【穿山甲系列】找出后台偷偷耗电的元凶

作者：万宇

团队：腾讯移动品质中心TMQ

背景故事

先来看一个浏览器用户反馈。

如图所示，在浏览器用户反馈中，耗电一直是头部问题之一，用户对于电量是非常敏感的，特别是那种类似“我明明就没用，怎么还在耗电？”的后台耗电问题，更容易引起用户的抱怨。

遇到这些情况，项目组和测试组都比较无奈。我们明明一直都有做耗电测试，本地的耗电监控也一直跑的很溜。但是线上仍然有这些问题，应该怎么办呢？

所以，我们需要一种新的耗电监控的方案，来解决线上用户反馈的耗电问题。

方案分析

对于线上用户耗电的监控，我们需要解决两个问题。

1、线上用户不同于本地测试，不可能随时把手机拿到进行调试，我们如何在app端获取足够的信息，以方便后期的调试分析?

2、线上用户数量庞大，不像本地测试才个位数的机器，这么多用户，手工分析太耗时，我们如何进行自动化分析？

先考察一下现有的耗电监控的方案：

测试方法一：BatteryHistorian（https://github.com/google/battery-historian）

Battery Historian是Google推出的专用来分析Android App耗电的工具，通过简单的操作便可在网页中生成比较详细的图表，展示手机上各模块电量消耗情况。我们主要用Battery Historian来做定期的例行测试，并以邮件的形式同步测试结果。

BatteryHistorian报表

测试方法二：Method Profiling

针对常见的用户场景，在浏览器切后台时通过DDMS Method Profiling抓取后台执行的所有任务。Method Profiling一般是用来分析性能问题的，它会记录每一个线程、每一个方法的耗时，也正是利用了这一点，我们可以清楚地看到浏览器在切后台后都做了哪些事情。

对比两种方案, 最终我们选择了基于后台Method Profiling方案，因为这个方案有两个优点。

1、MethodProfiling在用户手机上容易执行, 调用一个函数抓trace即可, 而Battery Historian需要执行shell命令。

2、MethodProfiling有更加丰富的函数执行信息, 而Battery Historian只能够获取一些系统事件。

技术实现

线上监控别于本地测试，本地测试可以简单粗暴,但在用户的手机上，必须考虑方案对用户的影响。Method Profiling生成的Trace文件相对来说是比较大的，最大可能有几十兆，我们不可以把所有用户的Trace文件都上报上来。

另外，监控本身可能导致耗电，例如我们首先排除的方案——用一个例行线程不断记录当前所有线程，所以在设计方案时需要将监控本身的影响降到最低。

几轮讨论后，我们最终采用了这样的思路——首先监控是否存在后台耗电现象，当判断为后台耗电现象后开始Method Profiling并通过穿山甲上报。

这样我们上报的都是经过筛选的有问题的场景，一方面减轻了后台数据存储的压力，另一方面也相当于做了过滤，减轻后台分析的工作量。

最终线上耗电监控的具体方案如下：

1、切后台时，记录当前进程对CPU占用的时间片；

2、切后台一段时间后，再获取进程对CPU占用的时间片，如果发现耗电异常，开始Method Profiling；

3、MethodProfiling进行一段时间后停止，上报trace文件到穿山甲后台；

4、穿山甲后台对上报的trace文件进行分析和处理，并自动提BUG单。

关键技术点一：判断耗电异常

APP耗电的产生主要是对CPU产生了占用，我们通过获取浏览器占用CPU时间片的数据来判断是否异常耗电。在Linux系统中，可以通过/proc/<pid>/stat查看进程对CPU的占用数据。

打印的第14~17个参数依次表示（单位：jiffies）：

114242 utime，任务在用户态运行的时间

20692 stime，任务在核心态运行的时间

6 cutime，累计的任务的所有的waited-for进程曾经在用户态运行的时间

2 cstime，累计的任务的所有的waited-for进程曾经在核心态运行的时间

Jiffies是Linux内核中代表时间的变量。系统中定义了一个常数HZ，代表每秒种最小时间间隔的数目，jiffies的单位就是1/HZ。每个CPU时间片，jiffies都要加1。进程的CPU时间片占用就是用户态+系统态的jiffies，进程占用的jiffies越大，对CPU的占用越多。

114242 + 20692+ 6 + 2 = 134942 (jiffies)

在浏览器切后台时，记录当前进程占用的jiffies，当切后台达到设定时间后（10分钟），再次获取当前占用的jiffies，当两次差值超过设定阀值时（400jiffies），判定为发生了后台耗电事件。阈值设定参考了手机厂商后台耗电的评判标准。

关键技术点二：上报分析

当判定后台耗电后，开始抓取Trace，时长1分钟，Trace结束上报数据到后台。

正式版用户数庞大，我们上报的trace文件相对来说比较大，如果正式版做监控上报数据量会相当庞大, 目前资源无法支持。当存在耗电场景时，抽取一部分用户应该也是可以监控到的，所以我们选取一部分内测版的用户做监控和上报耗电异常。另外为了避免消耗用户流量，我们只会在WiFi环境下上报数据。

当存在耗电问题时，上报上来的trace文件会比较多，我们不可能每一个上报都做人工分析处理，所以需要一个程序来进行自动化的分析。

对trace数据文件的分析参考了TraceView源代码，主要是对Metho Profiling文件格式的解析。从Method Profiling数据中我们可以得出当次上报有多少个线程在运行，每个线程里都调用了哪些方法，以及每个方法的调用栈、耗时等。

有了方法的耗时, 调用栈等信息, 是不是就可以确定问题了?

一个耗时长的调用栈, 是不是就是耗电的元凶呢?

答案：并不是！

根据历史经验, 一个孤立的调用栈, 就算它比较耗时,但很多时候并不是耗电问题的元凶. 真正的耗电原因, 常常是一些定时任务, 浏览器切后台以后本应该停止, 但这些任务还一直在执行, 导致耗电量大, 而这些调用栈, 具有下面一些特征：

（1）多次被调用；

（2）调用具有规律性；

（3）调用比较耗时。

所以，我们从trace文件中，对每个调用栈，分别计算下面3个指标。

1）调用次数，记为count；

2）调用时间间隔的方差, 记为diviation；

3）运行耗时, 记为cost。

针对每一个调用栈, 我们给出一个评分：

Score = cost * count / diviation

分数越大的调用栈，越可能是耗电问题。同时，我们把类似的栈进行合并，上报次数越多的调用栈，影响面越广。最终，我们根据排序，将Top50的调用栈标记为疑似耗电问题，自动提交Bug。

Trace源文件

最终Bug信息：

分析结果：

实施效果

以下是从引入线上电量监控以来的相关数据统计。

关注微信公众号：腾讯移动品质中心TMQ，获取更多测试干货！

版权所属，禁止转载