Flutter 性能优化 Tips

App 流畅性的关键指标有 UI帧率，GPU帧率，我们期望它能达到 60fps，也就是16ms每帧。

以 profile / release 模式运行

为了获取最接近生产环境的数据，我们应该选择一台尽可能低端的真机，并且以 profile 模式或者 release 模式下运行app。

assert()

1. 在 Android Studio and IntelliJ 中, 在菜单栏中点击 Run > Flutter Run main.dart in Profile Mode

2. VS Code：打开 launch.json 文件并设置flutterMode 为 profile:

"configurations": [
	{
		"name": "Flutter",
		"request": "launch",
		"type": "dart",
		"flutterMode": "profile" # 测试完后记得把它改回去！
	}
]
复制代码

3. 用命令行启动:

$ flutter run --profile
复制代码

检测帧率

那么检测帧率有哪些方法呢？Flutter 给我们提供了 Performance Overlay ，如下图，绿色代表当前渲染帧。

我们有三种开启方式

1. 在Android Studio 和 IntelliJ IDEA中： 选中 View > Tool Windows > Flutter Inspector . 点击下面这个按钮。

2. 在 VS Code中 选中 View > Command Palette… 会显示一个 command 面板. 在命令面板中输入 performance 并选择 Toggle Performance Overlay 如果命令显示为不可用，需要检查 app 是否正在运行.

3. 从命令行中运行 键盘输入 P

4. 代码中打开 在 MaterialApp 或者 WidgetsApp 的构造函数中设置 showPerformanceOverlay 属性为 true :

class MyApp extends StatelessWidget {
  @override
  Widget build(BuildContext context) {
    return MaterialApp(
      showPerformanceOverlay: true, // 开启
      title: 'My Awesome App',
      home: MyHomePage(title: 'My Awesome App'),
    );
  }
}
复制代码

然后就是动手操作 app，并观察图表上是否出现红色线条。绿色代表当前帧，当页面有变动，图表会不断绘制。蒙版上有2个图表，每个图表上有三横格，每个横格代表16ms。如果大多数帧都在第一格，说明达到了期望的帧率。

图表分别体现了 UI帧率 和 GPU帧率。如果出现了红色，说明对应的线程有太多work要做。那先来了解一下 Flutter 中的4个主要线程分别承担了什么职责。

• Platform线程：插件代码运行的线程；即Android/iOS的主线程，
• UI线程：在Dart虚拟机中执行Dart代码。作用是创建视图树，然后将它发送给GPU。注意不要阻塞此线程！
• GPU线程：把上面提到的视图树渲染出来，虽然我们在flutter中不能直接访问GPU线程和数据，但是Dart代码可能导致此线程变慢
• I/O线程：执行比较耗时的任务

在运行app的过程中，观察爆红的地方和触发场景，进行分析。

分析思路

• 如果是UI报红：那么可能是执行了某个较耗时的函数？或者函数调用过多？算法复杂度高？
• 如果只是 GPU 报红：那么可能是要绘制的图形过于复杂？或者执行了过多GPU操作？
  • 比如要实现一个混合图层的半透明效果：如果把透明度设置在顶层控件上，CPU会把每个子控件图层渲染出来，再执行 saveLayer 操作保存为一个图层，最后给这个图层设置透明度。而 saveLayer 开销很大，这里官方给出了一个建议：首先确认这些效果是否真的有必要；如果有必要，我们可以把透明度设置到每个子控件上，而不是父控件。裁剪操作也是类似。
  • 还有一个拖慢GPU渲染速度的是没有给静态图像做缓存，导致每次build都会重新绘制。我们可以把静态图形加到 RepaintBoundry 控件中，引擎会自动判断图像是否复杂到需要用repaint boundary，不需要的话也会忽略。
  • 开启saveLayer和图形缓存的检查

  MaterialApp(
      showPerformanceOverlay: true,
      checkerboardOffscreenLayers: true, // 使用了saveLayer的图形会显示为棋盘格式并随着页面刷新而闪烁
      checkerboardRasterCacheImages: true, // 做了缓存的静态图片在刷新页面时不会改变棋盘格的颜色；如果棋盘格颜色变了说明被重新缓存了，这是我们要避免的
      ...
  );
  复制代码

提高流畅性的策略

• 代码调用时机是否可以延后？如底部导航栏式的页面，没有必要第一次进入就把每个子Page都创建出来
• 尽量做到局部刷新
• 把耗时的计算放到独立的isolate去执行
• 检查不必要的 saveLayer
• 检查静态图片是否添加缓存
• relayout boundary:参考
• repaint boundary:参考

内存优化

在内存优化方面，我们的目标是希望减少应用内存占用，减少被系统杀死的概率，同时尽可能的避免内存泄露，减少内存碎片化。

内存优化策略

• 加载对象过大？如图片质量和尺寸不做限制就加载
• 加载对象过多？如加载长列表；在调用频率很高的方法中创建对象
  • 合理设置缓存大小/长度
  • 在内存不足时或离开页面时清空缓存数据
  • 使用ListView.build()来复用子控件
  • 自定义绘图中避免在onDraw中做创建对象操作，或者相同的参数设置
  • 复用系统提供的资源，比如字符串、图片、动画、样式、颜色、简单布局，在应用中直接引用
• 内存泄露的问题？比如dispose需要销毁的listener等
• 不可见的视图是否也在build？
• 页面离开后的网络请求是否取消？

如何获取内存状态

Dart 提供了一个性能检测工具Observatory，我在最后一部分会进行详细介绍

优化证明

优化证明的意义

性能优化不像其它的开发需求只要完成功能即可，它需要通过统计和数据来证明优化的效果。比如帧率有了多少提高？CPU占用率降低了多少？内存占用减少了多少？对比其它优化策略，哪个优化效果好？

优化证明的流程

举个例子

以检查流畅性为例

1. 在profile模式下运行并开启Performance Overlay，整体测试app

2. 找到帧率报红色的模块

3. 把页面孤立出来，并多次测量，并得到baseline（参照）帧率数据。比如长列表页面出现了卡顿，我们可以用TestDriver写一个ListView滑动的性能测试(更多参考 Flutter gallery )

scroll_pref.dart

void main() {
  enableFlutterDriverExtension();
  runApp(const GalleryApp(testMode: true));
}
复制代码

scroll_perf_test.dart

void main() {
  group('scrolling performance test', () {
    FlutterDriver driver;

    setUpAll(() async {
      driver = await FlutterDriver.connect();
    });

    tearDownAll(() async {
      if (driver != null)
        driver.close();
    });

    test('measure', () async {
      final Timeline timeline = await driver.traceAction(() async {
        await driver.tap(find.text('Material'));

        final SerializableFinder demoList = find.byValueKey('GalleryDemoList');

        for (int i = 0; i < 5; i++) {
          await driver.scroll(demoList, 0.0, -300.0, const Duration(milliseconds: 300));
          await Future<void>.delayed(const Duration(milliseconds: 500));
        }

        // Scroll up
        for (int i = 0; i < 5; i++) {
          await driver.scroll(demoList, 0.0, 300.0, const Duration(milliseconds: 300));
          await Future<void>.delayed(const Duration(milliseconds: 500));
        }
      });

      TimelineSummary.summarize(timeline)
        ..writeSummaryToFile('home_scroll_perf', pretty: true)
        ..writeTimelineToFile('home_scroll_perf', pretty: true);
    });
  });
}
复制代码

在命令行下执行以下命令

flutter driver --target=test_driver/scroll_perf.dart 
复制代码

这个命令会：

• build 目标 app，并把它安装到设备上
• 运行位于 test_driver/ 目录下的 scroll_perf_test.dart 的测试（ flutter drive 能帮你找到带 _test 后缀的同名文件）

Test Driver 将会安装 app 到设备上，再跳转到 Material-GalleryDemoList 页面，做5次滑动列表的操作。执行完成后会借助 TimelineSummary ，在build目录下生成两个json文件： home_scroll_perf.timeline.json 和 home_scroll_perf.timeline_summary.json 。这里我们看一下 timeline_summary.json 文件的内容

{
  "average_frame_build_time_millis": 5.6319655172413805, # 平均每帧 build 时间
  "90th_percentile_frame_build_time_millis": 10.216, 
  "99th_percentile_frame_build_time_millis": 17.168,
  "worst_frame_build_time_millis": 20.415, # 最长帧 build 时间
  "missed_frame_build_budget_count": 21, # build 期丢帧数
  "average_frame_rasterizer_time_millis": 14.234294964028772, # 平均每帧光栅化时间
  "90th_percentile_frame_rasterizer_time_millis": 22.338,
  "99th_percentile_frame_rasterizer_time_millis": 42.661,
  "worst_frame_rasterizer_time_millis": 43.161,
  "missed_frame_rasterizer_budget_count": 112,
  "frame_count": 116,
  "frame_build_times": [
      ... 
  ],# 所有帧的 build 时间
  "frame_rasterizer_times": [
      ...
  ] # 所有帧的光栅化时间
}
复制代码

4. 优化

5. 用步骤3的方法再次测量，对比baseline得出确切的优化效果

Flutter 提供的性能调试 API

• 测量应用启动时间
• 测量某个代码段的执行时间

更多可以参考官方文档

性能检测利器 Observatory

Observatory 是用于分析和调试Dart应用程序的工具。Observatory允许您根据需要查看正在运行的Dart虚拟机（VM），并提供实时，即时的数据报告。您可以使用它来浏览应用程序的很多状态。

打开Observatory

有2种方式：

1. 在 androidStudio 中打开 Flutter Inspector 面板，点击小闹钟图标，如下图

   

2. 再命令行中运行 flutter run ，应用启动成功后，命令行中会输出一个 url，把 url copy 到浏览器即可。

   

打开Observatory面板，要先选择isolate，表示当前应用。

主要页面

下面是性能优化常关注的几个页面。

1.CPU Profile

app的时间都花在哪了？

进入这个页面后要一般需加载个几秒钟，so be patient。图表的下部按cpu占用比例做了一个列表，反映的是函数的调用次数和执行时间（划重点）。一般排在前面的函数（这些函数是？有待学习）都不是我们写的dart代码。如果你发现自己的某个函数调用占比反常，那么可能存在问题。

注：flutter程序的cpu profile和官方文档上的数据展示不太一样，没有VM tags，所以对于百分比的具体含义有待研究。

采样过程：它每隔一定时间对isolate做采样，采样的数据存储在一个环形缓冲区（叫做profile），它能存放约2分钟的数据，一旦缓冲区满了，它会用最新的sample替换掉最旧的。

• Profile contains：采样时长和对应的采样数
• Sampling：采样频率，默认1000Hz，即每毫秒采样一次

2.Allocation Profile

内存都被谁吃了？

Heap 堆，动态分配的Dart对象所在的内存空间

• New generation: 新创建的对象，一般来说对象比较小，生命周期短，如local 变量。在这里GC活动频繁
• Old generation：从GC中存活下来的New generation将会提拔到老生代Old generation，它比新生代空间大，更适合大的对象和生命周期长的对象

通过这个面板你能看到新生代/老生代的内存大小和占比；每个类型所占用的内存大小。

为了debug的方便，我们可以获取到某段时间的内存分配情况：点击Reset Accumulator按钮，把数据清零，执行一下要测试的程序，点击刷新。

为了检查内存泄露，我们可以点击GC按钮，手动执行GC。

Accumulator Size:自点击Reset Accumulator以来，累加对象占用内存大小 Accumulator Instances：自点击Reset Accumulator以来，累加实例个数 Current Size：当前对象占用内存大小 Current Instances：当前对象数量

3.Heap Map

是否出现内存碎片化

heap map 面板能查看old generation中的内存状态

它以颜色显示内存块。 每个内存页面(page of memory)为256 KB，每页由水平黑线分隔。 像素的颜色表示对象的类ID - 例如，蓝色表示字符串，绿色表示双精度表。 可用空间为白色，指令（代码）为紫色。 如果启动垃圾收集（使用“分配配置文件”屏幕中的GC按钮），堆映射中将显示更多空白区域（可用空间）。 将光标悬停在上面时，顶部的状态栏显示有关光标下像素所代表的对象的信息。 显示的信息包括该对象的类型，大小和地址。 当你看到白色区域中有很多分散的其它颜色，说明存在内存碎片化，可能是内存泄露导致的。

其它

1.Code Coverage

知道哪些代码执行了，哪些没有执行

• 绿色：已执行的代码
• 红色：未执行的代码
• 没有颜色：不可执行的代码

应用场景：写某个类的单元测试，跑完测试后，可以查看哪些代码没有覆盖到，进而补全