Android Kotlin 性能分析与内存调优

性能指标体系

指标	目标值	工具
启动时间	冷启 < 2000 ms	Android Studio Profiler, Perfetto
帧率	常驻 60fps 以上	GPU Profiler, Macrobenchmark
内存占用	常驻 < 256 MB	Memory Profiler, LeakCanary
ANR 率	< 0.47%（行业参考）	Firebase Performance, Play Console

启动优化

App Startup：延迟非关键组件初始化。
SplashScreen API：替代自定义 Splash Activity。
避免主线程阻塞：使用协程/Handler 推迟重任务。

class App : Application() {
    override fun onCreate() {
        super.onCreate()
        CoroutineScope(Dispatchers.Default).launch {
            initNonCriticalSdk()
        }
    }
}

帧率与渲染

工具使用

adb shell setprop debug.hwui.profile true 显示 GPU 渲染图。
使用 Macrobenchmark 监控 Compose/Recyclerview 性能。

@ExperimentalCoroutinesApi
class HomeBenchmark {
    @get:Rule
    val benchmarkRule = MacrobenchmarkRule()

    @Test
    fun startup() = benchmarkRule.measureRepeated(
        packageName = "com.example.app",
        metrics = listOf(FrameTimingMetric(), StartupTimingMetric()),
        iterations = 5
    ) {
        startActivityAndWait()
    }
}

Compose 性能

使用 remember 缓存对象。
避免在 recomposition 中执行 I/O。
对列表提供稳定 key，减少重组。

内存分析

工具链

LeakCanary：开发期检测泄漏。
Memory Profiler：实时查看堆分配。
Perfetto：系统级跟踪。

dependencies {
    debugImplementation("com.squareup.leakcanary:leakcanary-android:2.14")
}

常见泄漏：

场景	原因	解决方案
Activity 泄漏	静态对象持有 Context	使用 Application Context 或弱引用
协程泄漏	Job 未取消	使用 `viewModelScope`、`lifecycleScope`
Compose 回调	Lambda 捕获旧 `remember` 状态	使用 `rememberUpdatedState`

Kotlin 优化技巧

通过 inline 减少高阶函数 lambda 开销。
使用 @JvmInline value class 包装轻量对象。
避免创建大量临时对象，必要时使用对象池。

@JvmInline
value class UserId(val value: String)

Crash 与 ANR 分析

集成 Firebase Crashlytics、AppCenter 监控崩溃。
使用 adb shell am trace-ipc 调查 IPC 阻塞。
定期查看 ANR traces 与 Main Thread 堆栈。

持续监控

构建性能仪表板（Grafana + Prometheus）。
在 CI 中执行 Macrobenchmark、内存基准。
对关键指标设置阈值与报警（飞书/钉钉机器人）。

总结

性能优化需要指标驱动，先量化再优化。
启动、帧率、内存是最影响体验的指标，应建立固定分析流程。
结合 Kotlin 特性与官方工具（Macrobenchmark、LeakCanary）持续迭代，可显著提升应用稳定性与流畅度。