安卓性能测试+结果可视化

使用到的技术:mobileperf+pyecharts或mobileperf+grafana

性能测试

GitHub - alibaba/mobileperf: Android performance testAndroid performance test. Contribute to alibaba/mobileperf development by creating an account on GitHub.https://github.com/alibaba/mobileperf

 使用方法:

  • 安装python3,加入到环境变量中,执行python --version,确保是python3
  • 安装adb,确保adb devices能找到设备
  • 修改配置文件,示例参考根目录下config.conf
  • 运行,mac、linux 在mobileperf工具根目录下执行sh run.sh,windows 双击run.bat,结束测试,等待设置测试时长到或按Ctrl+C

config文件主要改包名和设备udid

 测试结果,包含cpu,fps,内存mem,流量traffic 等csv文件

 结果可视化

grafana

grafana的安装、使用大家自行学习,这里主要讲pyecharts

 pyecharts

安装:pip install pyecharts

实际中一次cpu测试结果如下

 现在用pyecharts处理,注释注明了每一步的意思,可以对着看

import pandas as pd
import pyecharts.options as opts
from pyecharts.charts import Line
import os


class csv_to_chart(object):
    def __init__(self):
        self.cpu_file_name = './cpuinfo.csv'
        self.fps_file_name = './fps.csv'
        self.mem_file_name = './meminfo.csv'
        self.traffic_file_name = './traffic.csv'

    def func(self, val):
        tmp = float(val) / 100
        tmp = "{:.2f}".format(tmp)
        return str(tmp)

    def cpu_csv_to_line(self):
        # 读取CSV文件
        db = pd.read_csv(self.cpu_file_name)
        # 获取列名,转为列表
        tmp = db.columns.tolist()
        tmp_list = []
        # 列名system,特殊符号%,\n不能入库
        for a in tmp:
            if '\n' in a:
                tmp_list.append(a[:-2])
            elif 'system' in a:
                tmp_list.append('sys')
            elif '%' in a:
                tmp_list.append(a[:-1])
            else:
                tmp_list.append(a)
        db.columns = tmp_list

        # 将pid_cpu这一列除以100,因为是百分比
        db.pid_cpu = db.apply(lambda x: self.func(x.pid_cpu), axis=1)

        yk = (
            Line()
                .add_xaxis(db.datetime.tolist())

                .add_yaxis(series_name="cpu百分比",
                           y_axis=db.pid_cpu.tolist(),
                           # 跳过值是0的点
                           is_connect_nones=True,
                           # 曲线光滑
                           is_smooth=True,
                           markpoint_opts=opts.MarkPointOpts(
                               data=[
                                   opts.MarkPointItem(type_="max", name="最大值"),
                                   opts.MarkPointItem(type_="min", name="最小值"),
                               ]
                           ),
                           markline_opts=opts.MarkLineOpts(
                               data=[opts.MarkLineItem(type_="average", name="平均值")]
                           ), )

                .set_global_opts(title_opts=opts.TitleOpts(title="cpu占用详情"),
                                 tooltip_opts=opts.TooltipOpts(trigger="axis"))

                .render("html/cpu.html")
        )



if __name__ == '__main__':
    tmp = os.path.join(os.path.dirname(__file__), "html")
    if not os.path.exists(tmp):
        os.mkdir(tmp)
    csv_to_chart().cpu_csv_to_line()

目前问题

  • 真机,没有fps数据
  • 模拟器,没有流量数据

效果

  • 折线图
  • 最大值
  • 最小值
  • 均值
  • 竖线提示
  • 跳过空值

脚本放在统计结果路径,运行会在html文件夹生成对应的html

真机结果

模拟器结果

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在 App 的性能测试中,分析 CPU 的结果是评估应用程序性能的重要一环。下面是一些方法来分析 CPU 的性能测试结果: 1. 使用 Profiler 工具:现代的性能测试工具通常都提供了 Profiler 功能,可以帮助您分析 CPU 的使用情况。在 Android Studio 中,您可以使用 Android Profiler,在 Xcode 中,您可以使用 Instruments。这些工具会提供实时的 CPU 使用率、线程活动和函数调用栈等信息,以帮助您确定性能瓶颈。 2. 观察 CPU 使用率:CPU 使用率是评估应用程序性能的重要指标之一。通过观察 CPU 使用率的峰值和变化,您可以确定应用程序在不同场景下的 CPU 开销。如果 CPU 使用率持续高于预期,可能意味着存在性能问题或资源竞争。 3. 分析线程活动:线程活动是 CPU 使用的一个重要因素。通过观察线程活动情况,您可以确定应用程序中的并发操作和线程使用情况。如果存在过多的线程活动或线程竞争,可能会导致 CPU 资源过度消耗。 4. 查看函数调用栈:函数调用栈可以显示应用程序中函数的调用关系和执行时间。通过查看函数调用栈,您可以确定哪些函数占用了大部分的 CPU 时间,从而找到性能瓶颈或优化的重点。 5. 使用图表和报告:性能测试工具通常会提供图表和报告来可视化 CPU 的结果。您可以查看图表以观察 CPU 使用率的变化趋势,以及关键函数或线程的性能情况。同时,报告也可以提供更详细的信息,如函数调用次数、平均执行时间等。 在分析 CPU 的结果时,还要考虑其他因素,如设备规格和操作系统版本等。不同的设备和操作系统可能会对 CPU 的使用产生不同的影响。因此,在进行比较或优化时,请确保在相同的测试环境下进行。 希望这些方法对您有所帮助!如果还有其他问题,请随时提问。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值