Малий екран і обмежені ресурси wearable-пристрою роблять кожну затримку помітною: людина піднімає зап’ясток на кілька секунд, і якщо застосунок не встиг показати пошту, момент втрачено. Кейс Gmail Wear OS, опублікований на Android Developers, показує, як послідовний аналіз запуску допомагає знайти неочевидні причини повільного першого екрана.

Цей кейс цінний не стільки результатом, скільки прозорістю методу: команда покроково показує, куди дивитися в trace і як інтерпретувати побачене. Ми використовуємо ту саму послідовність аналізу у власних Android-проєктах, тож нижче — розбір кейсу з практичними коментарями.

Контекст: чому годинник — суворий тест

Команда Gmail Wear OS мала власні критерії продуктивності для запуску та рендерингу і працювала, щоб їм відповідати. Важлива деталь, яку підкреслює кейс: пристрій мав лише два процесорні ядра. На такому залізі будь-яка паралельна робота — анімація, фонова ініціалізація, системні процеси — конкурує з головним потоком значно відчутніше, ніж на сучасному телефоні з вісьмома ядрами.

Автори окремо зауважують: навіть якщо у вас немає формальних порогів, майже завжди є що покращити в запуску, якщо витратити час на дослідження. А для першої оцінки можна порівняти свій застосунок із групою аналогів у Play Console і просто довіритися відчуттю: якщо старт здається повільним, він таким і є.

Як шукали проблему: п’ять точок у trace

Команда записувала system trace і аналізувала його в Perfetto, бо той показує, що відбувається на всьому пристрої, а не лише у вашому процесі. Ось на що вони дивилися і що це означає.

Що дивимось у traceЩо це сигналізуєЩо робити
Рядок Android App Startupsмежі запуску до першого кадру (TTID)закріпити вгорі й аналізувати все в цьому інтервалі
Співвідношення Runnable до Running на головному потоціпотік готовий працювати, але не отримує процесор — конкуренціяшукати інтенсивну паралельну роботу, зокрема анімації
OpenDexFilesFromOat*час на читання DEX-файлів застосункузменшити обсяг коду через мініфікацію R8
Binder-транзакціївиклики системних сервісів, що можуть блокувати стартвідкласти необов’язкові виклики на після запуску
Jit thread poolкод компілюється «на льоту» замість заздалегідьрозширити Baseline Profile до моменту готовності екрана

Головний потік і конкуренція за процесор

Виділивши інтервал запуску на головному потоці, команда подивилася панель Thread States. Чим більше часу потік проводить у стані Runnable порівняно з Running, тим імовірніша конкуренція за процесор: потік готовий працювати, але планувальник віддає ядро комусь іншому. Найвищий пріоритет має видимий застосунок, тож простій головного потоку часто означає, що його «перебиває» інтенсивна робота всередині самого застосунку — наприклад, рендеринг анімації.

Binder-транзакції

Перша binder-транзакція виявилася довгою. Простеживши відповідь до системного процесу, команда побачила стан Runnable (Preempted) і події дисплейного контролера, що мали вищий пріоритет. Висновок: це важлива системна робота — виведення кадрів на екран, — і її залишили як є. Цей епізод ми вважаємо одним із найкорисніших у кейсі: не кожна знахідка в trace потребує виправлення, і вміння вчасно зупинитися економить дні роботи.

JIT-активність

Застосунок уже мав Baseline Profile, тож до першого кадру JIT майже не працював. Але одразу після нього з’являлася помітна фонова компіляція. Рішення — розширити збір профілю: у Macrobenchmark-тесті генерації чекати появи конкретного елемента, який означає, що екран повністю заповнений.

Які рішення спрацювали

  • Статичний стан замість spinner. Помітивши конкуренцію за процесор, команда замінила анімований індикатор завантаження одним статичним зображенням.
  • Відкладений shimmer. Splash screen подовжили, щоб відкласти shimmer — другий стан завантаження — і звільнити ресурси процесора.
  • R8 rewriting для Baseline Profiles. За результатами аналізу OpenDexFilesFromOat* та JIT-активності команда увімкнула переписування профілів через R8, для чого потрібен AGP 8.2 або новіший.
  • Процес, а не разова акція. Команда радить налаштувати автоматичний збір traces і результатів через бенчмарки.

У результаті перша група змін — статичне зображення та відкладений shimmer — покращила startup latency на 50%, а R8 rewriting — ще на 20%. Це не універсальні відсотки для кожного продукту, але хороший приклад інженерної послідовності: виміряти, знайти вузьке місце, змінити одну причину та повторно виміряти. Як анімації загалом впливають на швидкість і сприйняття, ми детально розбирали в матеріалі про анімації в мобільному інтерфейсі.

Як повторити аналіз у своєму проєкті

  1. Зберіть release-подібну збірку: debug-версія вимикає оптимізації ART, і trace буде нерепрезентативним.
  2. Запишіть trace холодного запуску на найслабшому цільовому пристрої — через системне трасування на пристрої або Macrobenchmark.
  3. Відкрийте trace у Perfetto, закріпіть Android App Startups і два рядки головного потоку.
  4. Оцініть Runnable/Running. Якщо Runnable помітний, шукайте анімації та паралельні задачі в цьому інтервалі.
  5. Перевірте OpenDexFilesFromOat*, binder-транзакції й Jit thread pool за таблицею вище.
  6. Сформулюйте одну гіпотезу, внесіть одну зміну, повторіть вимірювання на тому ж пристрої.
  7. Перевірте результат A/B-тестом або контрольованим релізом і відхиліть зміну, якщо вона не дала ефекту.

Типові помилки під час такого аналізу

  • Додавати індикатори завантаження, коли не знаєш, що оптимізувати: вони маскують проблему й самі споживають ресурси.
  • Виправляти все, що виглядає підозріло, замість того щоб почати з найдовшого кадру.
  • Ігнорувати апаратний контекст: на двоядерному пристрої високий Runnable частково очікуваний.
  • Обривати збір Baseline Profile на першому кадрі.
  • Оцінювати ефект на одному запуску замість серії вимірювань.

Чекліст

  1. Є відтворюваний спосіб записати trace холодного запуску.
  2. Перевірено п’ять точок: межі запуску, Runnable/Running, DEX, binder, JIT.
  3. Анімації під час запуску замінено статичними станами там, де вони конкурують із першим екраном.
  4. Baseline Profile охоплює сценарій до повної готовності екрана; увімкнено R8 rewriting.
  5. Кожну зміну перевірено повторним вимірюванням і A/B-тестом.
  6. Збір traces автоматизовано в CI.

Команди часто додають індикатори завантаження, коли не знають, що оптимізувати. Цей кейс нагадує, що іноді найкраща анімація — та, яку не потрібно запускати. Ширшу рамку метрик запуску ми описали в статті про швидкість запуску застосунку, а про роль Baseline Profiles на іншому прикладі — у розборі кейсу Android Calendar.

Джерела: Android Developers: How Gmail Wear OS improved app startup; Android Developers: App startup time; Android Developers: Baseline Profiles overview; Perfetto documentation.