theme: channing-cyan
卡顿的来源
通过屏幕渲染机制我们知道:Android
的屏幕渲染是通过vsync
实现的,软件层将数据计算好后,放入缓冲区,硬件层再从缓冲区将数据读出来绘制到屏幕上,其中渲染周期是16ms,这样我们就看到了不断变化的画面。
如果超过了16ms,就会发生卡顿,当然这个卡顿肯定是软件层的(如果发生在硬件层,换设备就行了)。那么,软件层的计算时间就需要小于16ms了,那么这个计算是在哪里执行的呢?
就在Handler
中,准确点说,是在UI
的Handler
中。
Android
进程间的交互是通过binder
的,线程间的通信是通过Handler
的。
软件层收到硬件层的vsync
信号后,在Java
层就会向UI
的Handler
中投递一个消息,去进行view
数据的计算,也就是执行 测量布局绘制,表现在代码层就是:执行ViewRootImpl
里的performTraversals()
函数,这个我们在View的测量布局绘制中提及过。
如此说来,view
的数据计算是在UI
的Handler
中执行的,那么,如果有其他的操作也在UI
的Handler
中执行,并且执行时间很长,就会间接导致卡顿发生,而我们要做的就是找到这些恶行,并且干掉它。
那么,怎么找到这些恶行呢?
我们知道,Handler
的消息处理都是通过Looper
派发的,所以我们可以先拿到UI
的Looper
,然后在它派发消息的执行前后植入检测代码,然后添加检测逻辑,就可以分析并得出本次消息执行耗费的时间了。
```java // 获取UI的Looper Looper uiLooper = Looper.getMainLooper();
// 消息分发前的处理逻辑: 记录时间 void preHandle(){ time = System.currentTimeMillis(); }
// 消息分发后的处理逻辑,计算时间差并提示 void postHandle(){ long delay = System.currentTimeMillis() - time; if(delay > 16) { // 认为卡顿了,可以做一些处理,比如打印当前线程堆栈 } }
// 将上述两个方法插入到uiLooper的消息派发前后(假如有这个方法) uiLooper.xxxxxxx();
```
那么,怎么将这两个函数植入到uiLooper
中呢?其实Looper
中已经有可用的API
了。
如何检测应用卡顿
根据上文,我们只要在message
执行前后来记录一下时间,然后计算出时间差,再用这个时间差对比我们传入的卡顿阈值,如果大于这个阈值,就认为发生了卡顿,此时就去dump
主线程的堆栈,然后展示给开发者即可。
那么,怎么找到message
的执行前和执行后的插入点呢?
其实Looper
本身提供了一个方法,用来设置日志打印类:
java /** * Control logging of messages as they are processed by this Looper. If * enabled, a log message will be written to <var>printer</var> * at the beginning and ending of each message dispatch, identifying the * target Handler and message contents. * * @param printer A Printer object that will receive log messages, or * null to disable message logging. */ public void setMessageLogging(@Nullable Printer printer) { mLogging = printer; }
意思就是: 在message
被执行之前和执行之后,会使用我们设置的这个printer
来打印日志,具体代码在Looper
的loop()
函数中,如下:
```java // 消息执行之前打印 // This must be in a local variable, in case a UI event sets the logger final Printer logging = me.mLogging; if (logging != null) { logging.println(">>>>> Dispatching to " + msg.target + " " + msg.callback + ": " + msg.what); }
// 消息被执行完毕打印 if (logging != null) { logging.println("<<<<< Finished to " + msg.target + " " + msg.callback); } ```
利用这个原理,我们可以传入一个自定义的Printer
,然后复写println()
方法,然后在message执行前和执行后之间计算时间差,如果大于目标值(比如500ms),就认为发生了卡顿。
那么,怎么区分 println()
是被调用在 message
执行前还是执行后呢?
我们可以使用Println
打印的消息内容来判断,比如执行前打印的是>>>>> Dispatching to....
,执行后打印的是<<<<< Finished to
,就可以这样:
java public void println(String msg) { if(msg.startsWith(">>>>> Dispatching to")) { // 这是执行前 }else { // 这是执行后 } }
但是这样太low了,而且字符串匹配效率本来就差,我们可以采用另一种方法。
由于message
执行前后的日志打印是成对出现的,有前就有后,所以我们可以定义一个boolean
值,表示是否是在message
执行前的打印,当日志打印一次就改变一次值,就可以了。比如:
```java // 是否是在message执行前的打印,因为第一次打印肯定是在message执行前,所以初始值为true private boolean isPre = true;
public void println(String msg) { if(isPre) { // 是在message执行前打印,那么接下来就要开始执行message了,可以开始dump主线程堆栈了 }else { // 在message执行后的打印,可以停止dump线程的堆栈了 } // 执行一次就改变值,本次是在message执行前,下次肯定是在执行后;本次是执行后,下次肯定是在执行前 isPre = !isPre; }
```
好,核心原理我们已经知道了,现在我们就来看下已有的工程代码BlockCanary
的实现吧。
BlockCanary
简单使用
- 1 添加依赖
```groovy dependencies { // 在debug和release版本都使用,如果卡顿则会弹出通知提示 compile 'com.github.markzhai:blockcanary-android:1.5.0'
// 只在debug的时候使用
// debugCompile 'com.github.markzhai:blockcanary-android:1.5.0'
// releaseCompile 'com.github.markzhai:blockcanary-no-op:1.5.0'
} ```
- 2 代码集成
首先定义一个AppBlockCanaryContext
继承BlockCanaryContext
,需要重写里面的几个方法,这里只贴出关键部分:
```java public class AppBlockCanaryContext extends BlockCanaryContext {
private static final String TAG = "AppBlockCanaryContext";
/**
* 返回一个识别码,可以传入app_name,版本号,渠道等作为识别
*/
public String provideQualifier() {
return "my_app" + BuildConfig.VERSION_CODE;
}
/**
* 返回一个用户id来作为识别
*/
public String provideUid() {
return "10086";
}
/**
* 返回网络类型,比如:2G, 3G, 4G, wifi等
*/
public String provideNetworkType() {
return "wifi";
}
/**
* Config monitor duration, after this time BlockCanary will stop, use
* with {@code BlockCanary}'s isMonitorDurationEnd
*
* @return monitor last duration (in hour)
*/
public int provideMonitorDuration() {
return -1;
}
/**
* 返回你认为卡顿的阈值,单位是毫秒,应该根据不同设备的性能传入不同大小的值
*/
public int provideBlockThreshold() {
return 500;
}
/**
* 线程的转储时间间隔,当卡顿发生时,会每隔一段时间来dump主线程
*/
public int provideDumpInterval() {
return provideBlockThreshold();
}
/**
* 保存日志的路径
*/
public String providePath() {
return "/blockcanary_log/"
}
/**
* 卡顿时是否弹出通知
*/
public boolean displayNotification() {
return true;
}
/**
* 卡顿时会调用,可以在这里打印出来日志,或者上传到自己的服务器
*/
public void onBlock(Context context, BlockInfo blockInfo) {
Log.d(TAG, "onBlock: " + blockInfo);
}
} ```
然后在Application
的onCreate()
方法中调用即可:
java public class MainApplication extends Application { @Override public void onCreate() { // 传入我们上面创建的AppBlockCanaryContext BlockCanary.install(this, new AppBlockCanaryContext()).start(); } }
当卡顿发生的时候,我们就能收到通知,并且可以在Logcat
中看到我们自己打印的日志。
本文着重于源码分析,完整的使用可以看github。
源码分析
我们先跟主线代码BlockCanary.install()
:
```java public static BlockCanary install(Context context, BlockCanaryContext blockCanaryContext) { // 初始化BlockCanaryContext BlockCanaryContext.init(context, blockCanaryContext); // 初始化状态,BlockCanaryContext.get()就是我们传入的参数,displayNotification()就是我们上面定义的是否展示通知 setEnabled(context, DisplayActivity.class, BlockCanaryContext.get().displayNotification()); // 创建单例并返回 return get(); }
// get()函数的实现 public static BlockCanary get() { if (sInstance == null) { synchronized (BlockCanary.class) { if (sInstance == null) { sInstance = new BlockCanary(); } } } return sInstance; }
// BlockCanary的构造 private BlockCanary() { BlockCanaryInternals.setContext(BlockCanaryContext.get());
// 创建核心类,这里面包括了对日志的分析,堆栈的dump,以及cpu的采集
mBlockCanaryCore = BlockCanaryInternals.getInstance();
// 核心代码,添加拦截器,拦截器就是我们传入的AppBlockCanaryContext
// 当检测到卡顿的时候,就会调用它的onBlock()函数
mBlockCanaryCore.addBlockInterceptor(BlockCanaryContext.get());
// 如果不展示通知,就返回
if (!BlockCanaryContext.get().displayNotification()) {
return;
}
// 否则就添加一个服务来弹出通知
mBlockCanaryCore.addBlockInterceptor(new DisplayService());
} ```
支线代码BlockCanaryContext
中的关键方法:
```java static void init(Context context, BlockCanaryContext blockCanaryContext) { // 保存Context sApplicationContext = context; // 保存参数BlockCanaryContext,也就是我们自定义的那个AppBlockCanaryContext sInstance = blockCanaryContext; }
public static BlockCanaryContext get() { if (sInstance == null) { throw new RuntimeException("BlockCanaryContext null"); } else { // 返回上面保存的参数 return sInstance; } } ```
现在,让我们回到主线逻辑,接着看blockCanary.start()
:
```java // 检测 public void start() { // 添加一个boolean值,防止重复处理 if (!mMonitorStarted) { mMonitorStarted = true; // 果然在这里,也是用这个方法设置的,那我们重点要看下这个参数了 Looper.getMainLooper().setMessageLogging(mBlockCanaryCore.monitor); } }
// 停止检测 public void stop() { if (mMonitorStarted) { mMonitorStarted = false; // 去掉Printer Looper.getMainLooper().setMessageLogging(null); // 停止对堆栈的dump mBlockCanaryCore.stackSampler.stop(); // 停止对cpu的采集 mBlockCanaryCore.cpuSampler.stop(); } } ```
既然传入了Printer
,我们就要看下mBlockCanaryCore.monitor
了,我们先来跟下上面创建mBlockCanaryCore
的代码:
java mBlockCanaryCore = BlockCanaryInternals.getInstance();
```java // 就是个单例,重点看构造 static BlockCanaryInternals getInstance() { if (sInstance == null) { synchronized (BlockCanaryInternals.class) { if (sInstance == null) { sInstance = new BlockCanaryInternals(); } } } return sInstance; }
// 看构造函数 public BlockCanaryInternals() { // 堆栈转储器,第一个参数是UI线程,第二个参数就是我们设置的dump间隔 stackSampler = new StackSampler(Looper.getMainLooper().getThread(),sContext.provideDumpInterval()); // cpu采集器,参数就是我们设置的dump间隔 cpuSampler = new CpuSampler(sContext.provideDumpInterval()); // 核心函数,设置日志打印类Printer setMonitor(new LooperMonitor(new LooperMonitor.BlockListener() { // 当检测到卡顿的时候,会执行这个方法 @Override public void onBlockEvent(long realTimeStart, long realTimeEnd, long threadTimeStart, long threadTimeEnd) { // 获取堆栈信息 ArrayList
threadStackEntries = stackSampler.getThreadStackEntries(realTimeStart, realTimeEnd); if (!threadStackEntries.isEmpty()) { // 构造BlockInfo并回调给拦截器,这样就调到我们的AppBlockCanaryCotnext的onBlock()里面去了 BlockInfo blockInfo = BlockInfo.newInstance() .setMainThreadTimeCost(realTimeStart, realTimeEnd, threadTimeStart, threadTimeEnd) .setCpuBusyFlag(cpuSampler.isCpuBusy(realTimeStart, realTimeEnd)) // 传入dump到的cpu信息 .setRecentCpuRate(cpuSampler.getCpuRateInfo()) // 传入dump到的cpu信息 .setThreadStackEntries(threadStackEntries) // 传入dump到的堆栈信息 .flushString(); // 保存卡顿信息
LogWriter.save(blockInfo.toString()); // 如果有拦截器,则执行它的onBlock()方法,还记得我们前面添加的拦截器吗 if (mInterceptorChain.size() != 0) { for (BlockInterceptor interceptor : mInterceptorChain) { interceptor.onBlock(getContext().provideContext(), blockInfo); } } } } }, getContext().provideBlockThreshold(), // 我们设置的卡顿阈值 getContext().stopWhenDebugging())); // 如果是debug模式,是否停止,默认返回true,因为debug模式下普遍卡
LogWriter.cleanObsolete();
} ```
接下来我们要看下LooperMonitor
这个类了:
```java // 果然是实现了Printer,那么重点就在println()方法了 class LooperMonitor implements Printer { // 参数分别是: 卡顿时的回调,卡顿的阈值,debug模式下是否停止 public LooperMonitor(BlockListener blockListener, long blockThresholdMillis, boolean stopWhenDebugging) { if (blockListener == null) { throw new IllegalArgumentException("blockListener should not be null."); } mBlockListener = blockListener; mBlockThresholdMillis = blockThresholdMillis; mStopWhenDebugging = stopWhenDebugging; }
// 核心函数
@Override
public void println(String x) {
// debug模式下停止
if (mStopWhenDebugging && Debug.isDebuggerConnected()) {
return;
}
// 这里也是用一个boolean值来判断是在执行前还是执行后
if (!mPrintingStarted) {
// 记录开始时间
mStartTimestamp = System.currentTimeMillis();
mStartThreadTimestamp = SystemClock.currentThreadTimeMillis();
mPrintingStarted = true;
// 开始dump堆栈和cpu信息
startDump();
} else {
// 记录结束时间
final long endTime = System.currentTimeMillis();
mPrintingStarted = false;
// 检测卡顿并回调
if (isBlock(endTime)) {
notifyBlockEvent(endTime);
}
// 停止dump
stopDump();
}
}
// 是否卡顿
private boolean isBlock(long endTime) {
// 时间差大于我们传入的阈值就认为卡顿
return endTime - mStartTimestamp > mBlockThresholdMillis;
}
// 卡顿的回调
private void notifyBlockEvent(final long endTime) {
final long startTime = mStartTimestamp;
final long startThreadTime = mStartThreadTimestamp;
final long endThreadTime = SystemClock.currentThreadTimeMillis();
HandlerThreadFactory.getWriteLogThreadHandler().post(new Runnable() {
@Override
public void run() {
// 这里就回调到
mBlockListener.onBlockEvent(startTime, endTime, startThreadTime, endThreadTime);
}
});
}
// 开始dump
private void startDump() {
// dump堆栈信息
if (null != BlockCanaryInternals.getInstance().stackSampler) {
BlockCanaryInternals.getInstance().stackSampler.start();
}
// dump cpu信息
if (null != BlockCanaryInternals.getInstance().cpuSampler) {
BlockCanaryInternals.getInstance().cpuSampler.start();
}
}
// 结束dump
private void stopDump() {
if (null != BlockCanaryInternals.getInstance().stackSampler) {
BlockCanaryInternals.getInstance().stackSampler.stop();
}
if (null != BlockCanaryInternals.getInstance().cpuSampler) {
BlockCanaryInternals.getInstance().cpuSampler.stop();
}
}
} ```
以上逻辑很简单,blockCanary.start()
的时候,就创建LooperMonitor
,同时创建stackSampler
和cpuSampler
这两个类,用来抓取堆栈和cpu信息,当message
将要执行时,就开始进行dump
并记录开始时间,当message
执行完毕后,就停止dump
,并记录结束时间,然后用结束时间和开始时间作差,如果差值大于我们传递的阈值,就认为卡顿,就用dump到的堆栈信息和cpu信息构造BlockInfo
并通过回调传递给开发者。
现在让我们来看下dump
堆栈和cpu
信息的代码,先看他们的父类AbstractSampler
,入口函数start()
就是在这里面的:
```java abstract class AbstractSampler { protected AtomicBoolean mShouldSample = new AtomicBoolean(false); // 这是入口函数 public void start() { // 通过一个原子变量来避免重复启动 if (mShouldSample.get()) { return; } mShouldSample.set(true);
// 移除上一个
HandlerThreadFactory.getTimerThreadHandler().removeCallbacks(mRunnable);
// post新的,注意第二个参数就是我们在AppBlockCanaryContext里面设置的 转储时间间隔 的0.8倍
HandlerThreadFactory.getTimerThreadHandler().postDelayed(mRunnable,BlockCanaryInternals.getInstance().getSampleDelay());
}
// 对应的stop函数
public void stop() {
if (!mShouldSample.get()) {
return;
}
mShouldSample.set(false);
HandlerThreadFactory.getTimerThreadHandler().removeCallbacks(mRunnable);
}
} ```
我们看到它是通过post
一个runnable
来实现的,接着我们来看这个runnable
:
```java protected long mSampleInterval;
private Runnable mRunnable = new Runnable() { @Override public void run() { // 核心函数: 调用了doSample(); doSample(); if (mShouldSample.get()) { // 再次post出去 HandlerThreadFactory.getTimerThreadHandler().postDelayed(mRunnable, mSampleInterval); } } }; ```
可以看到,这里会循环调用doSample()
,循环的间隔就取决于我们在AppBlockCanaryContext
里面设置的转储时间间隔。
那么我们来看下核心函数doSample()
,这是个重载函数,先来看StackSampler
中的实现
```java @Override protected void doSample() { private static final int DEFAULTMAXENTRYCOUNT = 100; private int mMaxEntryCount = DEFAULTMAXENTRYCOUNT;
private static final LinkedHashMap<Long, String> sStackMap = new LinkedHashMap<>();
StringBuilder stringBuilder = new StringBuilder();
// 遍历当前线程的StackTrace生成String
for (StackTraceElement stackTraceElement : mCurrentThread.getStackTrace()) {
stringBuilder
.append(stackTraceElement.toString())
.append(BlockInfo.SEPARATOR);
}
// 采用lru的方式将每次dump到的StackTrace添加到sStackMap中去
synchronized (sStackMap) {
// mMaxEntryCount默认最大是100
if (sStackMap.size() == mMaxEntryCount && mMaxEntryCount > 0) {
sStackMap.remove(sStackMap.keySet().iterator().next());
}
// key是当前的时间值,value就是本次dump到的StackTrace
sStackMap.put(System.currentTimeMillis(), stringBuilder.toString());
}
} ```
核心逻辑就是: 获取当前线程的StackTrace
,并且保存到map
中,最多保存最近的100个,其中 key
是时间值,value
是StackTrace
。
还记得我们在onBlockEvent()
里面怎么获取堆栈信息的吗?没错,就是通过
java stackSampler.getThreadStackEntries(realTimeStart, realTimeEnd)
它的实现在StackSampler
里面,如下:
java // 在我们上面保存的那个sStackMap中查找时间位于startTime和endTime之间的结果,保存在List中返回。 public ArrayList<String> getThreadStackEntries(long startTime, long endTime) { ArrayList<String> result = new ArrayList<>(); synchronized (sStackMap) { for (Long entryTime : sStackMap.keySet()) { if (startTime < entryTime && entryTime < endTime) { result.add(BlockInfo.TIME_FORMATTER.format(entryTime) + BlockInfo.SEPARATOR + BlockInfo.SEPARATOR + sStackMap.get(entryTime)); } } } return result; }
实现很简单,就是在sStackMap
中进行查找,查找时间位于startTime
和endTime
之间的结果,然后将结果存储为一个List
返回。
接着我们来看下CpuSampler
中的doSample()
的实现:
```java @Override protected void doSample() { BufferedReader cpuReader = null; BufferedReader pidReader = null;
try {
// 读取"/proc/stat"文件
cpuReader = new BufferedReader(new InputStreamReader(
new FileInputStream("/proc/stat")), BUFFER_SIZE);
// 从"/proc/stat"文件中获取cpu速率
String cpuRate = cpuReader.readLine();
if (cpuRate == null) {
cpuRate = "";
}
// 获取进程id
if (mPid == 0) {
mPid = android.os.Process.myPid();
}
// 根据进程id获取本进程对应的"/proc/mpid/stat"文件
pidReader = new BufferedReader(new InputStreamReader(
new FileInputStream("/proc/" + mPid + "/stat")), BUFFER_SIZE);
// 进而获取进程的cpu速率
String pidCpuRate = pidReader.readLine();
if (pidCpuRate == null) {
pidCpuRate = "";
}
// 将数据进行解析
parse(cpuRate, pidCpuRate);
} catch (Throwable throwable) {
Log.e(TAG, "doSample: ", throwable);
} finally {
try {
if (cpuReader != null) {
cpuReader.close();
}
if (pidReader != null) {
pidReader.close();
}
} catch (IOException exception) {
Log.e(TAG, "doSample: ", exception);
}
}
} ```
上述核心逻辑是: 从/proc/stat
文件中获取cpu
速率,然后从/proc/mpid/stat
中获取本进程的cpu
速率,然后对数据进行解析,我们接着看解析的逻辑,位于parse()
方法中:
```java // 最大保存10条数据 private static final int MAXENTRYCOUNT = 10; // 用来保存cpu信息 private final LinkedHashMap mCpuInfoEntries = new LinkedHashMap<>();
private void parse(String cpuRate, String pidCpuRate) { // 转换成数组 String[] cpuInfoArray = cpuRate.split(" "); if (cpuInfoArray.length < 9) { return; }
// 挨个针对下标进行解析
long user = Long.parseLong(cpuInfoArray[2]);
long nice = Long.parseLong(cpuInfoArray[3]);
long system = Long.parseLong(cpuInfoArray[4]);
long idle = Long.parseLong(cpuInfoArray[5]);
long ioWait = Long.parseLong(cpuInfoArray[6]);
long total = user + nice + system + idle + ioWait
+ Long.parseLong(cpuInfoArray[7])
+ Long.parseLong(cpuInfoArray[8]);
String[] pidCpuInfoList = pidCpuRate.split(" ");
if (pidCpuInfoList.length < 17) {
return;
}
long appCpuTime = Long.parseLong(pidCpuInfoList[13])
+ Long.parseLong(pidCpuInfoList[14])
+ Long.parseLong(pidCpuInfoList[15])
+ Long.parseLong(pidCpuInfoList[16]);
// 将数据转换成String并保存
if (mTotalLast != 0) {
StringBuilder stringBuilder = new StringBuilder();
long idleTime = idle - mIdleLast;
long totalTime = total - mTotalLast;
stringBuilder
.append("cpu:")
.append((totalTime - idleTime) * 100L / totalTime)
.append("% ")
.append("app:")
.append((appCpuTime - mAppCpuTimeLast) * 100L / totalTime)
.append("% ")
.append("[")
.append("user:").append((user - mUserLast) * 100L / totalTime)
.append("% ")
.append("system:").append((system - mSystemLast) * 100L / totalTime)
.append("% ")
.append("ioWait:").append((ioWait - mIoWaitLast) * 100L / totalTime)
.append("% ]");
// 将数据保存在mCpuInfoEntries中,key也是当前时间值,也是采用的lru策略
synchronized (mCpuInfoEntries) {
mCpuInfoEntries.put(System.currentTimeMillis(), stringBuilder.toString());
if (mCpuInfoEntries.size() > MAX_ENTRY_COUNT) {
for (Map.Entry<Long, String> entry : mCpuInfoEntries.entrySet()) {
Long key = entry.getKey();
mCpuInfoEntries.remove(key);
break;
}
}
}
}
// 更新数据供下一轮使用
mUserLast = user;
mSystemLast = system;
mIdleLast = idle;
mIoWaitLast = ioWait;
mTotalLast = total;
mAppCpuTimeLast = appCpuTime;
} ```
这里的逻辑跟StackSample
类似,获取cpu信息并且保存在mCpuInfoEntries
中,key
也是当前时间值,value
是cpu
信息对应的String
,也是采用的Lru
策略。
还记得我们在onBlockEvent()
里面怎么获取cpu
信息的吗?没错,就是通过cpuSampler.getCpuRateInfo()
,它的实现如下:
java // 获取cpu速率信息 public String getCpuRateInfo() { StringBuilder sb = new StringBuilder(); synchronized (mCpuInfoEntries) { // 直接遍历mCpuInfoEntries并写入String中返回 for (Map.Entry<Long, String> entry : mCpuInfoEntries.entrySet()) { long time = entry.getKey(); sb.append(BlockInfo.TIME_FORMATTER.format(time)) .append(' ') .append(entry.getValue()) .append(BlockInfo.SEPARATOR); } } return sb.toString(); }
这里直接就将我们保存在mCpuInfoEntries
的cpu
信息转换成一个String
返回了。
还有个isCpuBusy()
就不再分析了,其核心逻辑就是比时间,这里不再废话,有兴趣可以自己查看。
总结
BlockCanary
的核心逻辑很简单:
- 1 通过
Looper
提供的setMessageLogging(Printer)
函数传入一个自定义的LooperMonitor
。 - 2 在
Message
执行前开始dump
线程堆栈和cpu
信息。 - 3 在
Message
执行后停止dump
,并且利用时间差判断是否发生卡顿。 - 4 如果发生了卡顿,就将
dump
到的数据进行解析并通过回调传递给开发者。 - 5 开发者可以根据这些数据来分析卡顿出现的原因。
备注: BlockCanary的官方仓库已经很久没有更新了,存在部分问题,比如不弹出通知,日志不打印等;有需要的可以看我的PullRequest,在这里:BlockCanary