Оптимізація мобільного застосунку часто починається з відчуття «він повільний», але закінчуватися повинна вимірюваним результатом. Baseline Profiles дають команді спосіб заздалегідь описати найважливіші шляхи виконання коду і скоротити роботу, яку пристрій виконує під час перших запусків і в ключових сценаріях.
Кейс Android Calendar, опублікований на Android Developers, — один із найкраще задокументованих прикладів: тут є мотивація, конкретні сценарії, спосіб вимірювання і числа до та після. Розбираємо його детально і додаємо те, що ми бачимо, коли впроваджуємо профілі у власних Android-проєктах.
Як працюють Baseline Profiles
Коли Android-застосунок запускається вперше після встановлення, значна частина коду виконується інтерпретатором або компілюється «на льоту» JIT-компілятором. Це коштує процесорного часу саме тоді, коли користувач чекає на перший екран. Baseline Profile — це список класів і методів, які варто скомпілювати заздалегідь. Профіль постачається разом зі збіркою, і під час встановлення система компілює цей код ahead-of-time.
За даними документації Android, Baseline Profiles прискорюють виконання коду приблизно до 30% з першого запуску, бо оминають етапи інтерпретації та JIT для ключових сценаріїв. Профілі допомагають не лише запуску, а й плавності: прокручування, переходи між екранами, відкриття складних списків.
Існує й інший механізм — Cloud Profiles, які Google Play формує автоматично з реального використання застосунку. Команда Calendar вже мала Cloud Profiles, тож важливо розуміти різницю.
| Параметр | Cloud Profiles | Baseline Profiles |
|---|---|---|
| Налаштування | увімкнені за замовчуванням | налаштовує команда |
| Які сценарії входять | обираються автоматично за даними користувачів | обирає команда |
| Найкраще працюють для аудиторії | великої | будь-якого розміру |
| Коли з’являється ефект | через кілька днів після релізу | одразу |
| Версії Android | Android 9 (API 28) і новіші | Android 7 (API 24) і новіші |
Чому команді Calendar знадобилися власні профілі
Головна причина — перехід на щотижневий цикл релізів. Cloud Profiles досягають максимального ефекту лише через 1–2 дні після виходу версії, бо спираються на агреговані дані користувачів. За тижневого циклу це означає, що значну частину часу люди працюють із неоптимізованою збіркою. Baseline Profiles дають ефект з першої хвилини після встановлення оновлення.
Друга причина — контроль. Команда хотіла сама обирати критичні сценарії (CUJ, critical user journeys), що потрапляють у профіль. Їх було два:
- Відкриття застосунку у вигляді розкладу — це вигляд за замовчуванням, тож він важливий для нових користувачів і тих, хто не змінює налаштувань.
- Відкриття у вигляді місяця — за даними аналітики, саме його обирає багато користувачів.
Профілі генерувалися через внутрішню обгортку над Jetpack Macrobenchmark: тест запускає застосунок, чекає появи повторюваних подій і задач на екрані, відкриває бокове меню й перевіряє обраний вигляд. Зверніть увагу на деталь: тест чекає реального контенту, а не просто першого кадру.
Як виміряли результат без A/B-тесту
Baseline Profiles жорстко прив’язані до APK і застосовуються ще до запуску коду, тому класичний A/B-експеримент у межах однієї версії неможливий. Команда використала контрольовані релізи: нову версію отримала лише частина користувачів, а її метрики порівнювали з групою на версії, максимально схожій на попередню. Результати агреговано по широкому спектру пристроїв:
- медіанний interactive startup — найпоширеніший сценарій — зменшився з 775 до 644 мс (17%);
- медіанний холодний запуск — з 1058 до 901 мс (15%);
- медіанний теплий запуск — з 453 до 378 мс (17%);
- частка janky-кадрів у виглядах розкладу та місяця зменшилася на 42–60%.
Загалом команда фіксує близько 20% покращення запуску та приблизно 50% зменшення повільних або завислих кадрів. Виграли навіть ті, хто відкриває інші вигляди: спільні процеси, як-от завантаження календарних даних із бази, теж потрапили в профіль. Окремо документація попереджає: якщо Cloud Profiles працюють паралельно, різниця протягом першого тижня трохи зменшується, бо хмарні профілі «наздоганяють».
Як впровадити Baseline Profiles: покроково
- Оберіть 2–4 критичні сценарії. Холодний запуск до основного екрана, найпопулярніший перехід, головний список із прокручуванням. Беріть дані з аналітики, а не з припущень.
- Підключіть Baseline Profile Gradle plugin і створіть модуль для генерації профілю. Android Studio має готовий шаблон.
- Напишіть генератор на BaselineProfileRule. Доводьте сценарій до моменту, коли екран справді заповнений: чекайте конкретний елемент інтерфейсу. Для запуску вмикайте includeInStartupProfile, щоб отримати ще й оптимізацію розташування DEX.
- Згенеруйте профіль на емуляторі або фізичному пристрої і закомітьте результат у репозиторій.
- Виміряйте ефект Macrobenchmark: порівняйте CompilationMode.None з CompilationMode.Partial із профілем, використовуючи StartupTimingMetric і FrameTimingMetric.
- Увімкніть R8. Для R8 rewriting профілів потрібен AGP 8.2 або новіший; у кейсі Gmail Wear OS саме це дало ще 20% до швидкості запуску.
- Автоматизуйте регенерацію. Профіль застаріває разом із кодом — генеруйте його в CI перед кожним релізом.
- Перевірте польові дані в Android vitals після контрольованого релізу.
Що важливо для інших команд
- Профілюйте реальні ключові сценарії, а не випадковий набір екранів.
- Перевіряйте результат на різних класах пристроїв: на слабких виграш зазвичай найбільший. Чому це важливо, ми писали в статті про тестування на недорогих пристроях.
- Порівнюйте контрольовані групи, якщо A/B-тест неможливий.
- Поєднуйте профілі з Macrobenchmark у лабораторії та польовими метриками у Play Console.
Типові помилки
- Очікувати, що профілі виправлять погану архітектуру. Якщо Application.onCreate синхронно ініціалізує десяток SDK, профіль лише трохи пришвидшить зайву роботу.
- Генерувати профіль один раз і забути: через кілька релізів він покриває вже не той код.
- Вимірювати на debug-збірці, де профілі та R8 не працюють так, як у релізі.
- Обривати сценарій генерації на першому кадрі, через що код завантаження даних не потрапляє в профіль.
- Не перевіряти, чи профіль справді встановлюється: для цього є ProfileVerifier у бібліотеці ProfileInstaller.
Чекліст
- Визначено 2–4 критичні сценарії на основі аналітики.
- Модуль генерації профілю працює і запускається в CI.
- Є Macrobenchmark для запуску та плавності з порівнянням «без профілю / з профілем».
- Увімкнено R8 і використано AGP 8.2+.
- Ефект підтверджено контрольованим релізом і даними Android vitals.
- Результати пов’язано з продуктовими метриками: відмовами, рейтингом, завершенням ключової дії.
Baseline Profiles найкраще працюють, коли команда вже знає, який шлях має бути швидким. Загальну рамку метрик запуску ми розібрали в статті про швидкість запуску застосунку. Для бізнесу ж важливо зв’язати технічне покращення з поведінкою: швидший запуск може зменшити відмови й підвищити рейтинг, але це потрібно перевіряти даними, а не припускати.
Джерела: Android Developers: Android Calendar Baseline Profiles case study; Android Developers: Baseline Profiles overview; Android Developers: Benchmark Baseline Profiles with Macrobenchmark; Android Developers: Gmail Wear OS startup case study.



