卡頓檢測與 Choreographer 原理

一、卡頓檢測的原理

卡頓的本質是主線程(UI 線程)未能及時完成某幀的渲染任務(超過 16.6ms,以 60Hz 屏幕為例),導致丟幀(Frame Drop)。檢測卡頓的核心思路是監控主線程任務的執行時間

常見檢測方法:
  1. 主線程監控(Looper Printer)

    • 原理:利用 LooperPrinter 機制,在每條消息處理前后打印日志,統計消息執行時間。
    • 代碼示例:
      Looper.getMainLooper().setMessageLogging(printer -> {if (printer.startsWith(">>>>> Dispatching")) {startTime = System.currentTimeMillis();} else if (printer.startsWith("<<<<< Finished")) {long cost = System.currentTimeMillis() - startTime;if (cost > 16) reportBlock(cost);}
      });
      
  2. Choreographer FrameCallback

    • 原理:通過向 Choreographer 注冊 FrameCallback,在每一幀開始繪制時觸發回調,計算幀耗時。
    • 代碼示例:
      Choreographer.getInstance().postFrameCallback(new FrameCallback() {@Overridepublic void doFrame(long frameTimeNanos) {long current = System.currentTimeMillis();if (lastFrameTime > 0) {long cost = current - lastFrameTime;if (cost > 16) reportJank(cost);}lastFrameTime = current;Choreographer.getInstance().postFrameCallback(this); // 持續監控}
      });
      
  3. Systrace/Perfetto

    • 原理:系統級工具,通過插樁代碼和內核事件,分析每一幀的耗時及卡頓原因。
  4. BlockCanary 等開源庫

    • 原理:基于主線程監控,結合堆棧采樣,定位耗時方法。

二、Choreographer 的工作原理

Choreographer 是 Android 渲染系統的核心協調者,負責接收 VSync 信號并調度 UI 渲染流程。

1. 核心職責
  • 接收來自 SurfaceFlinger 的 VSync 信號(垂直同步信號,通常 60Hz)。
  • 按優先級調度以下任務:
    • INPUT(輸入事件)
    • ANIMATION(屬性動畫)
    • TRAVERSAL(View 的 measure/layout/draw)
    • COMMIT(提交渲染結果)
2. 關鍵流程
  1. VSync 信號到達

    • 由硬件或軟件模擬生成,通知應用開始新一幀的渲染。
  2. 任務調度(Choreographer)

    • Choreographer 根據 VSync 信號,依次觸發注冊的 FrameCallback
    • 調用 doFrame() 方法,依次處理輸入、動畫、視圖遍歷等任務。
  3. UI 渲染階段

    • Measure/Layout/Draw:View 系統遍歷視圖樹,生成繪制命令。
    • Sync & Upload:將 UI 數據同步到 RenderThread。
    • Draw:RenderThread 通過 OpenGL/Vulkan 將數據提交給 GPU。
  4. 提交到 SurfaceFlinger

    • 最終由 SurfaceFlinger 合成所有 Layer,輸出到屏幕。
3. 代碼流程
// Choreographer 核心邏輯
void doFrame(long frameTimeNanos, int frame) {// 1. 計算掉幀情況if (jitterNanos >= mFrameIntervalNanos) {Log.w(TAG, "Frame time jitter: " + jitterNanos);}// 2. 按順序處理任務mFrameInfo.markInputHandlingStart();doCallbacks(Choreographer.CALLBACK_INPUT, frameTimeNanos);mFrameInfo.markAnimationsStart();doCallbacks(Choreographer.CALLBACK_ANIMATION, frameTimeNanos);mFrameInfo.markPerformTraversalsStart();doCallbacks(Choreographer.CALLBACK_TRAVERSAL, frameTimeNanos);doCallbacks(Choreographer.CALLBACK_COMMIT, frameTimeNanos);
}

三、卡頓與 Choreographer 的關系

  1. 卡頓的根本原因

    • 主線程在 doFrame() 中執行的任務(如 View 繪制、動畫計算)耗時過長,導致未能在下一個 VSync 信號到來前完成渲染。
  2. Choreographer 的監控能力

    • 通過 postFrameCallback 可以精確測量兩幀之間的時間差,判斷是否發生丟幀。
    • 系統內部會統計 jankyFrames(掉幀數),并通過 onJankyFrames 回調通知應用。

四、優化卡頓的建議

  1. 減少主線程任務
    • 耗時操作(IO、網絡、計算)移至子線程。
  2. 優化 View 層級
    • 避免過度繪制,減少 measure/layout/draw 耗時。
  3. 合理使用動畫
    • 優先使用硬件加速的屬性動畫(如 ViewPropertyAnimator)。
  4. 監控工具結合
    • 使用 Systrace 分析渲染流水線,定位阻塞點。

總結

  • 卡頓檢測依賴對主線程任務耗時的監控,可通過多種工具實現。
  • Choreographer 是 Android 渲染系統的中樞,通過 VSync 信號驅動 UI 渲染流程,其調度機制直接影響幀率穩定性。
  • 深入理解這兩者的原理,是優化應用流暢性的關鍵基礎。

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/web/80185.shtml
繁體地址,請注明出處:http://hk.pswp.cn/web/80185.shtml
英文地址,請注明出處:http://en.pswp.cn/web/80185.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

物聯網僵尸網絡防御:從設備認證到流量染色

一、IoT設備的安全困境 典型物聯網設備存在硬編碼密鑰問題&#xff1a; // 固件中的危險代碼示例 const char* DEFAULT_KEY "A1B2-C3D4-E5F6"; // 廠商預設密鑰 void connect_server() {authenticate(DEFAULT_KEY); // 密鑰從未更新 }此類漏洞導致某智能家居平臺…

二叉樹子樹判斷:從遞歸到迭代的全方位解析

一、題目解析 題目描述 給定兩棵二叉樹root和subRoot&#xff0c;判斷root中是否存在一棵子樹&#xff0c;其結構和節點值與subRoot完全相同。 示例說明 示例1&#xff1a; root [3,4,5,1,2]&#xff0c;subRoot [4,1,2] 返回true&#xff0c;因為root的左子樹與subRoot完…

Springboot 異步場景 使用注解 @Async 及 自定義線程池分模塊使用

目錄 前言一、Springboot項目如何開啟異步&#xff1f;二、存在的問題三、自定義線程池四、自定義線程池使用五、阻塞隊列和拒絕策略 前言 當開發中遇到不影響主流程任務時&#xff0c;使用異步去處理。 如有以下場景&#xff1a; 1、業務需要生成一個季度的數據進行員工排名&…

【GNN筆記】Signed Graph Convolutional Network(12)【未完】

視頻鏈接&#xff1a;《圖神經網絡》 Signed Graph Convolutional Network 之前介紹的GNN模型主要集中在無符號的網絡&#xff08;或僅由正鏈接組成的圖&#xff09;上&#xff0c;符號 圖帶來的挑戰&#xff0c;主要集中在于 否定鏈接&#xff0c;與正鏈接相比&#xff0c;它不…

米勒電容補償的理解

米勒電容補償是使運放放大器穩定的重要手法&#xff0c;可以使兩級運放的兩個極點分離&#xff0c;從而可以得到更好的相位裕度。 Miller 電容補償的本質是增加一條通路流電流&#xff0c;流電流才是miller效應的本質。給定一個相同的輸入&#xff0c;Miller 電容吃掉的電流比…

CVE-2017-8046 漏洞深度分析

漏洞概述 CVE-2017-8046 是 Spring Data REST 框架中的一個高危遠程代碼執行漏洞&#xff0c;影響版本包括 Spring Data REST < 2.5.12、2.6.7、3.0 RC3 及關聯的 Spring Boot 和 Spring Data 舊版本。攻擊者通過構造包含惡意 SpEL&#xff08;Spring Expression Language&…

qt文本邊框設置

// 計算文本的大致尺寸 QFontMetrics fm(textEditor->font()); QRect textRect fm.boundingRect(textItem->toPlainText()); // 設置編輯框大小&#xff0c;增加一些邊距 const int margin 10; textEditor->setGeometry( center.x() - textRect.width()/2 - margin,…

Java 與 面向對象編程(OOP)

Java 是典型的純面向對象編程語言&#xff08;Pure Object-Oriented Language&#xff09;&#xff0c;其設計嚴格遵循面向對象&#xff08;OOP&#xff09;的核心原則。以下是具體分析&#xff1a; 1. Java 的面向對象核心特性 (1) 一切皆對象 Java 中幾乎所有的操作都圍繞…

導出導入Excel文件(詳解-基于EasyExcel)

前言&#xff1a; 近期由于工作的需要&#xff0c;根據需求需要導出導入Excel模板。于是自學了一下下&#xff0c;在此記錄并分享&#xff01;&#xff01; EasyExcel&#xff1a; 首先我要在這里非常感謝阿里的大佬們&#xff01;封裝這么好用的Excel相關的API&#xff0c;真…

python版本管理工具-pyenv輕松切換多個Python版本

在使用python環境開發時&#xff0c;相信肯定被使用版本所煩惱&#xff0c;在用第三方庫時依賴兼容的python版本不一樣&#xff0c;有沒有一個能同時安裝多個python并能自由切換的工具呢&#xff0c;那就是pyenv&#xff0c;讓你可以輕松切換多個Python 版本。 pyenv是什么 p…

Elasticsearch 索引副本數

作者&#xff1a;來自 Elastic Kofi Bartlett 解釋如何配置 number_of_replicas、它的影響以及最佳實踐。 更多閱讀&#xff1a;Elasticsearch 中的一些重要概念: cluster, node, index, document, shards 及 replica 想獲得 Elastic 認證&#xff1f;查看下一期 Elasticsearc…

AXI4總線協議 ------ AXI_LITE協議

一、AXI 相關知識介紹 https://download.csdn.net/download/mvpkuku/90841873 AXI_LITE 選出部分重點&#xff0c;詳細文檔見上面鏈接。 1.AXI4 協議類型 2.握手機制 二、AXI_LITE 協議的實現 1. AXI_LITE 通道及各通道端口功能介紹 2.實現思路及框架 2.1 總體框架 2.2 …

idea運行

各種小kips Linuxidea上傳 Linux 部署流程 1、先在idea打好jar包&#xff0c;clean之后install 2、在Linux目錄下&#xff0c;找到對應項目目錄&#xff0c;把原來的jar包放在bak文件夾里面 3、殺死上一次jar包的pid ps -ef|grep cliaidata.jar kill pid 4、再進行上傳新的jar…

FPGA: XILINX Kintex 7系列器件的架構

本文將詳細介紹Kintex-7系列FPGA器件的架構。以下內容將涵蓋Kintex-7的核心架構特性、主要組成部分以及關鍵技術&#xff0c;盡量全面且結構化&#xff0c;同時用簡潔的語言確保清晰易懂。 Kintex-7系列FPGA架構概述 Kintex-7是Xilinx 7系列FPGA中的中高端產品線&#xff0c;基…

【LLM】大模型落地應用的技術 ——— 推理訓練 MOE,AI搜索 RAG,AI Agent MCP

【LLM】大模型落地應用的技術 ——— 推理訓練MOE&#xff0c;AI搜索RAG&#xff0c;AI Agent MCP 文章目錄 1、推理訓練 MOE2、AI搜索 RAG3、AI Agent MCP 1、推理訓練 MOE MoE 是模型架構革新&#xff0c;解決了算力瓶頸。原理是多個專家模型聯合計算。 推理訓練MoE&#xff…

10 web 自動化之 yaml 數據/日志/截圖

文章目錄 一、yaml 數據獲取二、日志獲取三、截圖 一、yaml 數據獲取 需要安裝 PyYAML 庫 import yaml import os from TestPOM.common import dir_config as Dir import jsonpathclass Data:def __init__(self,keyNone,file_name"test_datas.yaml"):file_path os…

中exec()函數因$imagePath參數導致的命令注入漏洞

exec(zbarimg -q . $imagePath, $barcodeList, $returnVar); 針對PHP中exec()函數因$imagePath參數導致的命令注入漏洞&#xff0c;以下是安全解決方案和最佳實踐&#xff1a; 一、漏洞原理分析 直接拼接用戶輸入$imagePath到系統命令中&#xff0c;攻擊者可通過注入特殊字…

this.$set的用法-響應式數據更新

目錄 一、核心作用 三、使用場景與示例 1. 給對象添加新屬性 四、與 Vue.set 的關系 五、底層原理 六、Vue 3 的替代方案 七、最佳實踐 八、常見問題 Q&#xff1a;為什么修改嵌套對象屬性不需要 $set&#xff1f; Q&#xff1a;$set 和 $forceUpdate 的區別&#xf…

【生成式AI文本生成實戰】DeepSeek系列應用深度解析

目錄 &#x1f31f; 前言&#x1f3d7;? 技術背景與價值&#x1fa79; 當前技術痛點&#x1f6e0;? 解決方案概述&#x1f465; 目標讀者說明 &#x1f9e0; 一、技術原理剖析&#x1f4ca; 核心概念圖解&#x1f4a1; 核心作用講解&#x1f527; 關鍵技術模塊說明?? 技術選…

c/c++的opencv的圖像預處理講解

OpenCV 圖像預處理核心技術詳解 (C/C) 圖像預處理是計算機視覺任務中至關重要的一步。原始圖像往往受到噪聲、光照不均、尺寸不一等多種因素的影響&#xff0c;直接用于后續分析&#xff08;如特征提取、目標檢測、機器學習模型訓練等&#xff09;可能會導致性能下降或結果不準…