Profiling (профілювання) у мобільній розробці: суть, метрики та інструменти

Що таке профілювання в мобільній розробці?

Profiling — це збір та аналіз даних про роботу застосунку: які функції виконуються, скільки часу займають, скільки пам'яті споживають та як взаємодіють із мережею. На відміну від логування, профілювання працює на рівні системи та дає точні числові метрики, а не суб'єктивні оцінки.

Основна мета профілювання — знайти ділянки коду, які неоптимально використовують ресурси. Це можуть бути повільні методи, що викликаються в UI-потоці, витоки пам'яті, неефективні SQL-запити, надмірні мережеві виклики або надмірне енергоспоживання. Без профілювання розробники виправляють те, що «здається повільним», замість того щоб спиратися на реальні дані.

За даними Google I/O 2023, застосунки, які проходять регулярне профілювання на етапі розробки, показують на 40% менше ANR (Application Not Responding) помилок та на 50% менше падінь через OutOfMemory. Інструменти профілювання вбудовані в усі сучасні IDE — Android Studio Profiler для Android та Xcode Instruments для iOS.

Профілювання буває статичним (аналіз коду без запуску — lint, Detekt) та динамічним (вимірювання під час виконання застосунку). Для пошуку реальних проблем продуктивності використовується динамічне профілювання, яке показує фактичну поведінку застосунку на пристрої або емуляторі.

Коли потрібно проводити профілювання

Профілювання необхідне перед кожним великим релізом, при впровадженні важких UI-компонентів (списки, анімації, кастомні View), при скаргах користувачів на гальма та розряд батареї, а також після зміни архітектури застосунку. Систематичний підхід — проводити профілювання на кожному спринті, фіксуючи baseline метрик.

CPU-профілювання: як знайти вузькі місця

CPU-профілювання відстежує, які методи та потоки завантажують процесор і скільки часу займає виконання кожного виклику. Основне завдання — знайти функції, які працюють довше очікуваного та блокують UI-потік, викликаючи дроп кадрів (jank) та ANR.

На Android CPU Profiler показує Top-Down tree — дерево викликів, де можна побачити, який метод виконується найдовше в контексті конкретного потоку. На iOS Instruments Time Profiler працює за принципом семплювання: через рівні проміжки часу (наприклад, 1 мс) система записує стек викликів кожного потоку. За статистикою вибірки визначається, який код займає найбільше часу.

// Приклад: повільний метод, який викликає jank
class UserAdapter : RecyclerView.Adapter<UserViewHolder>() {

    override fun onBindViewHolder(holder: UserViewHolder, position: Int) {
        // ❌ Цей метод викликається в UI-потоці та блокує відтворення
        // Профілювання покаже, що decompressImage займає 80% часу
        val user = getItem(position)
        val bitmap = ImageUtils.decompressImage(user.avatar)
        holder.avatarView.setImageBitmap(bitmap)
    }
}

При профілюванні CPU потрібно звертати увагу на методи з високим Self Time — це час, який метод виконує власну роботу, не враховуючи виклики дочірніх методів. Якщо Self Time методу в UI-потоці перевищує 16 мс — це гарантує пропуск кадру на 60 FPS екрані. Рішення — перенести важкі операції у фоновий потік.

Memory-профілювання: пошук витоків та оптимізація

Memory-профілювання відстежує, скільки пам'яті використовує застосунок: які об'єкти створюються, як довго живуть та коли звільняються. Головне завдання — знайти витоки (об'єкти, які не повинні існувати, але залишаються в пам'яті) та надмірні алокації (об'єкти, які створюються занадто часто).

На Android Memory Profiler показує графік споживання RAM у реальному часі, список усіх алокованих об'єктів та деталі щодо кожного типу. Ключові метрики: Java Heap (об'єкти в купі JVM), Native Heap (алокації на рівні C/C++), Graphics Memory (текстури та буфери GPU). Для iOS Instruments Allocations показує аналогічні метрики: Heap Allocations (об'єкти в купі) та Anonymous VM (сторінки віртуальної пам'яті).

При Memory-профілюванні важливо знімати дамп купи після виконання типових користувацьких сценаріїв: відкриття та закриття екрану, завантаження списку, робота із зображеннями. Порівняння двох дампів (до та після сценарію) покаже, які об'єкти не звільнилися. Якщо кількість об'єктів Activity зросла, а екран було закрито — це витік.

Як інтерпретувати HPROF дамп

В Android Studio відкрийте дамп через Memory Profiler: сортуйте об'єкти за Retained Size (чим більше — тим більше пам'яті утримує об'єкт). Шукайте екземпляри Activity, Fragment та Bitmap, які не повинні існувати в пам'яті. Якщо такий об'єкт є — перейдіть у Reference Tree, щоб побачити, що його утримує.

Network-профілювання: аналіз трафіку та затримок

Network-профілювання відстежує всі HTTP-запити застосунку: URL, розмір відповіді, час виконання, коди відповіді та заголовки. Основна мета — знайти запити, які займають занадто багато часу, передають надмірні дані або викликаються без необхідності.

На Android Network Profiler показує часову шкалу всіх мережевих викликів, їх тривалість та розмір переданих даних. Кожен запит можна відкрити для перегляду повних заголовків та тіла відповіді. На iOS Instruments Network для аналогічних завдань використовує моніторинг URL Loading System та показує waterfall-діаграму запитів.

Типові проблеми, які виявляє Network-профілювання: відсутність кешування (той самий JSON завантажується при кожному відкритті екрану), дублюючі запити (кілька компонентів одночасно запитують одні й ті самі дані), великі відповіді (сервер віддає 5 МБ JSON, коли потрібно 100 КБ). Для кожної проблеми є стандартне рішення: налаштувати кешування через OkHttp або URLSession, об'єднати підписки через Combine або Flow, додати пагінацію на сервері.

Особливу увагу приділіть першому байту (TTFB — Time To First Byte). Якщо TTFB перевищує 500 мс при хорошому з'єднанні — проблема на серверній стороні. Якщо сам запит швидкий, але розбір JSON займає секунди — проблема в десеріалізації, і її потрібно профілювати окремо.

Energy-профілювання: аналіз енергоспоживання

Energy-профілювання вимірює, як застосунок впливає на заряд батареї. Це відносно новий вид профілювання, але критично важливий для мобільних застосунків — користувачі видаляють застосунки, які надмірно розряджають телефон. Energy Profiler в Android Studio та Energy Log в Instruments показують, які операції (Wi-Fi, GPS, CPU, Bluetooth) споживають енергію в кожен момент часу.

Основні споживачі енергії в мобільних застосунках: WakeLock (утримання процесора в активному стані), GPS Location (постійні оновлення координат), мережеві запити (особливо на мобільній мережі 4G/5G), анімації у фоні. Energy Profiler накладає події застосунку на шкалу енергоспоживання — якщо на графіку є сплеск, можна точно визначити, яка операція його викликала.

За даними Apple WWDC 2023, зниження енергоспоживання застосунку на 20% підвищує retention користувачів на 12%, оскільки користувачі схильні видаляти застосунки, які сильно розряджають батарею. Рекомендація — завжди вмикати Energy Profiler при тестуванні сценаріїв із GPS, фоновою синхронізацією та стрімінгом.

Інструменти профілювання для iOS та Android

Вибір інструменту залежить від платформи та типу профілювання. Для Android основний набір — Android Studio Profiler (CPU, Memory, Network, Energy), LeakCanary (витоки пам'яті) та Perfetto (системне профілювання на рівні ядра). Для iOS — Xcode Instruments з набором шаблонів Time Profiler, Allocations, Leaks, Energy Log, Network та Core Animation.

Для крос-платформенної розробки на Flutter використовується DevTools з модулями Timeline (CPU), Memory, Network та Debugger. Для React Native — React DevTools та Flipper від Facebook, який підтримує інспекцію мережі, бази даних та UI-ієрархії. Незалежно від фреймворку, базові принципи профілювання універсальні: вимірюйте до оптимізації та після, фіксуйте baseline, порівнюйте метрики при кожній зміні коду.

Сучасні підходи включають автоматизоване профілювання в CI. На Android Firebase Test Lab підтримує вимірювання продуктивності разом із UI-тестами: ви отримуєте не лише pass/fail тестів, але й графіки CPU, Memory та Network для кожної ітерації. Аналогічний функціонал для iOS надають GitHub Actions з XCUITest та Instruments CLI.

Як вибрати правильний інструмент

Для швидкої перевірки однієї метрики використовуйте вбудований профілювальник IDE. Для комплексного аналізу витоків — спеціалізовані інструменти (LeakCanary, Instruments Leaks). Для системного профілювання на рівні драйверів — Perfetto (Android) або DTrace (macOS). Комбінування двох-трьох інструментів покриває 95% сценаріїв профілювання.