Monitoramento de desempenho — o que é, métricas e coleta de dados

O que é monitoramento de desempenho

O monitoramento de desempenho é a prática de quantificar o comportamento do aplicativo por meio da coleta de métricas de tempo de execução, uso de memória, taxa de quadros e consumo de energia. Ao contrário do crash reporting, que captura apenas falhas fatais, o monitoramento de desempenho rastreia a degradação gradual: o aplicativo funciona, mas está mais lento do que deveria.

De acordo com o Google (2024), 53% dos usuários fecham um aplicativo se ele demorar mais de 3 segundos para carregar. Cada segundo adicional de atraso reduz a conversão em 20% em média entre as categorias. Isso torna o monitoramento de desempenho não apenas uma prática técnica, mas uma necessidade de negócios para produtos móveis.

O monitoramento de desempenho moderno abrange quatro níveis: cliente (iOS, Android), rede (solicitações de API, WebSocket), serviços de backend e infraestrutura. No desenvolvimento móvel, o foco está nas métricas do cliente, já que a maioria dos problemas de desempenho surge no dispositivo do usuário.

Métricas principais de aplicativos móveis

Para um monitoramento completo, é necessário rastrear cinco grupos de métricas, cada um responsável por um aspecto diferente da experiência do usuário. FPS (quadros por segundo) mostra a suavidade das animações e rolagem — valores abaixo de 30 quadros por segundo são percebidos como lentidão.

Métricas de tempo

Tempo de inicialização a frio — desde o toque no ícone até a interface estar completamente pronta. Tempo de inicialização a quente — retorno do segundo plano. Tempo de resposta à ação do usuário (toque para resposta). O tempo de inicialização no Android é medido pelo ActivityManager, no iOS — pelo dyld e tempo premain. De acordo com o Firebase Performance, o tempo médio de inicialização a frio para os 100 principais aplicativos é de 1,8 segundos.

Métricas de memória e CPU

O consumo de RAM não deve exceder 80% da capacidade disponível no dispositivo, caso contrário o sistema começa a descarregar o aplicativo do segundo plano. A pegada de memória é rastreada pelo Xcode Instruments (iOS) e Android Profiler. Vazamentos de memória são detectados pelo aumento do consumo durante operações repetidas — por exemplo, ao alternar entre telas.

Métricas de rede

Tempo de execução da solicitação HTTP, tamanho da resposta, frequência de timeouts e erros. A latência de rede é particularmente crítica para aplicativos móveis que operam em condições de conexão instável (3G, metrô, elevador, roaming). Recomenda-se rastrear o tempo de resposta p95 — ele mostra a experiência dos usuários mais “pesados” nas piores condições de rede.

Real User Monitoring vs Synthetic Monitoring

Real User Monitoring (RUM) coleta dados de dispositivos reais de usuários no ambiente de produção. Este método mostra as latências reais que os usuários experimentam, considerando seus dispositivos, versões do SO, rede e localização geográfica. O RUM fornece a imagem de desempenho mais precisa, mas depende de quais usuários estão na amostra.

Synthetic Monitoring, por outro lado, executa cenários predefinidos em dispositivos de teste sob condições controladas. Ele permite detectar regressões antes que cheguem aos usuários e reproduzir problemas em um ambiente consistente. Firebase Test Lab e BrowserStack fornecem testes sintéticos em dispositivos reais sem execução manual.

A estratégia ideal é uma combinação de ambas as abordagens: os testes sintéticos capturam regressões no estágio de CI, enquanto o RUM fornece a imagem real em produção. De acordo com a Datadog (2024), as equipes que usam ambos os métodos descobrem 35% mais problemas de desempenho antes que se tornem incidentes.

Configuração do Firebase Performance Monitoring

Firebase Performance Monitoring é uma ferramenta gratuita do Google para coletar métricas de desempenho no iOS e Android. Ele mede automaticamente o tempo de inicialização do aplicativo, solicitações HTTP e renderização de telas sem escrever código. Para configurá-lo, basta adicionar o SDK ao seu projeto e ativar o módulo Performance no console do Firebase.

Coleta automática de métricas

Após integrar o SDK, o Firebase Performance cria automaticamente um trace para cada solicitação HTTP via URLSession (iOS) ou OkHttp (Android). A renderização de tela é medida para UIViewController e Activity, capturando o tempo desde onCreate/viewDidLoad até a conclusão da primeira renderização. Todas as métricas são agregadas no console do Firebase, divididas por versão do aplicativo, dispositivo e país.

import com.google.firebase.perf.FirebasePerformance
import com.google.firebase.perf.metrics.Trace

class PaymentService {
    private val firebasePerf = FirebasePerformance.getInstance()

    fun processPayment(amount: Double) {
        val trace = firebasePerf.newTrace("payment-flow")
        trace.start()
        trace.putAttribute("amount", amount.toString())
        // execução de pagamento
        trace.stop()
    }
}

O código cria um trace personalizado para o cenário de pagamento com um atributo de valor. Usando este trace no console do Firebase, você pode ver o tempo mediano e p95 de execução do pagamento, agrupado por versão do aplicativo e dispositivo.

Monitoramento HTTP

O Firebase intercepta automaticamente as solicitações de rede e registra a URL, o código de resposta, o tamanho do payload e o tempo de execução. Para OkHttp no Android, a instrumentação automática funciona sem configuração adicional. As solicitações de rede são exibidas no console agrupadas por endpoint, permitindo identificar rapidamente a lentidão de uma API específica.

Traces personalizados para lógica de negócios

As métricas padrão cobrem o desempenho geral, mas para diagnosticar processos de negócios é necessário instrumentar cenários específicos. Traces personalizados permitem medir o tempo de execução de autenticação, carregamento do feed de notícias, processamento de imagem ou sincronização de dados.

Cada trace personalizado deve ter um nome significativo no formato “cenário-ação” e conter atributos para filtragem. Por exemplo, um trace “image-upload” com atributos “file_size” e “compression_quality” ajudará a identificar a dependência do tempo de upload no tamanho da imagem. Recomenda-se não criar mais de 20 traces personalizados por tela — a instrumentação excessiva cria ruído e complica a análise.

import FirebasePerformance

func trackImageUpload(data: Data) {
    let trace = Performance.startTrace(name: "image-upload")
    trace?.setValue(data.count, forAttribute: "file_size")
    trace?.setValue("high", forAttribute: "compression")
    // carregamento de imagem
    trace?.stop()
}

O exemplo em Swift cria um trace para carregamento de imagem com atributos de tamanho de arquivo e nível de compressão. No console do Firebase, esses atributos se tornam campos para agrupar e filtrar métricas.

Limiares e alertas

Coletar métricas sem um sistema de alertas é inútil. Os alertas devem notificar a equipe quando as métricas excederem os limites aceitáveis, com limiares divididos em três níveis: aviso, crítico e paralisação. Cada nível determina o canal de notificação: aviso — no canal Slack da equipe, crítico — no PagerDuty para o engenheiro de plantão, paralisação — notificação em massa a todas as partes interessadas.

Para métricas móveis, recomenda-se usar limiares dinâmicos baseados em percentis: tempo de inicialização a frio p95 excedendo 4 segundos — alerta crítico. Limiares estáticos (por exemplo, CPU > 90%) funcionam pior porque não levam em conta as flutuações normais de carga de acordo com a hora do dia e o dia da semana. Firebase Performance suporta configuração de alertas através do Firebase Console com notificações para Slack, PagerDuty e e-mail, com opções de escalonamento se não forem confirmados.

De acordo com a Pesquisa de Gerenciamento de Incidentes (2024), as equipes que configuram alertas com base em percentis em vez de médias perdem 45% menos incidentes. O valor médio suaviza os outliers — o p95 garante mostrar o pior cenário para os usuários, independentemente da hora do dia e das flutuações sazonais de carga.