int maxFreq = -1, maxIndex = 0;
    for (int i = 0; i < cores; i++) {
        File file = new File("/sys/devices/system/cpu/cpu" + i + "/cpufreq/cpuinfo_max_freq");
        // 读取频率，找出最大值
    }
    return maxIndex;
}

// Native 层绑定线程到指定核心
#include <sched.h>

extern "C" JNIEXPORT jint JNICALL
Java_bindMaxFreqCore(JNIEnv *env, jobject, jint cpuIndex, jint tid) {
    cpu_set_t mask;
    CPU_ZERO(&mask);
    CPU_SET(cpuIndex, &mask);
    return sched_setaffinity(tid, sizeof(mask), &mask); // 0 表示成功
}

适用场景：

• 渲染线程绑定大核，提升帧率稳定性
• 游戏主线程绑定大核，减少卡顿
• 启动阶段关键线程绑定大核，加速启动

3. Input 链路的系统级优化

对于极致流畅度要求，可在系统层面优化：

• irq 绑定大核：将输入中断处理绑定到高性能核心
• InputDispatcher 优先派发：对焦点应用优先派发事件
• 触屏固件提频：在触摸事件发生时临时提升 CPU 频率
• 不等 VSync 直接触发 ：对于点击事件，直接触发 doFrame 而非等待下一个 VSync

---

五、编译期优化

1. R8 Full Mode（AGP 8.0+ 默认启用）

R8 作为 ProGuard 的继任者，在 Full Mode 下可进行更深度的优化：

• 值假设优化
• 空值传播
• 死代码消除
• 内联优化

配置：

android {
    buildTypes {
        release {
            minifyEnabled true
            shrinkResources true
            proguardFiles getDefaultProguardFile('proguard-android-optimize.txt')
        }
    }
}

2. Baseline Profiles

通过提供预编译的 Profile，让 ART 在应用安装时就完成 AOT 编译，减少运行时 JIT 开销：

// 使用 Macrobenchmark 生成 Baseline Profile
baselineProfile {
    managedDevice = "pixel6Api31"
    // 运行关键用户场景
}

效果 ：启动时间可缩短 20%-60%。

3. 启动 Profile（Startup Profiles）

针对应用启动路径的专项优化，将启动链路中的方法提前编译为机器码。

---

六、度量与监控

1. 本地度量 --- Macrobenchmark

@LargeTest
@RunWith(AndroidJUnit4::class)
class StartupBenchmark {
    @get:Rule
    val benchmarkRule = MacrobenchmarkRule()

    @Test
    fun startup() = benchmarkRule.measureRepeated(
        packageName = "com.example.app",
        metrics = listOf(StartupTimingMetric(), FrameTimingMetric()),
        iterations = 5,
        startupMode = StartupMode.COLD
    ) {
        pressHome()
        startActivityAndWait()
    }
}

2. 线上监控 --- Android Vitals

关注 Google Play 控制台中的核心指标：

• ANR 率：主线程阻塞超过 5 秒
• Slow frames：渲染超过 16ms 的帧占比
• Frozen frames：渲染超过 700ms 的帧
• Excessive wakeups：过度唤醒次数

3. 自定义 CPU 监控

// 读取 /proc/pid/stat 计算进程 CPU 使用率
private float getProcessCpuUsage() {
    // 读取进程 utime + stime
    // 读取 /proc/stat 获取系统总时间
    // 计算 (进程时间差 / 系统时间差) * 100%
}

---

七、CPU 优化 Checklist

优先级	优化项	预期收益
P0	启用 R8 Full Mode + Baseline Profiles	启动提速 20%-60%，ANR 减少
P0	规范线程使用，统一线程池管理	减少线程竞争和上下文切换
P1	主线程 IO 分离 + 异步初始化	减少主线程阻塞，提升流畅度
P1	锁粒度优化 + 无锁数据结构	减少线程等待，提升并发效率
P1	核心线程（渲染/主线程）绑定大核	提升关键路径执行速度
P2	CPU 闲置时预加载	提升页面切换/二次启动速度
P2	算法优化 + 对象池复用	减少指令数和 GC 压力

---

总结

Android CPU 优化的核心思路可以概括为：

1. 先观测：用 Perfetto / CPU Profiler 定位瓶颈，找到热点函数和调度问题
2. 再治理：从线程管理、锁优化、IO 分离、算法优化等层面减少 CPU 负担
3. 深调度：通过优先级调整和绑核，让关键任务跑在最佳资源上
4. 前置化：利用 R8、Baseline Profiles 在编译期就获得性能收益
5. 防退化：用 Macrobenchmark 做 CI 回归，用 Android Vitals 监控线上质量

CPU 优化不是一次性工作，而是需要融入日常开发流程的持续实践。