تقدّم Datadog ملايين الإحصاءات التفصيلية حول الأداء باستخدام ProfilingManager

من المعروف أنّ أخطاء الأداء يصعب إعادة إنتاجها، ما يجعلها عائقًا كبيرًا أمام مطوّري تطبيقات الأجهزة الجوّالة. على الرغم من أنّ إشارات مثل نسب أخطاء ANR تشير إلى المشاكل التي تحدث في مرحلة الإصدار العلني، كان تحديد سطر الرمز البرمجي المحدّد الذي أدّى إلى مشكلة في الأداء يتطلّب في السابق إعادة إنتاج يدوية شاملة أو تجربة تخمينية.

تعاونت Datadog مع Google للحدّ من هذا الإزعاج من خلال دمج واجهة برمجة التطبيقات ProfilingManager (المتاحة على أجهزة Android 15 والإصدارات الأحدث) في منصّتَي "مراقبة تجربة المستخدم الحقيقية" (RUM) و"التوصيف المستمر". يؤدي هذا الدمج إلى تغيير سير عمل تصحيح الأخطاء، ما يتيح للمطوّرين الانتقال إلى ما هو أبعد من الأعراض السطحية والقدرة على رصد سبب حدوث مشكلة في الأداء.

من خلال الاستفادة من واجهة برمجة التطبيقات هذه على مستوى النظام، تعالج Datadog الآن ملايين ملفات تعريف الإنتاج أسبوعيًا في جميع أنحاء العالم وفقًا لبيانات Datadog الداخلية لشهر يونيو 2026. توفّر هذه الأداة لفِرق الهندسة مستوى جديدًا من إمكانية الاطّلاع على الأداء في العالم الحقيقي، مع الحفاظ على الحد الأدنى من الحمل الزائد لوقت التشغيل اللازم لمراقبة الأداء على مستوى الإنتاج.

تأثير ProfilingManager

‫ProfilingManager هي خدمة تابعة لنظام التشغيل تم طرحها في Android 15 تتيح للتطبيقات جمع بيانات الأداء آليًا، مثل عيّنات حزمة التنفيذ وعمليات تتبُّع الحقول ولقطات لأجزاء من الذاكرة مباشرةً من بيئات التشغيل الفعلي. تغيّر هذه الإمكانية نموذج الهندسة من إعادة الإنتاج اليدوي التفاعلي إلى التحليل الاستباقي للمجال.

على سبيل المثال، استخدم أحد تطبيقات التواصل من Google عمليات تتبُّع ميدانية للتحقيق في سبب بطء أوقات التشغيل على البارد على أجهزة أحدث وأكثر فعالية. من خلال تحليل عمليات التتبُّع التي تم جمعها ميدانيًا ومقارنة عمليات التتبُّع على أنواع الأجهزة المختلفة، اكتشف المهندس مشكلة مخفية في الجدولة: كان يتمّ مسبقًا تسخين خدمة تحويل النص إلى كلام في الخلفية بدون داعٍ أثناء بدء تشغيل التطبيق. كشفت عمليات التتبُّع أنّ هذه العملية التي تعمل في الخلفية كانت تستخدم بشكل حصري أكبر نوى وحدة المعالجة المركزية وأعلاها أداءً، ما أدّى إلى إيقاف سلسلة المحادثات الرئيسية للتطبيق مؤقتًا أثناء عملية التسخين المُسبَق.

حلّ مشكلة إمكانية الوصول إلى الرموز البرمجية على Android

قبل تنفيذ ProfilingManager، كانت ميزة "مراقبة تجربة المستخدم الحقيقية" (RUM) من Datadog تركّز على سلامة التطبيق على مستوى عالٍ وقياس بيانات الاستخدام على مستوى الجلسة لتقييم رحلة المستخدم. يمكن لفِرق الهندسة تتبُّع إشارات أداء Android، مثل وقت العرض الأوّلي ونِسب أخطاء ANR وحِمل وحدة المعالجة المركزية واللقطات المجمدة. وقد امتدّت هذه الإحصاءات لتشمل التفاعلات الدقيقة، مثل وقت استجابة الشبكة وأحداث اللمس وتعليق سلسلة التعليمات الرئيسية. ومع ذلك، على الرغم من أنّ هذه البيانات سلّطت الضوء بفعالية على المشاكل التي تسبّبت في حدوث اختناقات في الأداء، لم تقدّم أي مسار واضح لتحديد السبب الجذري لهذه الأعطال.

ولحلّ هذه المشكلة، احتاجت Datadog إلى محرّك إنشاء ملفات تعريف قادر على تسجيل عمليات تتبُّع Android مباشرةً من الأجهزة في مرحلة الإنتاج بأقل تأثير على الأداء. بعد تقييم طرق بديلة، مثل كتابة معالج تتبُّع خاص باستخدام واجهات برمجة تطبيقات تصحيح الأخطاء في Android، اختار الفريق ProfilingManager لأنّه الحلّ الأفضل أداءً من بين خيارات إنشاء الملفات التي تم تقييمها، كما أنّه يقلّل من الحمل الزائد لقرارات أخذ العيّنات إلى نظام التشغيل.

تتيح ProfilingManager مجموعة كبيرة من طرق جمع البيانات، بما في ذلك عمليات تتبُّع وحدة المعالجة المركزية (CPU)، وأخذ عيّنات من حزمة التنفيذ، وتحليل الذاكرة من خلال لقطات لأجزاء من الذاكرة في Java ولقطات لعناصر متعدّدة. تتيح هذه المكتبة للمطوّرين إنشاء ملفات تعريف للإصدارات المتاحة للجميع، وتحميل ملفات التتبُّع إلى وحدة تخزين خارجية، ومراجعتها في واجهة مستخدم أداة تحليل عمليات التتبُّع في Perfetto. بصفتها مقدّم خدمة برامج كخدمة (SaaS)، تحمّل Datadog هذه الملفات الشخصية التي يتم جمعها من خلال حزمة تطوير البرامج (SDK)، وتعرضها بشكل مرئي، وتحلّلها، ما يوفّر عرضًا موحّدًا لحالة التطبيق. 

من خلال تجميع بيانات القياس عن بُعد عالية الدقة في واجهة برمجة تطبيقات موحَّدة لإمكانية تتبّع البيانات، تتيح أداة ProfilingManager لشركة Datadog وعملائها إمكانية رصد المشاكل المعقّدة في أداء Android والتحقيق فيها ومعالجتها بشكل استباقي من خلال المزايا الفنية الرئيسية التالية:

• بيانات تشخيص دقيقة للجلسات: تعمل أداة ProfilingManager على تحسين إمكانية تصحيح الأخطاء من خلال تقديم بيانات تتبُّع مباشرة على مستوى نظام التشغيل، ما يحلّ مشاكل مستوى الظهور والمواءمة التي تحدث عادةً عند تسجيل البيانات المخصّصة باستخدام خدمات النظام. للحصول على مزيد من التفاصيل، يمكن للمطوّرين تنزيل عمليات التتبُّع هذه من Datadog للتحقيق بشكل أكبر في أدوات العرض المرئي، مثل واجهة مستخدم Perfetto.
• مشغّلات القياس عن بُعد المبرمَجة: من خلال الاستفادة من أحداث النظام الأصلية لبدء تسجيلات التتبُّع في نقاط التحسين الرئيسية، تقلّل Datadog من الحاجة إلى إنشاء منطق مخصّص لعملية الجمع. في حين يركّز الطرح الأوّلي على الإشارة APP_FULLY_DRAWN، هناك بالفعل خطط لتوسيع نطاق إمكانية المراقبة هذه لتشمل أخطاء ANR وأخطاء OOM وعمليات COLD_START.
• لقطات تتبُّع استباقية: من خلال التفاعل مباشرةً مع خدمة Perfetto على مستوى النظام (التي تم تتبُّعها)، تستخدم ProfilingManager نموذج تسجيل استباقي في الخلفية مصمَّمًا لرصد المشاكل غير المتوقّعة. يضمن ذلك حصول المطوّرين على عرض مرئي دقيق للأحداث التي أدّت إلى حدوث خلل في الأداء، ما يوفّر مستوى من الإحصاءات يتجاوز ما يمكن الحصول عليه من خلال القياس اليدوي.
• رصد المؤثرات السلبية على نطاق واسع: تستطيع Datadog تجميع بيانات القياس عن بُعد من جميع العملاء في العالم لرصد التراجعات التي تظهر فقط في إعدادات الأجهزة الفريدة وبيئات الشبكات المتغيرة.
• ثبات الموارد الذي يفرضه النظام: تستفيد واجهة برمجة التطبيقات من جمع آثار العيّنات لضمان عدم ملاحظة أي تأثيرات في الأداء وتجربة المستخدم.
• عناصر التحكّم في البيانات على الجهاز فقط: تستبعد ProfilingManager المعلومات غير ذات الصلة من العمليات الأخرى على الجهاز قبل تسليم الملف الشخصي إلى التطبيق. ويؤدي ذلك إلى تقليل أحجام الملفات وضمان توفير البيانات ذات الصلة بعمليات التطبيق فقط.

معالجة الملايين من الملفات الشخصية الأسبوعية لتحسين التطبيقات الواقعية

تطلّب دمج واجهة برمجة تطبيقات لتحديد الأداء على مستوى النظام في حزمة تطوير برامج (SDK) عالمية للرصد حلّ تحديات البنية الأساسية. بما أنّ ProfilingManager ينشئ عمليات تتبُّع أداء مفصّلة للغاية، كان على فريق الهندسة في Datadog إنشاء مسار التعلّم قادر على تحليل هذه الملفات الشخصية على مستوى الخادم وعلى نطاق واسع. بالإضافة إلى جمع الملفات الشخصية، تؤكّد Datadog أيضًا على أهمية تحقيق التوازن بين معدّل أخذ العيّنات وجمع بيانات كافية لإنشاء إحصاءات مفيدة حول تطبيقك. تعتمد Datadog على ميزة الحدّ من عدد مرات الاستخدام المضمّنة في ProfilingManager كإجراء وقائي مهم لتحقيق الثبات، ما يمنع طلبات القياس عن بُعد المفرطة من إرهاق أجهزة المستخدمين. 

وقد عمل الفريق على إنشاء ملفات تعريف لتطبيق Android الأصلي الخاص بـ Datadog وعدد من تطبيقات المستخدمين الأوائل لعدة أشهر، وجمع ملايين الملفات لضمان تجربة إطلاق سريعة وخالية من الأخطاء وتحسين خوارزميات رصد الأداء. واليوم، يمكن توسيع نطاق عملية الدمج في الإصدار العلني بسلاسة لتشمل مجموعة متنوعة من أجهزة Android. 

الخاتمة

من خلال دمج واجهة برمجة التطبيقات ProfilingManager في Android، تمكّنت Datadog من سدّ فجوة نطاق ظهور العلامة التجارية بين أنظمة الخلفية وتطبيقات الأجهزة الجوّالة لعملائها. من خلال معالجة ملايين الملفات الشخصية أسبوعيًا مع الحد الأدنى من الحمل على الجهاز، تزوّد Datadog مطوّري تطبيقات Android بالإحصاءات على مستوى الرمز البرمجي اللازمة لتشخيص أخطاء الأداء المعقّدة على الفور، ما يساعد المطوّرين في إنشاء تطبيقات أكثر سلاسة وتحسين مؤشرات أداء تطبيقاتهم في "متجر Play". لدمج واجهة برمجة التطبيقات ProfilingManager مباشرةً في إطار عمل مراقبة الأداء، اطّلِع على المستندات.

في المستقبل، تهدف Datadog إلى جعل بيانات تحليل الأداء على Android مدخلاً أساسيًا لوكلاء الترميز من أجل حلّ المشاكل المتعلقة بأداء التطبيق بشكلٍ مستقل، ما يؤدي إلى إغلاق حلقة الملاحظات بين عملية الرصد وعملية الإصلاح. تعمل Datadog على إتاحة إمكانية إنشاء ملفات تعريف Android للمطوّرين على نطاق واسع.

لبدء استخدام ميزة "مراقبة تجربة المستخدم الحقيقية" من Datadog المستندة إلى ProfilingManager، انتقِل إلى مراقبة تجربة المستخدم الحقيقية على الأجهزة الجوّالة من Datadog.