ProfilingManager की प्रोफाइलों पर क्वेरी करें

ProfilingManager की प्रोफ़ाइल के लिए क्वेरी करना, Perfetto की सामान्य प्रोफ़ाइल के लिए क्वेरी करने जैसा ही है. इसलिए, प्रोफ़ाइल के लिए क्वेरी करने का तरीका जानने के लिए, PerfettoSQL का इस्तेमाल शुरू करने से जुड़ी गाइड पढ़ें.

Perfetto के सामान्य ट्रेस और ProfilingManager के ट्रेस के बीच एक अहम अंतर यह है कि ProfilingManager के ट्रेस, ट्रेस एडिटर से होकर गुज़रते हैं. निजता बनाए रखने के लिए, यह एडिटर आपके ऐप्लिकेशन से जुड़े प्रोसेस के अलावा, अन्य प्रोसेस के बारे में जानकारी हटा देता है.

Perfetto की स्टैंडर्ड लाइब्रेरी की कुछ क्वेरी, एडिट किए गए ट्रेस पर इस्तेमाल नहीं की जा सकतीं. ऐसा इसलिए है, क्योंकि ProfilingManager सिर्फ़ आपके ऐप्लिकेशन के लिए प्रोफ़ाइलिंग डेटा इकट्ठा करता है, न कि अन्य प्रोसेस के लिए. इसलिए, ProfilingManager के साथ इस्तेमाल की जा सकने वाली क्वेरी, स्थानीय Perfetto का इस्तेमाल करके रिकॉर्ड की गई पूरी सिस्टम प्रोफ़ाइल के लिए इस्तेमाल की जा सकने वाली क्वेरी के मुकाबले कम होती हैं.

हालांकि, क्वेरी करने की जगह कम हो गई है, लेकिन Perfetto की स्टैंडर्ड लाइब्रेरी से, PerfettoSQL की कई क्वेरी और टेबल अब भी इस्तेमाल की जा सकती हैं. इसलिए, हमारा सुझाव है कि आप इन्हें आज़माएं.

हमारा सुझाव है कि आप Android के ट्रेस का विश्लेषण करने से जुड़ी गाइड पढ़ें. इससे आपको इस्तेमाल के लिए तैयार ऐसी क्वेरी मिलेंगी जिनकी मदद से, बिना किसी बदलाव के काम का परफ़ॉर्मेंस डेटा पाया जा सकता है.

ProfilingManager की सैंपल क्वेरीज़

क्वेरी करने की प्रोसेस को आसान बनाने के लिए, इस सेक्शन में ProfilingManager के साथ काम करने वाली क्वेरी की सूची दी गई है. इन क्वेरी का इस्तेमाल सीधे तौर पर किया जा सकता है. इसके अलावा, इन्हें उदाहरण के तौर पर इस्तेमाल करके अन्य क्वेरी बनाई जा सकती हैं.

सबसे ज़्यादा दोहराए गए स्लाइस खोजें

यह क्वेरी, ट्रेस में दोहराए गए स्लाइस ढूंढती है और उन्हें इस आधार पर क्रम में लगाती है कि वे कितनी बार दिखते हैं. इसमें सबसे ज़्यादा दोहराए गए स्लाइस सबसे पहले दिखते हैं.

किसी ट्रेस में, दोहराए गए काम को ढूंढना, गैर-ज़रूरी काम को ढूंढने का एक सामान्य तरीका है.

-- You only need to call this once in the session to create the function
DROP TABLE IF EXISTS find_duplicates;
CREATE PERFETTO FUNCTION find_duplicates(pattern STRING) RETURNS
TABLE(name STRING, count_slice LONG) AS SELECT name, COUNT(dur) as count_slice FROM slice WHERE name GLOB $pattern GROUP BY name HAVING COUNT(name) >= 2 ORDER BY count_slice DESC;

-- Subsequent calls can just use the function to find dupes
SELECT * FROM find_duplicates('*Text*')

जैंक की पहचान करने वाली क्वेरीज़

रेंडर करने में ज़्यादा समय लेने वाले फ़्रेम खोजें

यह क्वेरी उन फ़्रेम को ढूंढती है जिन्हें जनरेट करने में आपके ऐप्लिकेशन को ज़्यादा समय लगता है. इसमें, फ़्रेम की अनुमानित दर 60 हर्ट्ज़ (16.6 मि॰से॰) मानी जाती है. dur को 1,66,60,000 पर सेट किया गया है, क्योंकि Perfetto की टेबल में स्लाइस की अवधि नैनोसेकंड में सेव की जाती है.

INCLUDE PERFETTO module android.frames.timeline;
SELECT * FROM android_frames WHERE dur > 16660000;

जैंक पैदा करने वाले फ़्रेम खोजें

INCLUDE PERFETTO module android.frames.timeline;
SELECT * FROM actual_frame_timeline_slice WHERE jank_type = 'App Deadline Missed';

यह क्वेरी, उन जगहों को ढूंढने में मददगार होती है जहां ट्रेस में जैंक होता है. ऐसा इसलिए होता है, क्योंकि ऐप्लिकेशन को फ़्रेम जनरेट करने में ज़्यादा समय लगता है. इसका मतलब है कि यूज़र इंटरफ़ेस (यूआई) थ्रेड, फ़्रेम जनरेट नहीं कर पाया. कुछ मामलों में, इसकी वजह से एएनआर हो सकता है.

सबसे ज़्यादा दोहराए गए ऑब्जेक्ट खोजें

मेमोरी से जुड़ी ज़्यादा जटिल विश्लेषण करने के लिए, मेमोरी से जुड़ी प्रोफ़ाइल के लिए भी क्वेरी की जा सकती है. जैसे, हीप डंप.

INCLUDE PERFETTO MODULE android.memory.heap_graph.heap_graph_class_aggregation;

SELECT * FROM android_heap_graph_class_aggregation WHERE obj_count >= 2
ORDER BY obj_count DESC LIMIT 100

यह क्वेरी, सबसे ज़्यादा दोहराए गए 100 ऑब्जेक्ट दिखाती है. इससे, उन ऑब्जेक्ट को ढूंढने में मदद मिल सकती है जिन्हें कई बार इंस्टैंशिएट किया गया है. इससे, उन्हें कैश मेमोरी में सेव करने के अवसर मिल सकते हैं या अनचाहे डुप्लीकेट की पहचान की जा सकती है.

कोल्ड स्टार्टअप की लेटेन्सी

स्टार्टअप के लिए भी क्वेरी की जा सकती है. इस सेक्शन में, ट्रेस में कोल्ड स्टार्टअप के समय का अनुमान लगाने के लिए, ज़्यादा जानकारी वाली क्वेरी दी गई है.

-- This function finds slices that match the given GLOB $pattern
CREATE OR REPLACE FUNCTION find_slices(pattern STRING) RETURNS
TABLE (name STRING, ts LONG, dur LONG) AS
SELECT name,ts,dur FROM slice WHERE name GLOB $pattern;

-- This function generates a slice that starts at $startSlicePattern and finishes at the slice matched by $endSlicePattern. If $inclusive is true, then the end slice dur will be added, otherwise, the end slice start time will be used.
CREATE OR REPLACE PERFETTO FUNCTION generate_start_to_end_slices(startSlicePattern STRING, endSlicePattern STRING, inclusive BOOL) RETURNS
TABLE(name STRING, ts LONG, dur LONG) AS
SELECT name, ts, MIN(startToEndDur) as dur
FROM
  (SELECT S.name as name, S.ts as ts, E.ts + IIF($inclusive, E.dur, 0) - S.ts as startToEndDur
  FROM find_slices($startSlicePattern) as S CROSS JOIN find_slices($endSlicePattern) as E
  WHERE startToEndDur > 0)
GROUP BY name, ts;

-- Using these functions we can estimate cold startup time by generating a slice between bindApplication and first frame.
SELECT * from generate_start_to_end_slices('bindApplication','*Choreographer#doFrame [0-9]*', true)

यह क्वेरी एक ऐसा स्लाइस जनरेट करती है जो स्टार्टअप के समय को तय करने वाले दो स्लाइस के बीच के समय को दिखाता है: bindApplication (आम तौर पर, ऐप्लिकेशन के कोल्ड लॉन्च की शुरुआत में दिखता है) और पहला Choreographer#doFrame स्लाइस (जनरेट किया गया पहला फ़्रेम). यह मेट्रिक, कोल्ड स्टार्टअप के टीटीएफ़एफ़ (पहले फ़्रेम में लगने वाला समय) का अनुमान लगाती है.