深入理解Android-Runtime

上图是Android全体的架构，Android Runtime之于Android而言相当于心脏之于人体，是Android程序加载和运转的环境。这篇文章首要针对Android Runtime部分进行翻开，探讨Android Runtime的发展以及现在现状，并介绍运用Profile-Guided Optimization(PGO)技能对运用发动速度进行优化的可行性。转载请注明来历「申国骏」

App运转时演进

JVM

Android原生代码运用Java或许Kotlin编写，这些代码会通过javac或许kotlinc编译成.class文件，在Android之前，这些.class文件会被输入到JVM中履行。JVM能够简单分为三个子体系，分别是Class Loader、Runtime Data Area以及Execution Engine。其中Class Loader首要担任加载类、校验字节码、符号引证链接及对静态变量和静态办法分配内存并初始化。Runtime Data担任存储数据，分为办法区、堆区、栈区、程序计数器以及本地办法栈。Execution Engine担任二进制代码的履行以及垃圾回收。

深入理解Android-Runtime

Execution Engine中，会选用Interpreter或许JIT履行。其中Interpreter表明在运转的进程中对二进制代码进行解说，每次履行相同的二进制代码都进行解说比较浪费资源，因而关于热区的二进制代码会进行JIT即时编译，对二进制代码编译成机器码，这样相同的二进制代码履行时，就不用再次进行解说。

深入理解Android-Runtime

DVM(Android 2.1/2.2)

JVM是stack-based的运转环境，在移动设备中对性能和存储空间要求较高，因而Android运用了register-based的Dalvik VM。从JVM转换到DVM咱们需求将.class文件转换为.dex文件，从.class转换到.dex的进程需求通过 desugar -> proguard -> dex compiler三个进程，这三个进程后来逐渐变成 proguard -> D8(Desugar) 直到演变到今天只需求一步R8(D8(Desugar))。

深入理解Android-Runtime

咱们首要重视Android中Runtime Engine与JVM的差异。在Android早期的版别里边，只存在Interpreter解说器，到了Android2.2版别将JIT引进，这个版别Dalvik与JVM的Runtime Engine差异不大。

深入理解Android-Runtime

ART-AOT(Android 4.4/5.0)

为了加快运用的发动速度和体会，到了Android4.4，Google供给了一个新的运转时环境ART(Android Runtime)，到了Android5.0，ART替换Dalvik成为唯一的运转时环境。

深入理解Android-Runtime

ART运转时环境中，选用了AOT(Ahead-of-time)编译方法，即在运用装置的时分就将.dex提前编译成机器码，通过AOT编译之后.dex文件会生成.oat文件。这样在运用发动履行的时分，由于不需求进行解说编译，大大加快了发动速度。

深入理解Android-Runtime

然而AOT带来了以下两个问题：

  1. 运用装置时间大幅增加，由于在装置的进程中一起需求编译成机器码，运用装置时间会比较长，特别在体系升级的时分，需求对一切运用进行从头编译，呈现了经典的升级等待噩梦。

深入理解Android-Runtime

  1. 运用占用过多的存储空间，由于一切运用都被编译成.oat机器码，运用所占的存储空间大大增加，使得原本并不富余的存储空间变得雪上加霜。

进一步思考对运用全量进行编译或许是没有必要的，由于用户或许只会用到一个运用的部分常用功用，而且全量编译之后更大的机器码加载会占用IO资源。

ART-PGO(Android 7.0)

从Android7.0开端，Google从头引进了JIT的编译方法，不再对运用进行全量编译，结合AOT、JIT、Interpreter三者的优势提出了PGO(Profile-guided optimization)的编译方法。

在运用履行的进程中，先运用Interpreter直接解说，当某些二进制代码被调用次数较多时，会生成一个Profile文件记载这些办法存储起来，当二进制代码被频频调用时，则直接进行JIT即时编译并缓存起来。

当运用处于闲暇（屏幕关闭且充电）的状况时，编译看护进程会依据Profile文件进行AOT编译。

当运用从头翻开时，进行过JIT和AOT编译的代码能够直接履行。

这样就能够在运用装置速度以及运用翻开速度之间取得平衡。

深入理解Android-Runtime

深入理解Android-Runtime

JIT 工作流程：

深入理解Android-Runtime

ART-Cloud Profile(Android 9.0)

不过这儿仍是有一个问题，便是当用户第一次装置运用的时分并没有进行任何的AOT优化，一般会通过用户屡次的运用才能使得发动速度得到优化。

深入理解Android-Runtime

考虑到一个运用一般会有一些用户经常运用履行的代码（例如发动部分以及用户常用功用）而且大多数时分会有先行版别用于搜集Profile数据，因而Google考虑将用户生成的Profile文件上传到Google Play中，并在运用装置时一起带上这个Profile文件，在装置的进程中，会依据这个Profile对运用进行部分的AOT编译。这样当用户装置完第一次翻开的时分，就能到达较快的发动速度。

深入理解Android-Runtime

深入理解Android-Runtime

Profile in cloude 需求体系运用市场支持，在国内市场运用Google Play的占比非常低，因而cloud profile的优化在国内简直是没有效果的，不过Profile的机制供给了一个能够做发动优化的思路。早在2019年，支付宝就在秒开技能的回应的里边提到过profile-based compile的技能，参阅：怎么看待今天头条自媒体发布谣言称「支付宝简直秒开是由于选用华为方舟编译器」？，这也是咱们一向研究Profile技能的原因。困扰着咱们的一向有两个问题，第一个问题是怎么生成Profile文件，第二个问题是怎么运用生成的Profile文件。关于第一个问题的处理相对仍是有思路的，由于app运转就会生成profile文件，因而咱们手动运转几回app就能在文件体系中搜集到这个文件，不过怎么以一种较为自动化的手段搜集仍然是个问题。第二个问题咱们知道Profile文件最终生成的位置，因而咱们能够把生成的文件放到相应的体系目录，不过大多数手机和运用都没有权限直接放置这个文件。因而Profile优化技能一向都没有落地，直到Baseline Proflie让咱们看到了希望。

Baseline Profile

Baseline Profile是一套生成和运用Profile文件的东西，在2022年一月份开端进入视野，随后在Google I/O 2022跟着Jetpack新变化得到广泛重视。其布景是Google Map加快了发版速度，Cloud Profle还没彻底搜集好就上新版，导致Cloud Proflie失效。还有一个布景是Jetpack Compose 不是体系代码，因而没有彻底编译成机器码，而且Jetpack Compose库比较大，因而在Profile生成之前运用了Jetpack Compose的运用发动会产生性能问题。最后Google为了处理这些问题，发明了搜集Profile的BaselineProfileRule Macrobenchmark以及运用Profile的ProfileInstaller。

运用Baseline Profile的机制能够在Android7及以上的手机上得到运用的发动加快，由于从上述知道Android7就现已开端有PGO(Profile-guided optimization)的编译方法。生成的Profile文件会打包到apk里边，而且会结合Google Play的Cloud Profile来引导AOT编译。虽然在国内基本上用不了Cloud Profile，不过Baseline Profile是能够独立于Google Play独自运用的。

深入理解Android-Runtime

在运用了Baseline Proflie之后，有道词典的发动速度从线上计算上看，冷发动时间有15%的提高。

这篇文章首要介绍了Android Runtime的演进以及关于运用发动的影响，下一篇文章我会具体介绍关于Profile&dex文件优化、Baseline Profile东西库原理，以及在实际操作上怎么运用的问题，敬请大家期待一下！

参阅

  • Android CPU, Compilers, D8 & R8

  • Implementing ART Just-In-Time (JIT) Compiler

  • Configuring ART

  • Improving app performance with ART optimizing profiles in the cloud

  • Understanding Android Runtime (ART) for faster apps (Google I/O’19)

  • What’s new in Android Runtime (Google I/O ’18)

  • Performance and memory improvements in Android Run Time (ART) (Google I/O ’17)

  • The Evolution of ART – Google I/O 2016

  • Google I/O 2014 – The ART runtime

  • Google I/O 2010 – A JIT Compiler for Android’s Dalvik VM

  • Android Runtime  –  How Dalvik and ART work?

  • Android Debug Bridge – Read ART profiles for apps

  • Deep dive into the ART runtime (Android Dev Summit ’18)

  • Deep dive into ART(Android Runtime) for dynamic binary analysis | SungHyoun Song | Nullcon 2021

  • Baseline Profiles

  • Google I/O 2022: What’s new in Jetpack

  • Improving App Performance with Baseline Profiles

  • Android 强推的 Baseline Profiles 国内能用吗？我找 Google 工程师求证了！