Recomposed
Performance

プロファイラーの読み方

Nov 5, 2026 · 19 min read

プロファイラーの読み方

直感

使ったことのないプロファイラーを、プロファイリングしたことのないプラットフォームで開いても、タブはすでに見慣れた顔をしている。ひとつの集計値、ツリーを辿る2つの方法、幅の広いカラフルなチャート。これは偶然ではない。

ほとんどのCPUプロファイラーは、UIを描く前に記録を同じ形——各ノードが2つの数値、と ——を持つコールツリーに落とし込む。 画面に表示されるその他すべては、この2つの数値から組み立てられた別のビューにすぎない。

  • Summary: 選択範囲に対するひとつの集計値。「これは遅いか」には答えるが、「どこで」には答えない。
  • Top-down: ルートからリーフまでのツリー。「この高コストな処理を呼んだのは何か」に答える。
  • Bottom-up: 同じツリーをリーフからルートへ、Self Timeでソートしたもの。 「誰が呼んだかに関係なく、何が高コストか」に答える。
  • Flame chart: 同じツリーを、ネストしたバーとして描いたもの。幅は時間に比例する。

4つのビュー、ひとつの基盤となるツリー。その形を一度覚えれば、タブはもうツール固有の雑学ではなくなる。これから開くどのプロファイラーに対しても、問われているのは同じ4つの質問だ。

以下で使い続ける例は、意図せず二次関数的な複雑さになってしまった1つの関数で、この記事ではずっとAndroid StudioのPerfettoベースのSystem Traceで示していく。ビューそのものはAndroidに特有のものではない。Chrome DevToolsとXcode Instrumentsも同じ形を別のタブ名で表示しており、それは後ほど比較表で取り上げる。

// ❌ List.contains() は id ごとに1回呼ばれる線形スキャンなので、
// リストが大きくなるにつれて関数全体のコストはO(n²)になる
fun dedupe(ids: List<String>): List<String> {
    val result = mutableListOf<String>()
    for (id in ids) {
        if (id !in result) result.add(id)
    }
    return result
}
 
// ✅ SetのメンバーシップチェックはO(1)なので、関数全体の計算量はO(n)まで下がる
fun dedupe(ids: List<String>): List<String> {
    val seen = mutableSetOf<String>()
    val result = mutableListOf<String>()
    for (id in ids) {
        if (seen.add(id)) result.add(id)
    }
    return result
}

dedupe はこの先のすべてのスクリーンショットで、AndroidOwner:onTouch や Compose:recompose のようなフレームワーク呼び出しと同じく、独自の名前付き行として現れる。 これらはフレームワークによって自動的に計測されている。自分のコードはそうではない——呼び出し箇所を自分でラップするまでは:

import androidx.tracing.trace
 
trace("dedupe") { dedupe(ids) }

これは androidx.tracing の trace() で、android.os.Trace.beginSection("dedupe") / Trace.endSection() の薄いラッパーであり、対応する終了呼び出しを代わりに処理してくれる。これがなければ dedupe の時間は依然として存在するが、実際に名前を確認できる呼び出し元の中に静かに畳み込まれてしまう。これこそ、この記事全体が扱っている集計の問題であり、プロファイラーのどのタブよりも1段階手前で起きていることだ。

そのままリリースしても問題ない。R8はこれらの呼び出しを取り除かない。beginSection のような実際のプラットフォーム呼び出しに副作用がないことを証明できないためで、結局どちらにしてもリリースAPKの中に残る。

いずれにせよコストは低い。beginSection/endSection は実際の作業を行う前に、内部の有効フラグを確認するだけだ。

Android 12(API 31)より前では、OSはさらに一歩進んで、デバッグ不可なリリースビルド(API 29以降では明示的に profileable と指定されていないビルド)でアプリレベルのトレーシングを無効化する。それより古いバージョンでは、この呼び出しはどんな場合でも本当に何もしない(no-op)。

API 31以降では、すべてのアプリで常にトレーシングが有効になっているが、これは何かが実際にトレースをキャプチャしているときにデータを出力できるという意味にすぎず、デフォルトで記録しているという意味ではない。

キャプチャタスクを選ぶ

FIG. 01
Android Studioのプロファイラーのタスク選択画面。このうち3つが、この記事で扱うコールツリーを生み出す。View Live Telemetryは記録されないライブモニターで、残りはメモリ関連のタスクだ。ここで取り上げるのはその3つだけ。

この記事のすべてのビューはコールツリーから生まれるが、コールツリーはまず記録されなければならない。Android Studio単体でも、それを記録する方法は3通りある:

  • System Trace(Capture System Activities): 自分の呼び出しだけでなく、フレームパイプライン(Choreographer、vsync)も含むシステム全体を記録する。この記事のすべてのスクリーンショットの背後にあるタスクであり、まず最初に手を伸ばすべき正しいデフォルトだ。
  • Find CPU Hotspots, Callstack Sample: 一定間隔でコールスタックをサンプリングし、Kotlin/Javaのコードとネイティブコード(simpleperf経由)の両方をカバーする。計測ベースのトレーシングよりオーバーヘッドは低いが、サンプリング間隔より短い呼び出しを見逃す可能性があるという代償がある。
  • Find CPU Hotspots, Java/Kotlin Method Recording: 上の dedupe のように自分で手動ラップした呼び出しだけでなく、すべてのメソッド呼び出しに実際のタイムスタンプを付けて計測する。この精度のオーバーヘッドは重く、Androidは1回の記録を5秒以内に収めることを推奨している。また絶対時間を歪ませるため、その数値はフレーム予算の数値としてではなく、相対的な値(今回の実行 対 前回の実行)として扱うべきだ。

選択画面の残り5つのタスクは、同じコールツリーを得るための別の方法ではなく、まったく別の問題を解決するものだ:

  • View Live Telemetry: 記録ではなく、CPU、スレッド、メモリ、操作のライブ表示で、何をキャプチャする価値があるかを判断するためのものだ。
  • Analyze Memory Usage (Heap Dump): メモリ上に存在するすべてのオブジェクトのスナップショットで、クラスごとのretained/shallowサイズを示す。
  • Find Memory Leaks with LeakCanary: LeakCanary独自のリーク解析で、実機ではなく開発マシン上で実行される。
  • Track Memory Consumption (Java/Kotlin Allocations): 1回のスナップショットではなく、時間範囲全体にわたるすべてのアロケーションとデアロケーションを記録する。
  • Track Memory Consumption (Native Allocations): ネイティブなC/C++ヒープに対する同様のアロケーションのタイムラインで、デフォルトでサンプリングされる。

これら5つはいずれも、コールツリーではなくメモリグラフやライブゲージといった別のデータ形を作る。この記事のモデルはこれらには当てはまらない。

この記事の dedupe() のバグについては、最初からSystem Traceが正しい選択だ。要点は、呼び出しを横断して増えていく時間を捉えることにあり、それは短い計測ウィンドウではなく、完全な記録全体にわたって時間順に並んだものを見られるようになって初めて見えてくる。逆に、もっと狭い質問、たとえば「これは正確に何回呼ばれたのか」を、増えていく dur 列を目で追う代わりに数値で確認したいときは、Method Recordingを使うといい。

40個のスレッドのうち、どれか

System Traceは、その時間枠の間にスケジュールされたすべてのスレッドを記録し、自分のアプリのものだけではない。実機で Threads パネルを展開すると数十行が表示され、そのほとんどは自分のコードには一切触れないシステムの管理処理だ。

UIレンダリングのバグに関係するのは3つだけだ:

  • メインスレッド。アプリのプロセス名にちなんだ名前になっている(この記事のスクリーンショットでは mi.composeplay2): Choreographer、入力ディスパッチ、measure/layout/draw、そして他のスレッドに引き渡されなかった自分のコードを実行する。AndroidOwner:onTouch と dedupe はどちらもここにいる。
  • RenderThread: メインスレッドが生成した描画コマンドを受け取り、GPUに発行する。Android 5.0(Lollipop)以降メインスレッドから分離されており、遅いフレームはメインスレッドのせいかもしれないし、RenderThreadのせいかもしれないし、両方のせいかもしれない。
  • GPU completion: 上記の2つのスレッドが既に引き渡したフレームに対して、GPU自体がどれだけ時間をかけたか。最初に見る場所になることは稀だが、他の2つのどちらにも明白な停滞が見られないときに、それらを除外する材料になる。

それ以外はいくつかのカテゴリーに分類され、そのほとんどはアプリのバグが隠れている場所ではない:

  • Binder:<pid>_<n>: システムサービスとの間の呼び出しを処理するスレッドプール。プロセス間通信そのものがボトルネックとして疑われる場合にのみ開く価値がある。
  • HeapTaskDaemon、Jit thread pool、Signal Catcher、Profile Saver: ARTランタイムの管理処理、ガベージコレクション、JITコンパイル、クラッシュシグナルの処理、プロファイルの永続化。これらを直接開く必要があるよりも、自分のスレッドに対するその影響(この先のEventsタブのセクションで扱う、CPU時間を奪うGCの一時停止のようなもの)を目にすることの方がずっと多いはずだ。
  • 自分のバックグラウンドスレッド。アプリが起動したものがあれば(コルーチンディスパッチャーのワーカープール、独自の ExecutorService など): 追っているバグが実際にメインスレッドから外れたとわかって初めて確認する価値がある。

その上にある概要グラフではなく、スレッドの行をクリックすることで、この記事の他のすべてのビューがその1つのスレッドに絞り込まれる。Summary、Top-down、Bottom-up、Eventsタブはすべて、現在選択されているスレッドからデータを読み取る。

Summary: 数値ひとつ、場所はなし

FIG. 02
dedupe() バーストに対するSummary。時間範囲とスレッドの両方が選択されている。先祖のディスパッチ呼び出しの方がまだ大きいWall Durationを記録しているにもかかわらず、dedupeはすでにSelf Time列を支配している。

時間範囲だけを選択すると、SummaryはほぼTime RangeとDurationしかない空の状態のままだ。スレッドも選択すると、「Longest running events」テーブルが埋まり始める。これはその選択範囲の中で個々に最も大きな作業のまとまりだ。

dedupe の12回の呼び出しのうち6回だけで、そのトップ10リストの半分以上を占めており、それぞれのSelf Timeは、その上に並ぶフレームワークのディスパッチ呼び出しよりもはるかに大きい。それでもこれらのフレームワーク呼び出しの方が大きいWall Durationを記録しているのは、そのDurationが dedupe 自身の時間に加えて、それらが行ったその他すべてを含んでいるためだ。

そこにある各行は実際には1つではなく4つの数値を持っており、2つの独立した軸が重なっている:

列軸測定対象
Wall DurationTotal、wall-clockこの呼び出しとそれが呼び出したすべてにかかった実際の経過時間
Wall Self TimeSelf、wall-clockこの呼び出し自身のコードにかかった実際の経過時間(呼び出し先は除く)
CPU DurationTotal、CPU-onlyCPUコアがこの呼び出しとその呼び出し先の実行に実際に使われていた時間
CPU Self TimeSelf、CPU-only同じCPU専用の測定値だが、この呼び出し自身のコードのみ

どちらの軸も、特定のアプリではなくコードの形に帰着する。AndroidOwner:onTouch と dedupe は上のスクリーンショットに出てくる実際の名前であり、実際のコールスタックに埋もれるのではなく、仕組みが2行で見えるように、ここでは単純化した形で再現している:

fun onTouch(event: MotionEvent) = trace("AndroidOwner:onTouch") {
    recordGesture(event)   // ただの呼び出し、下のものと同じ
    dedupe(ids)             // これもここから見ればただの呼び出し。onTouch自身の
                            // 本体の中には違いを示すものは何もない
}
 
fun dedupe(ids: List<String>) = trace("dedupe") {   // <- これが違いだ:
                                                      //    dedupeは自分自身の
                                                      //    セクションを開くが、recordGestureは
                                                      //    決してそうしない
    for (id in ids) {
        if (id !in result) result.add(id)   // 実際の作業: Wall Duration, CPU Duration
    }
    // GCの一時停止はこの中のどこでも起こり得る。スレッドは停止するので、
    // Wall Durationには依然として含まれるが、CPU Durationには含まれない
}

この2つの呼び出しは onTouch の内側から見ると同じに見える。同じ行の形で、すぐ隣に並んでいる。両者を分けているのはコード上の位置ではなく、呼び出し先が自分自身のトレースセクションを開くかどうかだ。

recordGesture() は決してそうしないので、どれだけ長く実行されても、その時間は onTouch のSelf Timeに畳み込まれたままになる。dedupe() は以下の自身の定義の中でそうするので、実行がそこに入った瞬間から、プロファイラーはその時間を代わりに dedupe 自身のセクションに対して数え始める。

onTouch のDurationはGCの一時停止も含めてすべてを含んでいるが、そのSelf Timeは子セクションに引き渡されなかった部分、つまり recordGesture() だけをカバーしている。

Duration対Selfは、直感セクションが最初に取り上げた区別、つまりTotal Time対Self Timeと同じものだ。これはまさに、次にTop-downとBottom-upが同じコールツリーから読み取るものだ。

WallとCPUは2番目の軸だ。Wall-clockは実際に経過したすべてのマイクロ秒を数える。CPU時間は、コアがこの呼び出しを実際に実行していたマイクロ秒だけを数える。CPU時間はWall時間を超えることは決してなく、その2つの差こそ、スレッドが呼び出しの途中でスケジュールから外されたり、ブロックされたり、一時停止していた時間そのものだ。上のコード例にあるGCの一時停止は、その差の具体的な一例であり、この先のEventsタブのセクションで再び取り上げる。

それでも、これはこの特定のバグを見るためのビューではない。このテーブルは最大10行までで、呼び出し順ではなくdurationでソートされるため、12回の呼び出しのうち最も大きい一部だけがリストに載り、実行された順序にもなっていない。

dedupe という名前の何かがコストが高いことはわかる。しかしこのテーブルだけでは、そのコストが一定なのか、増加しているのか、ランダムなのかはわからない。Summaryは順序を保存するためのものではなく、大きさだけを保存するために作られているからだ。

Top-down: 何がこれを呼び出したか

FIG. 03
同じトレースに対するTop Down。ここではdedupeは単一の行で、Total 1,194,813µs、スレッドの選択範囲の61.18%。自身の子がないため、SelfはTotalと等しい。

Top-downはコールツリーのルート(ここではスレッド自身)から始まり、それが呼び出したものへと下方向に展開していく。各行はそのノードについて2つの数値を示す:

  • Total: それ自身と、その下にあるすべて
  • Self: そのノード自身のみ、呼び出したものは含まない

dispatchInputEvent → deliverInputEvent → ViewPostImeInputStage → AndroidOwner:onTouch を辿って dedupe まで下りていくのは、「自分のコードのどこでこれが起きたかはおおよそわかっているので、そこまでの経路を見せてほしい」という問いのためのビューだ。

この単一の dedupe 行は、直感セクションで述べた集計が具体化したものでもある。そのTotal、1,194,813µsは、(四捨五入の範囲内で)Eventsタブが個別に列挙した12回すべての呼び出しのdurationの合計だ。生のイベントを見るのをやめてツリーを読み始めた瞬間、Top-downは同じコールスタックを共有する12回の呼び出しをひとつの行に畳み込んでいた。

Bottom-up: 呼び出し元を問わず、何が高コストか

FIG. 04
同じトレースに対するBottom Up。dedupeのSelf列、1,194,813µsは、スレッド自身の帰属先のないSelf Time(429,887µs、このスレッド上で名前付きセクションの外で過ごした時間)と、他のすべての関数のSelf Timeを合わせたものよりも大きい。

Bottom-upはTop-downの方向を逆にしたものだ。各行は関数であり、それを展開すると呼び出し先ではなく呼び出し元が表示される。ある行のSelfとTotalの数値は、1つの経路だけでなく、記録全体のどこでその関数が呼ばれたかすべてにわたって合計されている。これは、「まだどの呼び出し元が問題なのかはわからないが、とにかく最もコストの高い関数ひとつだけを知りたい」という問いのためのビューだ。

ツリー上の位置を完全に無視してSelf列だけを直接眺めると、このトレースのバグは明らかになる。dedupe 単体で、スレッド自身の帰属先のない時間(429,887µs)と他のすべての関数のSelf Timeを合わせたものよりも多くのSelf Time(1,194,813µs)を占めている。もし dedupe() が、どの画面やジェスチャーがトリガーになったかにかかわらずBottom-upでこれほど高い位置に現れるなら、それはどの特定の呼び出し元がそれをどう使っているかではなく、関数自体を指し示していることになる。

Flame chart: 同じツリーを幅として描く

FIG. 05
同じトレースに対するFlame Chart。12回すべてのdedupe呼び出しが、まったく同じコールスタックを共有しているため、上部のひとつの幅広いバーにまとまっており、その下にあるAndroidOwner:onTouchと同じ幅になっている。その右側にある細いバーは、dedupeの断片ではなく、スレッドの他の場所にある無関係なリーフだ。

flame chartは、まったく同じコールツリーを1枚の絵として描く。各ノードは水平なバーで、幅は時間に比例し、親の上に積み重なり、ルートは一番下にある。数値をひとつも読まなくても、幅の広いバーほど視覚的にコストが高いとわかる。

dedupe が12回呼ばれても、ここでは12本のバーにはならない。Top-downと同じだ。そのスタックを共有するすべての呼び出しは、上部のひとつのバーに畳み込まれる。

同じ名前を持つ、まったく別の二つのもの

Android StudioとPerfettoのFlame Chartタブは、同じスタックを持つすべての呼び出しをひとつのバーにマージする。これはTop-downとBottom-upが行っているのと同じ集計であり、ただ数値の代わりに幅として描かれているだけだ。Chrome DevToolsのメインスレッドトラックは似たように見えるが、まったくマージされていない。各ボックスは、実際の時系列上の位置にある1回の実際の呼び出しだ。

一方をもう一方として読み違えるのは簡単に起きる間違いだ。Chromeスタイルのトラックは、バグが時間とともに増大していく様子を目で見て示せる。マージされたflame chartタブはそれができない。なぜなら描かれる前に、すべての呼び出しがすでにひとつのバーに畳み込まれてしまっているからだ。

どのビューも教えてくれない、たった一つのこと

FIG. 06
12回の dedupe() 呼び出しを名前でソートしたもの。実行された順序と同じになる。Durationは1.72msから273.88msのピークまで上昇し、その後150〜190msの範囲に落ち着く。これが二次関数的な爆発(その上にGCのノイズが重なっている)であり、上記の4つの集計ビューのいずれにも見えなかったものだ。

増え続けるリストに対して dedupe() を実行し、呼び出しごとに少しずつ長い入力を与えてみる。Summaryはひとつの合計を返す。Top-downとBottom-upは、呼び出しごとではなく、一意な呼び出し経路ごとにひとつのTotal/Selfのペアを返す。マージされたFlame Chartタブは、すべての呼び出しをひとつのバーに畳み込む。

4つのビューはすべて、意図せず二次関数的になった関数を現場で押さえられるはずのただひとつの情報——各呼び出し自身のdurationを、それが起きた順序で——をすでに捨ててしまっている。

そのデータは依然として存在する。どのプロファイラーも呼び出しごとにタイムスタンプとdurationを記録している。ただ、それは4つの集計ビューのどれもが見せようと選んでいるものではないだけだ。

Android Studioでの解決策は、クエリではなくソートだ。(スレッドを選択すると Bottom Up の隣に現れる)Events タブは、そのスレッド上のすべての名前付きセクションを列挙する。Nameでソートすれば、すべての dedupe 呼び出しがStart Time順にひとまとまりになり、その隣にWall Durationが並ぶ。SQLは一切不要だ。

上から下へ読んでいくと、duration列が平坦であれば呼び出しごとのコストは一定であることを意味する。上昇していれば、それは二次関数的な爆発であり、集計をやめて各呼び出しを個別に見た瞬間に見えてくる。

ただし、その上昇は完全に滑らかではない。Summaryセクションで述べたWall対CPUの区別がその理由を説明してくれる。dedupe() は呼び出しごとに増え続けるリストを割り当てており、ある大きさを超えると、実際のガベージコレクションの一時停止を引き起こす。これは計算に費やす時間ではなく、スレッドがスケジュールから外されている時間だ。

Wall Durationはその一時停止を含む。CPU Durationは含まない。最も大きな呼び出しは、最も小さな呼び出しよりも明らかに広いWall対CPUの差を示しており、実際の二次関数的コストの上にGCの圧迫が重なっている。これこそ、きれいに理想化された曲線が実際のヒープにぶつかったときの、実機トレースの本当の姿だ。

クエリ層もツール固有ではない

Android StudioのEventsタブは、1つのトレースを一度だけ目で見るときには十分だ。しかし問いの形が変わった瞬間、それでは足りなくなる:

  • 今回の実行の dedupe のdurationを、先週のベースラインと比較する。
  • 281個ではなく数万個のイベントを持つトレースを横断してフィルタリングする。
  • そもそもAndroid Studioから出てきたのではないトレースを読む。

それこそがSQL層の本当の役割であり、Eventsが手動で答えている同じ問いをスクリプト化することだ。

まず必要なものは2つ。Android Studioの Past Recordings タブからエクスポートした(Export recording、すべてのキャプチャタイプが対応しているわけではない)トレースファイル自体と、ローカルにインストールした trace_processor だ:

curl -LO https://get.perfetto.dev/trace_processor
chmod +x ./trace_processor

どのトレースも同じ slice テーブルを共有しているので、query.sql はそれに直接問い合わせるだけだ:

SELECT ts, dur FROM slice WHERE name = 'dedupe' ORDER BY ts;
# Androidでキャプチャしたトレースを読む
trace_processor query -f query.sql android-trace.perfetto-trace
 
# Chrome DevToolsがJSONとしてエクスポートしたトレースを読む。クエリもテーブルも同じ
trace_processor query -f query.sql chrome-trace.json

ファイルは省略可能だ。一度だけのクエリなら、ファイルを使わずSQLを文字列として直接渡せばいい:

trace_processor query android-trace.perfetto-trace \
  "SELECT ts, dur FROM slice WHERE name = 'dedupe' ORDER BY ts"

Perfettoの trace_processor は、Androidのシステムトレースと、Chrome DevToolsがエクスポートしたJSONトレース(Chromeが chrome://tracing の時代から使ってきたTrace Event Format)の両方を、同じ slice/track/thread のSQLテーブルに解析する。上のクエリは、どちらのファイルに対しても変更なしで動作する。SQL層はもともとAndroidに特有のものではなく、たまたまAndroidが同梱しているツールであるというだけだ。

Xcode Instrumentsにはこれに相当するものがない。xctrace export は .trace ファイルから構造化データを取り出せるが、それはトレースの目次(table of contents)に対するXPathによるもので、SQLではなくXMLになる:

xctrace export --input recording.trace \
  --xpath '/trace-toc/run[@number="1"]/data/table[@schema="time-profile"]' \
  --output time-profile.xml

この方法でも、呼び出しごとの時系列順のリストを得ることはできる。ただそれは、すでに正しい列を備えたデータベースへのクエリではなく、自分でXMLに対して書くスクリプトになる。

どのビューを、どのツールで

何を示すかAndroid Studio / PerfettoChrome DevToolsXcode Instruments
選択範囲に対するひとつの集計値SummarySummaryTop Functions
コールツリー、ルートからリーフまでTop DownCall TreeCall Tree
コールツリー、リーフからルートまで、Self TimeでソートBottom UpBottom-UpCall Tree, Invert Call Tree checked
マージされたコールスタック、幅=時間Flame Chart(マージ済み)main thread track(マージなし、時系列)Flame Graph
インスタンスごと、時系列、スクリプト可能Eventsタブ(手動)、trace_processor(SQL、スクリプト可能)trace_processor(SQL、JSONインポート経由)xctrace export(XPath→XML、SQLなし)

プロファイラーに頼るべきタイミング

プロファイラーは「なぜこれは遅いのか」に答えるものであり、「これは遅いのか」には答えない。その問いは通常、別の場所から先に届く。CIゲートが回帰を検知したり、チームメイトがジェスチャーがぎこちないと言ったり、本番環境でドロップフレームの指標が上昇したりといった形で。その信号が存在する前にプロファイラーを開くことは、まだ実在が確認されていない問題のためにコールツリーを読むということだ。

それはまた、偶然ではなく意図的に時間がかかる作業だ。トレースをキャプチャし、キャプチャタスクを選び、4つの集計ビューを読み、それらが示さないひとつのことのためにクエリを書く——これはトレース1つにつき、集中した注意を何分も要する作業だ。

その手間は、診断のために一度だけ払うなら理にかなっている。しかし、すべてのコミットで実行するにはスケールしない。

本当の境界線はここにある。診断(なぜ)は手動のままでよいが、検知(これは回帰したか)は手動である必要はない。疑わしい呼び出しを、プロファイラーが既に読んでいる同じ名前のトレースセクションでラップし、誰かが気づくのを待つ代わりに、すべてのCI実行でそのdurationを記録すればいい:

// すべてのCI実行でdedupe()自身のdurationを記録する。使うのは、この記事の
// プロファイラーのスクリーンショットがすべて読んでいるのと同じ名前のトレースセクションだ
@Test
fun dedupeDuration() = benchmarkRule.measureRepeated(
    packageName = "com.example.app",
    metrics = listOf(TraceSectionMetric("dedupe", TraceSectionMetric.Mode.Sum)),
    iterations = 10,
    setupBlock = { startActivityAndWait() },
) {
    triggerTheFlowThatCallsDedupe()
}

これは数値を生み出すだけで、判定は下さない。各実行の結果は、合否を決めるために依然として保存されたベースラインと比較する必要がある。プロファイラーが開かれるのは、その比較が失敗して初めて、「なぜ」に答えるためだ。そしてそれこそが、この記事の残りの部分が実際に扱っている問いである。

バリエーションとトレードオフ

  • 集計はデフォルトの振る舞いであり、バグではない。 4つの主要ビューはいずれも、繰り返される呼び出しをひとつの数値に畳み込むために特化して存在している。なぜなら、呼び出しごとのコストが本当に一定である95%のケースでは、それこそが「何が遅いか」を1秒未満で答えられるようにするものだからだ。上記の二次関数的なループのバグは、まさに残り5%のケースであり、呼び出しごとの順序を集計で消してしまうことが、問題の実際の形を隠してしまう場合だ。
  • このメンタルモデルは、特にCPU/wall-timeプロファイリングのためのものだ。 self/total timeを持つコールツリーは、サンプリング型とトレーシング型のCPUプロファイラーの背後にある共通の形だ。ヒーププロファイラーのretained-sizeグラフや、GPUフレームプロファイラーのパイプラインステージの分解は、本質的に異なるデータ形だ。同じ4つのタブ名が慣習的に再利用されることもあるが、それらは同じ基盤となるツリーから作られているわけではないので、この記事のマッピングはそれらには通用しない。
  • SQL層がないことは、単なる雑学ではなく実際のコストだ。 iOSでインスタンスごとの時系列順の答えが必要で、XMLを手でパースしたくないなら、現実的な選択肢は xctrace export の出力に対してスクリプトを書くか、トレースを別の何かがクエリできる形式に変換することだ。AndroidとChromeにおける trace_processor のような、ファーストパーティの近道は存在しない。
Keep reading

Related reads

新しい記事をメールで受け取る