抖音android 性能优化（androidstudio能刷抖音吗）

如何打造个性化手机背景并优化抖音在Android上的性能功耗优化实践指南

随着科技的飞速发展，手机已经成为我们日常生活中不可或缺的一部分。为了提升用户体验，许多应用都在不断地进行优化。其中，抖音作为一款流行的短视频应用，在Android平台上的性能优化显得尤为重要。将为你揭示如何打造个性化手机背景，并在抖音的Android性能优化中进行功耗优化。

一、个性化手机背景设置

想要打造个性化的手机背景，你可以根据自己的喜好选择图片，并通过一些简单的编辑工具进行裁剪、调色等操作，使其更符合自己的审美。还可以通过一些应用获取更多高清、精美的背景图片资源，让你的手机焕发出独特的魅力。

二、抖音Android性能优化系列功耗优化实践

功耗优化对于提升应用体验至关重要。高功耗不仅会导致用户电量焦虑，还可能引发发热问题，从而降低用户的使用意愿。为此，我们有必要深入了解功耗优化的方法和技巧。

1. 功耗基础知识介绍

我们要了解功耗和能耗的区别。电流和电压是表征功耗的关键参数。手机的功耗水平通常用毫安（mA）来表示，而电池容量则用毫安时（mAh）来表示。

2. 功耗分析

为了进行功耗优化，我们需要先了解哪些器件是耗电大户。通过对抖音进行器件耗电的拆解，我们可以发现SOC（包括CPU、GPU、DDR）、显示屏、音频和WiFi等模块是主要的耗电模块。

3. 功耗优化思路

（1）器件功耗模型建立：我们需要对器件进行耗电因子拆解，建立一个器件功耗模型。这个模型可以帮助我们计算器件的功耗。

（2）厂商适配校准参数：根据通用方案，OEM厂商可以对自身产品进行参数校准和配置，以优化功耗表现。还可以根据用户的使用习惯和场景进行针对性的优化。例如，在抖音的Feed流场景中，可以根据用户的观看习惯调整视频加载的策略，以减少功耗。还可以通过对音量、屏幕亮度等参数进行优化来达到降低功耗的目的。还可以通过减少后台任务的运行频率降低耗电情况的发生。还可以通过改善应用的内存管理效率以及数据处理算法来提升应用性能同时降低其功耗表现从而改善用户的使用体验的同时提升应用的节能性达到绿色环保的社会价值。从而为碳中和事业贡献一份力量实现应用性能优化的同时达到绿色环保的社会责任体现公司的社会责任与担当塑造良好的品牌形象同时满足了用户的心理需求从而更好的吸引用户的关注并进一步提升其市场竞争力与用户粘性实现双赢的局面。实现双赢的目标从而为企业带来更大的商业价值和社会价值同时提升用户的满意度和忠诚度从而推动企业的可持续发展和创新发展之路的推进实现企业的长期稳健发展并为社会做出更大的贡献。总之通过合理的优化手段对抖音在Android平台上的性能进行优化是非常必要的这不仅关乎用户体验的提升同时也关乎企业的长期发展和社会责任的体现因此值得我们深入研究和下去以实现更好的应用体验和商业价值和社会价值的双赢局面推动企业的可持续发展和创新发展之路的推进。只是一个概览具体实施还需要开发者们根据实际应用场景和需求进行深入研究和实践。深入AOSP中的耗电配置：以WiFi为例

在AOSP（Android Open Source Project）的耗电配置中，有一个备受关注的例子便是WiFi的耗电计算。这一部分的配置对于理解设备电池使用情况至关重要。

谷歌提供的建模方案针对WiFi的不同状态进行了详细的耗电计算。在WiFi的不同状态下，其耗电差异显著。这些状态包括wifi.on（对应wifi打开的基准电流）、wifi.active（对应wifi传输数据时的基准电流）、wifi.scan（对应wifi单次扫描的基准耗电），以及数据传输过程中的controller.rx、controller.tx和controller.idle等状态。通过这些细致的分类，我们可以更准确地计算WiFi的耗电情况。根据接收和发送数据的实际情况，结合各状态的时长或次数，以及对应的电流值，就可以得到WiFi器件的耗电情况。

谷歌的器件耗电模型是基于通用性设计的，因此只能大致计算出器件的耗电水平。在实际产品应用中，可能会有较大的误差。各OEM厂商为了更精细准确地计算设备耗电，通常会基于自身硬件制定耗电统计方案。以WiFi为例，OEM厂商可以针对2.4G和5GWIFI分别进行建模，并考虑天线信号变化对基准电流的影响，以及wifi芯片工作的频点时长等因素。这些因素都需要根据具体产品的硬件方案来确定。

接下来我们深入功耗分析。功耗的影响因素多种多样，因此在进行应用功耗分析时，我们需要既能够准确评估应用的耗电水平，又能分解出耗电的组成，以找到优化点。这主要分为两部分：功耗评估和功耗归因分析。

在进行功耗评估时，我们主要通过电流值来评估应用的功耗水平。在线下场景中，我们通过控制测试条件来测得准确的电流值，评估应用的前后台功耗。而在线上场景中，由于用户使用的复杂性，我们主要采集前台整机电流进行线上版本监控，并使用其他指标如后台CPU使用率来监控后台功耗。

在进行功耗评估时，我们介绍了一些常用手段，如PowerMonitor和电池电量计。PowerMonitor是目前业界最通用的整机耗电评估方式，通过外接电量计的方式高频率、高精度地采集电流进行评估。而电池电量计则负责估计电池容量，通过监测电压、充电/放电电流和电池温度等数据来估算电池状态。

深入理解并优化设备的耗电情况对于提高用户体验和延长设备使用寿命具有重要意义。通过对WiFi等关键部件的耗电情况进行细致的分析和建模，结合各种功耗评估手段，我们可以更准确地了解设备的耗电情况，从而进行针对性的优化。Android系统为电池管理提供了丰富的接口，能够统计并展示电池电量计的详细信息。通过这些属性，我们可以深入了解电池的实时状态。

其中，BATTERY_PROPERTY_CHARGE_COUNTER代表剩余电池容量，以微安时为单位。BATTERY_PROPERTY_CURRENT_NOW则反映瞬时电池电流，单位为微安。而BATTERY_PROPERTY_CURRENT_AVERAGE则提供了平均电池电流的数值。BATTERY_PROPERTY_CAPACITY显示了电池的剩余容量，以直观的整数百分比呈现。BATTERY_PROPERTY_ENERGY_COUNTER则告诉我们剩余能量，单位为纳瓦时。

以Nexus9为例，该机型采用了MAX17050电流型电量计，其度高，更新周期精确。由于不同手机使用的电量计存在差异，直接读取的电流值单位可能各不相同，因此需要进行数据转换。

为了简化电池数据的获取，我们开发了Thor SDK。它能够自动进行数据采集，并对不同机型的数据进行归一化处理。用户无需关心内部复杂的实现过程，只需提供所需采样的数据类型和采样周期，即可定时获取功耗相关数据。经过与PowerMonitor的数据对比，Thor的误差控制在lt5mA范围内，完全满足线上监控的需求。

厂商通常也会提供耗电排行功能，让用户能够查看一段时间内的应用耗电情况。比如华为和OV的耗电排行会详细列出硬件和软件的耗电量，以及各个应用的具体耗电量。而小米则提供耗电占比，帮助用户了解哪些应用耗电较多。

在进行功耗评估时，我们可以使用多种工具进行功耗归因。例如Battery Historian是谷歌官方提供的分析工具，它能够对系统的各种服务统计信息、手机状态以及内核统计信息进行展示，帮助我们了解粗粒度的功耗情况。而AS Profiler则提供了能量的可视化展示，让我们能够更直观地了解线下测试的功耗消耗情况。

CPU高负载与耗电优化之旅

你是否曾经遇到过这样的问题：在追踪CPU高负载时，信息过载反而让人难以抓住重点。这时候，一种更直观、更简洁的展示方式就显得尤为重要。想象一下，如果trace的展示方式能更直观地揭示问题所在，那会是一个多么美好的体验。但遗憾的是，当前的某些工具在展示CPU高负载时，由于其复杂的信息量反而让人无法一眼捕捉到关键信息。尽管如此，耗电监控仍然为我们提供了一个有效的视角来观察和分析上行下行请求的细节。对于频繁的访问，我们可以轻松地找到潜在的问题点。这些工具往往只支持特定的请求库，如HttpURLConnection和OkHttp。对于其他库，它们却无法追踪到。官方出品的工具似乎是一个不错的选择。它们功能强大且完善，但遗憾的是仅支持debug版本的app分析。如果想要分析release版本的app，就需要对手机进行root，这无疑增加了使用的复杂性。总体而言，这些Profiler更适合于特定业务场景的分析。但当我们深入到线程池监控时，事情就变得复杂了。对于异步任务如线程池、Handler和AsyncTask等，尤其是那些使用相同请求的库线程池，仅依靠抓线程堆栈很难找到真正的问题所在。我们需要更深入地统计提交任务的源头代码才能准确识别问题。我们还可以考虑通过改造线程池、java hook等方式来详细记录并聚合提交任务的信息，以便更好地分析线程池中的耗时任务。除了线下的CPU分析外，线上CPU异常的精准监控同样重要。单纯依赖CPU使用率的阈值无法准确判断进程是否出现异常。我们根据CPU型号、进程或线程在不同核和频点的分布以及充电状态等变量因素，对CPU的使用阈值进行了精细判定。Facebook的BatteryMetrics工具从多种归因点采集数据，侧重于线下App耗电评估和器件分解；而WeChat的BatteryCanary则提供了线程和线程池的归因能力。接下来让我们功耗优化实践。通过从器件角度优化思路，我们可以采取一系列措施减少器件的使用情况以降低功耗。对于用户可感知的有损业务降级问题，我们可以通过低功耗模式来缓解用户的电量焦虑并提升使用时长。在显示功耗的优化方面，主要围绕屏幕、GPU、CPU等器件进行优化处理，通过降低亮度、刷新率、TP扫描频率等方式来实现降耗效果。针对屏幕亮度的问题更是重中之重无论是IPS还是OLED屏幕亮度越高功耗就越大且几乎是线性增长的关系这提醒我们可以采用应用通用降低亮度的方式如进入应用后主动降低亮度或使用深色UI模式来达到降耗目的厂商则通过FOSS或CABC方案进一步降低屏幕亮度从而助力整体功耗的优化管理。通过这些措施我们可以更好地理解和解决功耗问题提高设备的续航能力和用户体验。

随着AMOLED屏幕的普及，深色模式作为一种有效的节能方式受到了广泛关注。这种屏幕显示技术以其独特的优势，为用户带来了更长的使用时间。那么，为什么深色模式在AMOLED屏幕上能降低功耗呢？这背后的原理又是什么呢？让我们一起来揭开这个秘密的面纱。

与传统的LCD屏幕相比，AMOLED屏幕的发光原理截然不同。LCD屏幕依赖于背光层发出白光，然后通过液晶层偏振控制来显示RGB颜色。即使显示黑色，像素依然会发光，消耗电能。而AMOLED屏幕则更加智能。当它显示黑色时，只需调整电压使液晶分子排列旋转，遮蔽住背光，无需额外点亮任何颜色。这样一来，黑色像素几乎不消耗电能，使得AMOLED屏幕在显示深色背景时更加节能。

测试应用Reddit Sync的彩色和黑色模式功耗对比数据清晰地证明了这一点。在黑色背景的情况下，AMOLED屏幕的能耗远低于普通颜色背景，平均耗电量可降低约40%。这为手机用户带来了更长的使用时间。

除了深色模式，FOSS（保真优化信号缩放）作为一种芯片厂商提供的低功耗方案，也在AMOLED屏幕上发挥着重要作用。它通过调节显示内容灰度值和降低屏幕亮度来达到节能效果。虽然这种方案的实施可能会导致某些场景出现变色或闪烁问题，但在遇到未确认的闪烁问题时，我们可以与厂商咨询进行故障排除。

降低刷新率也是提高手机续航的一种有效方式。市面上部分手机支持60HZ、90HZ、120HZ甚至更高的刷新率。虽然高的刷新率带来了流畅度的提升和更好的用户体验，但同时也增加了功耗。针对具体应用，平台系统会选择适当的刷新率以降低功耗。例如，抖音这样的平台通常会选择运行在60HZ刷新率，以延长手机使用时间。

除了上述方法，降低TP扫描频率、优化GPU使用、降低分辨率等也是手机节能的有效手段。通过这些措施，我们可以减少不必要的绘制和传输，降低GPU和CPU的功耗，从而延长手机使用时间。

在当今的游戏领域，腾讯系游戏如《飞车》、《王者荣耀》和《和平精英》等深受玩家喜爱。这些游戏内部具备不同的分辨率设置，默认以低分辨率运行，从而在保证流畅体验的同时实现较低的功耗。

当我们谈论整机低分辨率时，意味着所有应用都在一个较低的分辨率下运行。这种设置能够缩小GPU绘制区域和传输区域的大小，进而降低GPU、CPU以及DDR的功耗。对于用户而言，这种转换可以通过系统设置菜单轻松实现，而应用本身通常无需进行任何调整。

其工作原理在于，所有图层都在低分辨率模式下绘制和合成。合成后的图像经过scaler一次性放大到屏幕分辨率，然后呈现给用户。这里的scaler是放缩硬件，由芯片平台提供支持。

为了减少功耗，我们可以优化应用布局，使动画区域更加集中。当应用中的动画位置相近时，绘制区域和刷新区域都会变小，从而进一步降低功耗。在不同的使用场景下，这种优化的效果也会有所不同。

对于开发者而言，可以通过打开设置中的GPU视图更新来监控刷新范围和动画范围的一致性。当二者明显不一致时，可能意味着动画布局存在问题，需要深入到代码层面进行调整。

除了合理布局，降低绘制频率也是一个有效的优化手段。在游戏或应用动画中，通过降低GPU绘制频率和刷新频率，可以显著降低GPU、CPU及DDR的功耗。在抖音应用中，通过降低动画的帧率，可以显著地降低功耗。厂商也可以通过提供soft vsync实现30HZ的绘制，与APP的vsync协同工作，进一步降低功耗。

在抖音的推荐页面中，通过视频和动画的同步，可以实现整个界面以30HZ的绘制和刷新。这避免了视频和动画帧率的交错，通过调节动画的绘制流程，实现了整体帧率的降低。

过度绘制是另一个需要关注的问题。当屏幕上的某个像素在同一帧时间内被多次绘制时，就会产生过度绘制。这会导致不必要的CPU和GPU资源消耗。在抖音的feed页中，过度绘制的问题尤为严重。通过调试工具，我们可以发现并优化过度绘制的情况，提升应用的流畅性，改善用户体验。

SurfaceView替换TextureView的优势与技术细节

在深入移动设备的性能优化领域，我们发现，从SurfaceView到TextureView的替代过程带来了显著的性能提升。从CPU数据来看，SurfaceView相较于TextureView在功耗方面优化了8%-13%。在平均功耗方面，SurfaceView比TextureView低了约20mA。这些数字背后隐藏着怎样的技术秘密呢？

让我们理解硬件绘制和软件绘制的概念。硬件绘制是指通过GPU进行图像渲染，自Android 3.0版本开始，系统支持硬件加速绘制。这种方式在UI显示和绘制效率上远超软件绘制，不过GPU的功耗相对较高。目前，硬件绘制已成为系统的默认绘制方式。

软件绘制则是指通过CPU来完成绘制任务，Android系统使用Skia图形库来实现。两者在效率和性能上存在差异，具体表现为硬件绘制在GPU的支持下能更快地完成复杂图形渲染，而软件绘制则更多地依赖于CPU的计算能力。

而在复杂的算法处理中，NPU（神经网络处理单元）的崛起为移动设备带来了新的可能。现在的较新SoC平台都配备了专门进行AI运算的NPU芯片。对于一些复杂的算法，使用NPU替代GPU可以有效节省GPU的功耗。例如，视频的超分算法，通过NPU处理能大大改善用户体验，而开启超分对GPU的耗电影响显著，在某些平台上，整机功耗能高出100mA。使用NPU替换GPU是一种高效的优化手段。

在CPU优化方面，我们遇到的大部分异常都与死循环有关。死循环会导致CPU大核跑到高频点，显著增加CPU功耗。利用功耗归因工具可以很容易地发现并解决死循环问题。除了死循环，高频的耗时函数也会带来类似的问题。例如，不合理的md5压缩算法、正则表达式使用不当，以及执行系统命令的耗时等，这些都是我们可以优化的方向。

对于死循环问题，我们可以通过实际解决的案例来寻找常见的死循环套路。比如边界条件未满足导致的无法break、异常处理不当导致的死循环，以及消息处理不当导致的Handler线程死循环等。针对这些问题，我们可以采取相应的措施进行治理。

从SurfaceView到TextureView的替代、NPU与GPU的协同工作、以及CPU的优化等，都是我们在移动设备性能优化过程中的重要手段。深入理解这些技术的细节和背后的原理，将为我们带来更多的优化空间，提升设备的性能和用户体验。优化后台资源使用：规范使用Alarm、Wakelock与JobScheduler

后台CPU的高耗电往往源于对后台资源的不当使用。例如，频繁的Alarm唤醒、Wakelock的长时不释放以及JobScheduler的过度执行，都会导致CPU保持活跃状态，从而引发后台耗电。这种行为容易被系统判定为异常耗电，进而采取清理措施或发出高耗电提醒。

我们可以通过系统工具（如dumpsys alarm、dumpsys power、dumpsys jobscheduler）查看相关统计信息，利用BH后台统计来分析自身应用的使用情况。

参照绿盟的功耗标准，灭屏状态下Alarm的触发频率应低于每小时12次，即大约每5分钟一次。这样的频率可以确保在数据业务下长链接的存活，并且与厂商的后台功耗优化策略对齐。

对于后台的Wakelock，特别是Partial Wakelock，需要严格管理。非感知场景（如音乐、导航、运动等）可能会被厂商强制释放wakelock。按照绿盟的标准，灭屏状态下每小时的持锁时间应小于5分钟。实际使用中，持锁时间超过1分钟即可能被系统标记为长的wakelock。若应用在后台频繁持锁，导致系统无法进入休眠状态，可能会被系统强制停止。

对于后台任务，可以考虑使用JobScheduler替代Alarm。JobScheduler可以结合多种触发条件，选择最合适的时机调度后台任务。建议在充电及可用状态下处理后台任务，以优化功耗体验。非充电场景下，若Job的设置条件过于频繁，同样会导致耗电问题。重要的是，Job执行完毕后需及时结束。因为JobScheduler在执行时会持有一个wakelock，若长时间不结束，会导致系统无法休眠。

视频解码方面的硬解与软解对比，硬解利用手机平台的硬件解码器，具有速度快、功耗低的优点。软解则通常使用FFMPEG内置的解码库。从功耗角度看，硬解显著优于软解。目前，如抖音等应用已默认采用硬解。

在NETWORK方面，应用耗电的重要组成部分是数据包的收发，这会同步涉及CPU和通信模块（如Modem/WIFI）。优化数据传输，减少频繁唤醒，使用压缩算法减少数