|
|
# 40 | 衡量Flutter App线上质量，我们需要关注这三个指标
|
|
|
|
|
|
你好，我是陈航。
|
|
|
|
|
|
在上一篇文章中，我与你分享了如何捕获Flutter应用的未处理异常。所谓异常，指的是Dart代码在运行时意外发生的错误事件。对于单一异常来说，我们可以使用try-catch，或是catchError去处理；而如果我们想对异常进行集中的拦截治理，则需要使用Zone，并结合FlutterError进行统一管理。异常一旦被抓取，我们就可以利用第三方数据上报服务（比如Bugly），上报其上下文信息了。
|
|
|
|
|
|
这些线上异常的监控数据，对于开发者尽早发现线上隐患，确定问题根因至关重要。如果我们想进一步评估应用整体的稳定性的话，就需要把异常信息与页面的渲染关联起来。比如，页面渲染过程是否出现了异常，而导致功能不可用？
|
|
|
|
|
|
而对于以“丝般顺滑”著称的Flutter应用而言，页面渲染的性能同样需要我们重点关注。比如，界面渲染是否出现会掉帧卡顿现象，或者页面加载是否会出现性能问题导致耗时过长？这些问题，虽不至于让应用完全不能使用，但也很容易引起用户对应用质量的质疑，甚至是反感。
|
|
|
|
|
|
通过上面的分析，可以看到，衡量线上Flutter应用整体质量的指标，可以分为以下3类：
|
|
|
|
|
|
* 页面异常率；
|
|
|
* 页面帧率；
|
|
|
* 页面加载时长。
|
|
|
|
|
|
其中，页面异常率反应了页面的健康程度，页面帧率反应了视觉效果的顺滑程度，而页面加载时长则反应了整个渲染过程中点对点的延时情况。
|
|
|
|
|
|
这三项数据指标，是度量Flutter应用是否优秀的重要质量指标。通过梳理这些指标的统计口径，建立起Flutter应用的质量监控能力，这样一来我们不仅可以及早发现线上隐患，还可以确定质量基线，从而持续提升用户体验。
|
|
|
|
|
|
所以在今天的分享中，我会与你详细讲述这3项指标是如何采集的。
|
|
|
|
|
|
## 页面异常率
|
|
|
|
|
|
页面异常率指的是，页面渲染过程中出现异常的概率。它度量的是页面维度下功能不可用的情况，其统计公式为：**页面异常率=异常发生次数/整体页面PV数**。
|
|
|
|
|
|
在了解了页面异常率的统计口径之后，接下来我们分别来看一下这个公式中的分子与分母应该如何统计吧。
|
|
|
|
|
|
我们先来看看**异常发生次数的统计方法**。通过上一篇文章，我们已经知道了在Flutter中，未处理异常需要通过Zone与FlutterError去捕获。所以，如果我们想统计异常发生次数的话，依旧是利用这两个方法，只不过要在异常拦截的方法中，通过一个计数器进行累加，统一记录。
|
|
|
|
|
|
下面的例子演示了异常发生次数的具体统计方法。我们使用全局变量exceptionCount，在异常捕获的回调方法\_reportError中持续地累加捕获到的异常次数：
|
|
|
|
|
|
```
|
|
|
int exceptionCount = 0;
|
|
|
Future<Null> _reportError(dynamic error, dynamic stackTrace) async {
|
|
|
exceptionCount++; //累加异常次数
|
|
|
FlutterCrashPlugin.postException(error, stackTrace);
|
|
|
}
|
|
|
|
|
|
Future<Null> main() async {
|
|
|
FlutterError.onError = (FlutterErrorDetails details) async {
|
|
|
//将异常转发至Zone
|
|
|
Zone.current.handleUncaughtError(details.exception, details.stack);
|
|
|
};
|
|
|
|
|
|
runZoned<Future<Null>>(() async {
|
|
|
runApp(MyApp());
|
|
|
}, onError: (error, stackTrace) async {
|
|
|
//拦截异常
|
|
|
await _reportError(error, stackTrace);
|
|
|
});
|
|
|
}
|
|
|
|
|
|
```
|
|
|
|
|
|
接下来，我们再看看**整体页面PV数如何统计**吧。整体页面PV数，其实就是页面的打开次数。通过第21篇文章“[路由与导航，Flutter是这样实现页面切换的](https://time.geekbang.org/column/article/118421)”，我们已经知道了Flutter页面的切换需要经过Navigator来实现，所以页面切换状态也需要通过Navigator才能感知到。
|
|
|
|
|
|
与注册页面路由类似的，在MaterialApp中，我们可以通过NavigatorObservers属性，去监听页面的打开与关闭。下面的例子演示了**NavigatorObserver的具体用法**。在下面的代码中，我们定义了一个继承自NavigatorObserver的观察者，并在其didPush方法中，去统计页面的打开行为：
|
|
|
|
|
|
```
|
|
|
int totalPV = 0;
|
|
|
//导航监听器
|
|
|
class MyObserver extends NavigatorObserver{
|
|
|
@override
|
|
|
void didPush(Route route, Route previousRoute) {
|
|
|
super.didPush(route, previousRoute);
|
|
|
totalPV++;//累加PV
|
|
|
}
|
|
|
}
|
|
|
|
|
|
class MyApp extends StatelessWidget {
|
|
|
@override
|
|
|
Widget build(BuildContext context) {
|
|
|
return MaterialApp(
|
|
|
//设置路由监听
|
|
|
navigatorObservers: [
|
|
|
MyObserver(),
|
|
|
],
|
|
|
home: HomePage(),
|
|
|
);
|
|
|
}
|
|
|
}
|
|
|
|
|
|
```
|
|
|
|
|
|
现在，我们已经收集到了异常发生次数和整体页面PV数这两个参数，接下来我们就可以计算出页面异常率了：
|
|
|
|
|
|
```
|
|
|
double pageException() {
|
|
|
if(totalPV == 0) return 0;
|
|
|
return exceptionCount/totalPV;
|
|
|
}
|
|
|
|
|
|
```
|
|
|
|
|
|
可以看到，页面异常率的计算还是相对比较简单的。
|
|
|
|
|
|
## 页面帧率
|
|
|
|
|
|
页面帧率，即FPS，是图像领域中的定义，指的是画面每秒传输帧数。由于人眼的视觉暂留特质，当所见到的画面传输帧数高于一定数量的时候，就会认为是连贯性的视觉效果。因此，对于动态页面而言，每秒钟展示的帧数越多，画面就越流畅。
|
|
|
|
|
|
由此我们可以得出，**FPS的计算口径为单位时间内渲染的帧总数**。在移动设备中，FPS的推荐数值通常是60Hz，即每秒刷新页面60次。
|
|
|
|
|
|
为什么是60Hz，而不是更高或更低的值呢？这是因为显示过程，是由VSync信号周期性驱动的，而VSync信号的周期就是每秒60次，这也是FPS的上限。
|
|
|
|
|
|
CPU与GPU在接收到VSync信号后，就会计算图形图像，准备渲染内容，并将其提交到帧缓冲区，等待下一次VSync信号到来时显示到屏幕上。如果在一个VSync时间内，CPU或者GPU没有完成内容提交，这一帧就会被丢弃，等待下一次机会再显示，而这时页面会保留之前的内容不变，造成界面卡顿。因此，FPS低于60Hz时就会出现掉帧现象，而如果低于45Hz则会有比较严重的卡顿现象。
|
|
|
|
|
|
为方便开发者统计FPS，Flutter在全局window对象上提供了帧回调机制。我们可以**在window对象上注册onReportTimings方法**，将最近绘制帧耗费的时间（即FrameTiming），以回调的形式告诉我们。有了每一帧的绘制时间后，我们就可以计算FPS了。
|
|
|
|
|
|
需要注意的是，onReportTimings方法只有在有帧被绘制时才有数据回调，如果用户没有和App发生交互，界面状态没有变化时，是不会产生新的帧的。考虑到单个帧的绘制时间差异较大，逐帧计算可能会产生数据跳跃，所以为了让FPS的计算更加平滑，我们需要保留最近25个FrameTiming用于求和计算。
|
|
|
|
|
|
而另一方面，对于FPS的计算，我们并不能孤立地只考虑帧绘制时间，而应该结合VSync信号的周期，即1/60秒（即16.67毫秒）来综合评估。
|
|
|
|
|
|
由于帧的渲染是依靠VSync信号驱动的，如果帧绘制的时间没有超过16.67毫秒，我们也需要把它当成16.67毫秒来算，因为绘制完成的帧必须要等到下一次VSync信号来了之后才能渲染。而如果帧绘制时间超过了16.67毫秒，则会占用后续的VSync信号周期，从而打乱后续的绘制次序，产生卡顿现象。这里有两种情况：
|
|
|
|
|
|
* 如果帧绘制时间正好是16.67的整数倍，比如50，则代表它花费了3个VSync信号周期，即本来可以绘制3帧，但实际上只绘制了1帧；
|
|
|
* 如果帧绘制时间不是16.67的整数倍，比如51，那么它花费的VSync信号周期应该向上取整，即4个，这意味着本来可以绘制4帧，实际上只绘制了1帧。
|
|
|
|
|
|
所以我们的FPS计算公式最终确定为：**FPS=60\*实际渲染的帧数/本来应该在这个时间内渲染完成的帧数**。
|
|
|
|
|
|
下面的示例演示了如何通过onReportTimings回调函数实现FPS的计算。在下面的代码中，我们定义了一个容量为25的列表，用于存储最近的帧绘制耗时FrameTiming。在FPS的计算函数中，我们将列表中每帧绘制时间与VSync周期frameInterval进行比较，得出本来应该绘制的帧数，最后两者相除就得到了FPS指标。
|
|
|
|
|
|
需要注意的是，Android Studio提供的Flutter插件里展示的FPS信息，其实也来自于onReportTimings回调，所以我们在注册回调时需要保留原始回调引用，否则插件就读不到FPS信息了。
|
|
|
|
|
|
```
|
|
|
import 'dart:ui';
|
|
|
|
|
|
var orginalCallback;
|
|
|
|
|
|
void main() {
|
|
|
runApp(MyApp());
|
|
|
//设置帧回调函数并保存原始帧回调函数
|
|
|
orginalCallback = window.onReportTimings;
|
|
|
window.onReportTimings = onReportTimings;
|
|
|
}
|
|
|
|
|
|
//仅缓存最近25帧绘制耗时
|
|
|
const maxframes = 25;
|
|
|
final lastFrames = List<FrameTiming>();
|
|
|
//基准VSync信号周期
|
|
|
const frameInterval = const Duration(microseconds: Duration.microsecondsPerSecond ~/ 60);
|
|
|
|
|
|
void onReportTimings(List<FrameTiming> timings) {
|
|
|
lastFrames.addAll(timings);
|
|
|
//仅保留25帧
|
|
|
if(lastFrames.length > maxframes) {
|
|
|
lastFrames.removeRange(0, lastFrames.length - maxframes);
|
|
|
}
|
|
|
//如果有原始帧回调函数，则执行
|
|
|
if (orginalCallback != null) {
|
|
|
orginalCallback(timings);
|
|
|
}
|
|
|
}
|
|
|
|
|
|
double get fps {
|
|
|
int sum = 0;
|
|
|
for (FrameTiming timing in lastFrames) {
|
|
|
//计算渲染耗时
|
|
|
int duration = timing.timestampInMicroseconds(FramePhase.rasterFinish) - timing.timestampInMicroseconds(FramePhase.buildStart);
|
|
|
//判断耗时是否在Vsync信号周期内
|
|
|
if(duration < frameInterval.inMicroseconds) {
|
|
|
sum += 1;
|
|
|
} else {
|
|
|
//有丢帧，向上取整
|
|
|
int count = (duration/frameInterval.inMicroseconds).ceil();
|
|
|
sum += count;
|
|
|
}
|
|
|
}
|
|
|
return lastFrames.length/sum * 60;
|
|
|
}
|
|
|
|
|
|
```
|
|
|
|
|
|
运行这段代码，可以看到，我们统计的FPS指标和Flutter插件展示的FPS走势是一致的。
|
|
|
|
|
|
|
|
|
|
|
|
图1 FPS指标走势
|
|
|
|
|
|
## 页面加载时长
|
|
|
|
|
|
页面加载时长，指的是页面从创建到可见的时间。它反应的是代码中创建页面视图是否存在过度绘制，或者绘制不合理导致创建视图时间过长的情况。
|
|
|
|
|
|
从定义可以看出，**页面加载时长的统计口径为页面可见的时间-页面创建的时间**。获取页面创建的时间比较容易，我们只需要在页面的初始化函数里记录时间即可。那么，**页面可见的时间应该如何统计**呢？
|
|
|
|
|
|
在第11篇文章“[提到生命周期，我们是在说什么？](https://time.geekbang.org/column/article/109490)”中，我在介绍Widget的生命周期时，曾向你介绍过Flutter的帧回调机制。WidgetsBinding提供了单次Frame回调addPostFrameCallback方法，它会在当前Frame绘制完成之后进行回调，并且只会回调一次。一旦监听到Frame绘制完成回调后，我们就可以确认页面已经被渲染出来了，因此我们可以借助这个方法去获取页面可见的时间。
|
|
|
|
|
|
下面的例子演示了如何通过帧回调机制获取页面加载时长。在下面的代码中，我们在页面MyPage的初始化方法中记录了页面的创建时间startTime，然后在页面状态的初始化方法中，通过addPostFrameCallback注册了单次帧绘制回调，并在回调函数中记录了页面的渲染完成时间endTime。将这两个时间做减法，我们就得到了MyPage的页面加载时长：
|
|
|
|
|
|
```
|
|
|
class MyHomePage extends StatefulWidget {
|
|
|
int startTime;
|
|
|
int endTime;
|
|
|
MyHomePage({Key key}) : super(key: key) {
|
|
|
//页面初始化时记录启动时间
|
|
|
startTime = DateTime.now().millisecondsSinceEpoch;
|
|
|
}
|
|
|
@override
|
|
|
_MyHomePageState createState() => _MyHomePageState();
|
|
|
}
|
|
|
|
|
|
class _MyHomePageState extends State<MyHomePage> {
|
|
|
@override
|
|
|
void initState() {
|
|
|
super.initState();
|
|
|
//通过帧绘制回调获取渲染完成时间
|
|
|
WidgetsBinding.instance.addPostFrameCallback((_) {
|
|
|
widget.endTime = DateTime.now().millisecondsSinceEpoch;
|
|
|
int timeSpend = widget.endTime - widget.startTime;
|
|
|
print("Page render time:${timeSpend} ms");
|
|
|
});
|
|
|
}
|
|
|
...
|
|
|
}
|
|
|
|
|
|
```
|
|
|
|
|
|
试着运行一下代码，观察命令行输出：
|
|
|
|
|
|
```
|
|
|
flutter: Page render time:548 ms
|
|
|
|
|
|
```
|
|
|
|
|
|
可以看到，通过单次帧绘制回调统计得出的页面加载时间为548毫秒。
|
|
|
|
|
|
至此，我们就已经得到了页面异常率、页面帧率和页面加载时长这3个指标了。
|
|
|
|
|
|
## 总结
|
|
|
|
|
|
好了，今天的分享就到这里，我们来总结下主要内容吧。
|
|
|
|
|
|
今天我们一起学习了衡量Flutter应用线上质量的3个指标，即页面异常率、页面帧率和页面加载时长，以及分别对应的数据采集方式。
|
|
|
|
|
|
其中，页面异常率表示页面渲染过程中的稳定性，可以通过集中捕获未处理异常，结合NavigatorObservers观察页面PV，计算得出页面维度下功能不可用的概率。
|
|
|
|
|
|
页面帧率则表示了页面的流畅情况，可以利用Flutter提供的帧绘制耗时回调onReportTimings，以加权的形式计算出本应该绘制的帧数，得到更为准确的FPS。
|
|
|
|
|
|
而页面加载时长，反应的是渲染过程的延时情况。我们可以借助于单次帧回调机制，来获取页面渲染完成时间，从而得到整体页面的加载时长。
|
|
|
|
|
|
通过这3个数据指标统计方法，我们再去评估Flutter应用的性能时，就有一个具体的数字化标准了。而有了数据之后，我们不仅可以及早发现问题隐患，准确定位及修复问题，还可以根据它们去评估应用的健康程度和页面的渲染性能，从而确定后续的优化方向。
|
|
|
|
|
|
我把今天分享涉及的知识点打包到了[GitHub](https://github.com/cyndibaby905/40_peformance_demo)中，你可以下载下来，反复运行几次，加深理解与记忆。
|
|
|
|
|
|
## 思考题
|
|
|
|
|
|
最后，我给你留一道思考题吧。
|
|
|
|
|
|
如果页面的渲染需要依赖单个或多个网络接口数据，这时的页面加载时长应该如何统计呢？
|
|
|
|
|
|
欢迎你在评论区给我留言分享你的观点，我会在下一篇文章中等待你！感谢你的收听，也欢迎你把这篇文章分享给更多的朋友一起阅读。
|
|
|
|