Datadog memberikan jutaan insight performa mendalam dengan ProfilingManager
Waktu baca: 4 menit
Regresi performa sangat sulit direproduksi, sehingga regresi menjadi hambatan besar bagi developer seluler. Meskipun sinyal seperti rasio ANR menunjukkan apa masalah yang terjadi dalam produksi, menentukan baris kode tertentu yang menyebabkan masalah performa secara historis memerlukan reproduksi manual yang lengkap atau eksperimen coba-coba spekulatif.
Datadog berkolaborasi dengan Google untuk mengurangi masalah ini dengan mengintegrasikan ProfilingManager API (tersedia di perangkat Android 15+) ke dalam platform Real User Monitoring (RUM) dan Continuous Profiling. Integrasi ini mengubah alur kerja proses debug, sehingga developer dapat melampaui gejala tingkat permukaan dan dapat mendeteksi alasan di balik hambatan performa.
Dengan memanfaatkan API tingkat sistem ini, Datadog kini memproses jutaan profil produksi setiap minggu di seluruh dunia menurut data internal Datadog pada Juni 2026. Hal ini memberi tim engineering tingkat visibilitas baru ke dalam performa dunia nyata, sekaligus mempertahankan overhead runtime yang rendah untuk pemantauan performa skala produksi.
Dampak ProfilingManager
ProfilingManager adalah layanan sistem yang diperkenalkan di Android 15 yang memungkinkan aplikasi mengumpulkan data performa secara terprogram seperti sampel stack panggilan, pelacakan kolom, dan heap dump memori langsung dari lingkungan produksi. Kemampuan ini mengalihkan paradigma engineering dari reproduksi manual reaktif ke analisis kolom proaktif.
Misalnya, aplikasi komunikasi Google menggunakan pelacakan kolom untuk menyelidiki alasan waktu cold start-nya lebih lambat pada hardware yang lebih baru dan lebih canggih. Dengan mempelajari pelacakan yang dikumpulkan di kolom dan membandingkan pelacakan di berbagai jenis perangkat, engineer menemukan masalah penjadwalan tersembunyi: layanan text-to-speech latar belakang dipanaskan terlebih dahulu secara tidak perlu selama startup aplikasi. Pelacakan mengungkapkan bahwa proses latar belakang ini memonopoli inti CPU besar berperforma tertinggi perangkat, sehingga memaksa thread utama aplikasi untuk tidur saat pemanasan awal terjadi.
Memecahkan tantangan visibilitas tingkat kode Android
Sebelum penerapan ProfilingManager, Real User Monitoring (RUM) Datadog berfokus pada kesehatan aplikasi tingkat tinggi dan telemetri tingkat sesi untuk menilai perjalanan pengguna. Tim engineering dapat memantau sinyal performa Android seperti waktu hingga tampilan awal, rasio ANR, beban CPU, dan frame yang dibekukan. Insight ini diperluas ke interaksi terperinci, seperti latensi jaringan, peristiwa sentuh, dan hang thread utama. Namun, meskipun data ini secara efektif menyoroti hambatan performa yang muncul di kolom, data ini tidak memberikan jalur yang jelas untuk mengidentifikasi penyebab utama kegagalan ini.
Untuk mengatasi hal ini, Datadog memerlukan mesin pembuatan profil yang mampu menangkap pelacakan Android langsung dari perangkat dalam produksi dengan dampak performa minimal. Setelah mengevaluasi pendekatan alternatif, seperti menulis pemroses pelacakan sendiri menggunakan Android Debug API, tim memilih ProfilingManager karena merupakan solusi pembuatan profil berperforma terbaik dari opsi pembuatan profil yang mereka evaluasi dan memindahkan overhead keputusan pengambilan sampel ke OS.
ProfilingManager mendukung berbagai metode pengumpulan, termasuk pelacakan CPU, pengambilan sampel stack panggilan, analisis memori melalui heap dump Java, dan profil heap native. Hal ini memungkinkan developer membuat profil build produksi, mengupload file pelacakan ke penyimpanan eksternal, dan meninjaunya di UI analyzer pelacakan Perfetto. Sebagai penyedia SaaS, Datadog mengupload, memvisualisasikan, dan menganalisis profil ini yang dikumpulkan melalui SDK-nya, sehingga memberikan tampilan terpadu tentang kesehatan aplikasi.
Dengan memusatkan telemetri fidelitas tinggi dalam API observabilitas terpadu, ProfilingManager memberdayakan Datadog dan kliennya untuk memantau, menyelidiki, dan memperbaiki regresi performa Android yang kompleks secara proaktif melalui keunggulan teknis utama:
- Diagnostik sesi terperinci: ProfilingManager meningkatkan kemampuan proses debug dengan memberikan data pelacakan tingkat OS langsung, sehingga mengatasi tantangan visibilitas dan penyelarasan yang biasanya terjadi pada logging kustom dengan layanan sistem. Untuk mempelajari lebih lanjut, developer dapat mendownload pelacakan ini dari Datadog untuk menyelidiki lebih lanjut di alat visualisasi seperti UI Perfetto.
- Pemicu telemetri otomatis: Dengan memanfaatkan peristiwa sistem native untuk memulai rekaman pelacakan pada poin pengoptimalan utama, Datadog mengurangi kebutuhan untuk membuat logika pengumpulan kustom. Meskipun peluncuran awal berfokus pada sinyal APP_FULLY_DRAWN, sudah ada rencana untuk memperluas observabilitas ini agar mencakup pemicu ANR, OOM, dan COLD_START.
- Snapshot pelacakan proaktif: Dengan berinteraksi langsung dengan layanan Perfetto tingkat sistem (traced), ProfilingManager menggunakan model perekaman latar belakang proaktif yang dirancang untuk menangkap masalah yang tidak terduga. Hal ini memastikan bahwa developer menerima visualisasi peristiwa yang akurat yang menyebabkan anomali performa, sehingga menawarkan tingkat insight yang melebihi apa yang mungkin dilakukan melalui instrumentasi manual.
- Deteksi hambatan dalam skala besar: Datadog dapat mensintesis telemetri dari seluruh basis pelanggan global Datadog untuk menemukan regresi yang hanya muncul dalam konfigurasi hardware unik dan lingkungan jaringan variabel.
- Stabilitas resource yang diterapkan sistem: API memanfaatkan pengumpulan pelacakan pengambilan sampel untuk memastikan dampak performa dan pengalaman pengguna tetap tidak terlihat.
- Kontrol data di perangkat: ProfilingManager memfilter informasi yang tidak relevan dari proses lain di perangkat sebelum profil dikirimkan ke aplikasi. Hal ini meminimalkan ukuran file dan memastikan bahwa hanya data yang relevan dengan proses aplikasi yang diberikan.
Memproses jutaan profil mingguan untuk mengoptimalkan aplikasi dunia nyata
Mengintegrasikan API pembuatan profil tingkat sistem ke dalam SDK pemantauan global memerlukan pemecahan masalah infrastruktur. Karena ProfilingManager menghasilkan pelacakan performa yang sangat detail, tim engineering Datadog harus membuat pipeline yang mampu mengurai dan menganalisis profil ini di sisi server dalam skala besar. Selain pengumpulan profil, Datadog juga menekankan pentingnya menyeimbangkan frekuensi pengambilan sampel dengan mengumpulkan data yang cukup untuk menghasilkan insight yang bermakna tentang aplikasi Anda. Datadog mengandalkan pembatasan frekuensi bawaan ProfilingManager sebagai perlindungan stabilitas penting, sehingga mencegah permintaan telemetri yang berlebihan membebani perangkat pengguna.
Tim telah membuat profil aplikasi Android native Datadog sendiri dan sejumlah aplikasi pengadopsi awal selama berbulan-bulan, mengumpulkan jutaan profil untuk memastikan pengalaman peluncuran yang cepat dan bebas error serta menyempurnakan algoritma deteksi performa. Saat ini, integrasi produksi dapat diskalakan dengan lancar di berbagai perangkat Android.
Kesimpulan
Dengan mengintegrasikan ProfilingManager API Android, Datadog berhasil menutup kesenjangan visibilitas antara sistem backend dan aplikasi klien seluler untuk pelanggannya. Dengan memproses jutaan profil setiap minggu dengan overhead perangkat yang dapat diabaikan, Datadog melengkapi developer Android dengan insight tingkat kode yang diperlukan untuk mendiagnosis bug performa yang kompleks secara instan, sehingga membantu developer membuat aplikasi yang lebih lancar dan meningkatkan sinyal performa aplikasi mereka di Google Play Store. Untuk mengadopsi ProfilingManager API langsung ke dalam framework observabilitas performa Anda, lihat dokumentasi kami.
Di masa mendatang, Datadog bertujuan untuk menjadikan data pembuatan profil Android sebagai input kelas satu untuk agen pengkodean guna menyelesaikan hambatan performa secara mandiri, sehingga menutup loop umpan balik antara deteksi dan perbaikan. Datadog berupaya membuat pembuatan profil Android dapat diakses secara luas oleh developer.
Untuk mulai menggunakan fitur pemantauan pengguna sungguhan Datadog yang didukung oleh ProfilingManager, buka Pemantauan Pengguna Sungguhan Seluler Datadog.
-
Studi KasusKarrot adalah aplikasi marketplace peer-to-peer berbasis komunitas hiperlokal yang memungkinkan pengguna membeli, menjual, dan menukar item dengan pengguna terverifikasi lainnya. Sejak diluncurkan di Korea Selatan pada tahun 2015, platform ini telah berkembang ke pasar global, dengan lebih dari 43 juta pengguna terdaftar.
Thomas Ezan, Tracy Agyemang • Waktu baca: 2 menit -
PanduanMeskipun performa aplikasi sering kali disamakan dengan UI yang lancar dan waktu mulai yang cepat, memori berfungsi sebagai fondasi senyap yang menjadi dasar pembuatan metrik yang terlihat ini. Bukan rahasia lagi bahwa kita melihat perubahan di mana memori perangkat menjadi lebih penting dari sebelumnya.
-
Studi KasusFotMob baru-baru ini mengalami peningkatan satu hari terbesar di Wear OS di antara audiens yang menginstal dalam 5 tahun, yaitu 2-3 kali rata-rata harian. Apa rahasianya? Alur penginstalan lintas perangkat sederhana yang membantu pengguna menemukan aplikasi Wear OS langsung dari ponsel mereka.
Garan Jenkin • Waktu baca: 3 menit
Dapatkan insight pengembangan Android terbaru yang dikirim ke kotak masuk Anda setiap minggu.