当前位置：首页 > ai >正文

鸿蒙中基础耗时分析：Time分析

ai 2025/8/22 8:41:28

耗时分析（Time Profiling）是应用性能优化的核心手段，它通过测量代码执行时间，帮助开发者定位性能瓶颈。无论是在Web、安卓还是鸿蒙开发中，有效的耗时分析都能显著提升应用响应速度和用户体验

1 理解耗时分析：为什么它至关重要？

应用的响应速度直接影响用户体验。过长的加载时间或卡顿会导致用户流失。耗时分析的核心目标是精准定位性能瓶颈，从而进行有针对性的优化。

性能基准：不同场景对耗时有着不同的敏感度。例如，在鸿蒙应用开发中，官方建议Web页面的点击响应时延应控制在100ms以内1，而Web加载完成时延建议不超过900ms。这些指标为优化提供了明确的目标。
常见性能瓶颈：
- CPU密集型任务：如复杂的算法计算（例如未优化的递归）、大量的数据操作。
- 不必要的渲染阻塞：如同步网络请求、庞大的DOM操作、长时间运行的JavaScript任务。
- 资源加载策略不佳：未压缩的图片、未合并的CSS/JS文件、串行的网络请求。

2 耗时分析常用工具

工欲善其事，必先利其器。以下是各平台常用的强大耗时分析工具：

工具平台	工具名称	主要特点
Web	Chrome DevTools	提供Network、Performance、Main等泳道分析，擅长分析资源加载、JS执行、渲染性能
Android	Android Profiler	集成于Android Studio，可监控CPU、内存、网络实时状态，支持方法级CPU跟踪
HarmonyOS	DevEco Profiler	鸿蒙自带，提供Time、Allocation、Network等分析模板，深度集成鸿蒙框架，支持ARKTS/Native调用栈跟踪

2.1 鸿蒙利器：DevEco Profiler

DevEco Profiler是鸿蒙开发的性能分析神器，其Time分析模板可以：

录制应用运行时的CPU占用和函数调用栈。
可视化展示：以火焰图（Flame Chart）或列表形式展示函数耗时，直观看到“最重”的调用栈。
精准定位：支持跳转到高耗时对应的源码位置，极大简化了排查流程。

3 耗时分析关键流程

3.1 明确场景与目标

首先确定要分析的具体场景，如页面冷启动、列表滑动、按钮点击响应或Web页面加载。并设定一个可衡量的目标，例如“将详情页加载时间从2300ms优化至900ms以内”。

3.2 录制性能数据

使用上述工具在目标场景下进行录制。在鸿蒙中，可以使用DevEco Profiler的Time模板任务进行录制。

3.3 分析数据与定位瓶颈

这是最关键的一步，需要仔细查看工具提供的数据：

查看“Heaviest Stack”：寻找最耗时的函数调用栈。
检查网络请求（Network泳道）：观察是否有资源加载过慢、请求是否串行、响应体是否过大。
剖析主线程（Main泳道）：发现长任务（Long Tasks）、频繁的布局重排（Reflow）或耗时的JS解析执行。

3.4 实施优化并验证

根据找到的瓶颈实施相应的优化方案后，必须重新录制数据进行对比，以量化优化效果（例如，优化后耗时降低了多少毫秒或百分比）

4：函数耗时分析及优化

开发应用或元服务过程中，如果遇到卡顿、加载耗时等性能问题，开发者通常会关注相关函数执行的耗时情况。DevEco Profiler提供的Time场景分析任务，可在应用/元服务运行时，展示热点区域内基于CPU和进程耗时分析的调用栈情况，并提供跳转至相关代码的能力，使开发者更便捷地进行代码优化。

在设备连接完成后，可按照如下方法查看耗时分析结果：

安装应用请参考模块级build-profile.json5文件，增加strip字段并赋值为false（strip：是否移除当前模块.so文件中的符号表、调试信息，配置为false代表不移除）。采集函数栈解析符号需要附带符号表信息，无符号表信息可能采集不到函数名称，或ArkTS Callstack泳道无法关联到Native调用栈，因此请按照下图进行配置。
创建Time任务并录制相关数据，操作方法可参考性能问题定位：深度录制。或在会话区选择Open File，导入历史数据。
Time分析任务支持在录制前单击

指定要录制的泳道：
- User Trace：用户自定义打点泳道，基于时间轴展示当前时段内用户使用hiTraceMeter接口自定义的打点任务的具体运行情况。
- ArkTS Callstack：方舟运行时函数调用泳道，基于时间轴展示CPU使用率和虚拟机的执行状态，以及当前调用栈名称和调用类型。由于隐私安全政策，已上架应用市场的应用不支持录制此泳道。
  调用栈分类从语言层面分为ArkTS、NAPI以及Native，从归属层面分为开发者代码以及系统代码。从这两个方面可以将调用栈类型归类如下：
  - ArkTS：程序正在执行ArkTS代码；
  - NAPI：程序正在执行的NAPI代码；
  - Native：程序正在执行的Native代码；
    其中每一个类型的亮色和灰色分别代表开发者和系统的代码。
- Callstack：ArkTS和Native混合函数调用泳道。基于时间轴展示各线程的CPU使用率，以及在一段时间内的混合调用栈。调用栈类型会分为开发者或系统的ArkTS以及Native代码两类。由于隐私安全政策，已上架应用市场的应用不支持录制此泳道。
  说明
  
  Callstack基于采样模式采集数据，默认采样间隔是500微秒。耗时小于500微秒的函数，Details区域时间相关数据可能存在误差，可通过录制过程中多次触发该函数，根据其耗时百分比判断是否为热点函数。
- Energy：展示应用能耗的构成，结合应用生命周期，识别潜在能耗问题。该泳道暂不支持在TV设备上进行应用性能分析。
说明
- 在任务分析窗口，可以通过“Ctrl+鼠标滚轮”缩放时间轴，通过“Shift+鼠标滚轮”左右移动时间轴。或使用快捷键W/S放大或缩小时间轴，使用A键/D键可以左右移动时间轴。
- 将鼠标悬停在泳道任意位置，可以通过M键添加单点时间标签。
- 鼠标框选要关注的时间段，可以通过“Shift+M”添加时间段时间标签。
- 在任务分析窗口，可以通过“Ctrl+, ”向前选中单点时间标签，通过“Ctrl+. ”向后选中单点时间标签。
- 在任务分析窗口，可以通过“Ctrl+[ ”向前选中时间段时间标签，通过“Ctrl+]”向后选中时间段时间标签。
- 将鼠标置于ArkTS Callstack泳道和Callstack泳道任意位置，可查看到对应时间点的CPU使用率。
- 单击任意泳道名称后方的可将其置顶。
在“ArkTS Callstack”泳道和“ArkTS Callstack”子泳道上长按鼠标左键并拖拽，框选要分析的时间段。
Details区域会显示所选时间段内的函数栈耗时分布情况，Heaviest Stack区域会展示出“Details”区域选择节点所处的耗时最长的完整调用栈。

其中函数栈耗时分布有三种展现方式：
- 默认为Call Tree方式，其中“Weight”字段表示当前函数的总执行时间，“Self”字段表示函数自身的执行时间，两者之差为当前函数所调用的子函数执行时间之和，“Average Duration”字段表示函数自身的平均执行时间，“Category”字段表示函数调用类型。
- 打开页面下方的Flame Chart开关，函数调用栈将以火焰图的形式展示。其中，横轴表示函数的执行时长，纵轴表示调用栈的深度。
  说明
  - 火焰图条块支持搜索，搜索结果不匹配的条块会被置灰。
  - “Ctrl+鼠标滚轮”的操作，或单击该区域右上角的、可放大和缩小火焰图的时间轴比例，单击可恢复时间轴比例为初始状态。
  - “Shift+鼠标滚轮”的操作可左右横向调整可视区间，单独操作滚轮可上下纵向调整可视区间。
  - 选中节点，单击该区域右上角的，点击添加面包屑。添加面包屑后，该节点成为根节点，耗时占比为100%，子节点的耗时占比相对于该节点重新计算。
  - 在火焰图中选中任一节点，使用“Alt+鼠标左键”可将该节点左置底并将其占比放大到100%，其上从属节点按同比例放大显示。
- 在“ArkTS Callstack”子泳道或“Callstack”子泳道上点击Unfold CallStack按钮，可以在时间轴上将函数调用栈以冰锥图的形式展示。其中调用栈的先后顺序与实际调用时序保持一致。
在Callstack泳道上长按鼠标左键并拖拽，框选要分析的时间段。
- Summary列表展示框选时段内，所有Native线程的CPU占用率的峰值、谷值、平均值。
- Callstack列表展示框选时段内，所有Native线程的函数热点。
- 悬浮到节点，显示以此节点为根按钮，点击添加面包屑。添加面包屑后，该节点成为根节点，耗时占比为100%，子节点的耗时占比相对于该节点重新计算。
在Callstack子泳道上长按鼠标左键并拖拽，框选要展示分析的时间段。
- Top Down页签显示所选时间段内的函数栈耗时分布情况，Heaviest Stack区域会展示出“Details”区域选择节点所处的耗时最长的完整调用栈。
- Bottom UP页签显示函数列表，展开任一函数节点可查看其调用方及每个调用方的耗时。
（可选）在Details中双击需要优化的节点（例如耗时超过预期），可快速跳转至对应工程源码，为开发者节省定位代码路径的时间。

说明
- Release应用暂不支持跳转到用户侧Native代码。
- 静态链接的系统库无法支持源码跳转。如libunwind.a，在编译过程中该系统库会以静态链接的方式集成。该系统库的符号信息在调用栈中会被识别成用户侧定义的函数，实际上无法跳转到源码。