ProfilingManager प्रोफ़ाइलों को क्वेरी करने का तरीका, सामान्य Perfetto प्रोफ़ाइलों को क्वेरी करने के तरीके जैसा ही होता है. इसलिए, प्रोफ़ाइलों को क्वेरी करने के तरीके के बारे में जानने के लिए, PerfettoSQL का इस्तेमाल शुरू करना लेख पढ़ें.
Perfetto के सामान्य ट्रेस और ProfilingManager ट्रेस के बीच एक अहम अंतर यह है कि ProfilingManager ट्रेस, ट्रेस एडिटर से होकर गुज़रते हैं. यह
रेडैक्टर, निजता की वजहों से आपके ऐप्लिकेशन से जुड़ी अन्य प्रोसेस की जानकारी हटा देता है.
Perfetto की स्टैंडर्ड लाइब्रेरी की कुछ क्वेरी का इस्तेमाल, डेटा छिपाए गए ट्रेस पर नहीं किया जा सकता. 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, लोकल Perfetto का इस्तेमाल करके रिकॉर्ड की गई पूरी सिस्टम प्रोफ़ाइलों के मुकाबले कम होती हैं.
क्वेरी करने की जगह कम होने के बावजूद, Perfetto स्टैंडर्ड लाइब्रेरी से कई PerfettoSQL क्वेरी और टेबल का इस्तेमाल किया जा सकता है. इसलिए, हम आपको इन्हें आज़माने का सुझाव देते हैं.
हमारा यह भी सुझाव है कि आप Android ट्रेस का विश्लेषण करना लेख पढ़ें. इससे आपको इस्तेमाल के लिए तैयार ऐसी क्वेरी मिलेंगी जो बिना किसी बदलाव के, परफ़ॉर्मेंस का काम का डेटा उपलब्ध कराती हैं.
ProfilingManager की सैंपल क्वेरी
क्वेरी करने की प्रोसेस को आसान बनाने के लिए, इस सेक्शन में उन क्वेरी की सूची दी गई है जो ProfilingManager के साथ काम करती हैं. इन क्वेरी का इस्तेमाल सीधे तौर पर किया जा सकता है. इसके अलावा, इनका इस्तेमाल उदाहरण के तौर पर करके अन्य क्वेरी भी बनाई जा सकती हैं.
सबसे ज़्यादा डुप्लीकेट किए गए स्लाइस ढूंढना
इस क्वेरी से, किसी ट्रेस में बार-बार दिखने वाले स्लाइस का पता चलता है. साथ ही, उन्हें इस आधार पर क्रम से लगाया जाता है कि वे कितनी बार दिखते हैं. इसमें, सबसे ज़्यादा बार दिखने वाले स्लाइस सबसे पहले दिखाए जाते हैं.
डुप्लीकेट काम का पता लगाना, ट्रेस में गैर-ज़रूरी काम का पता लगाने 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 क्वेरी
रेंडर करने में ज़्यादा समय लेने वाले फ़्रेम ढूंढना
इस क्वेरी से ऐसे फ़्रेम का पता चलता है जिनमें आपका ऐप्लिकेशन, फ़्रेम जनरेट करने में बहुत ज़्यादा समय लेता है. इसमें फ़्रेम रेट 60 हर्ट्ज़ (16.6 मि॰से॰) माना गया है. dur को 1,66,60,000 पर सेट किया गया है, क्योंकि Perfetto टेबल में स्लाइस की अवधि को नैनोसेकंड में सेव किया जाता है.
INCLUDE PERFETTO module android.frames.timeline;
SELECT * FROM android_frames WHERE dur > 16660000;
जंक का कारण बनने वाले फ़्रेम ढूंढना
INCLUDE PERFETTO module android.frames.timeline;
SELECT * FROM actual_frame_timeline_slice WHERE jank_type = 'App Deadline Missed';
इस क्वेरी का इस्तेमाल उन जगहों का पता लगाने के लिए किया जाता है जहां ट्रेस में जंक होता है. ऐसा इसलिए होता है, क्योंकि ऐप्लिकेशन को फ़्रेम जनरेट करने में बहुत समय लगता है. इसका मतलब है कि यूज़र इंटरफ़ेस (यूआई) थ्रेड, फ़्रेम जनरेट नहीं कर पाई. कुछ मामलों में, यह एएनआर से पहले हो सकता है.
सबसे ज़्यादा डुप्लीकेट किए गए ऑब्जेक्ट ढूंढना
ज़्यादा जटिल मेमोरी विश्लेषण करने के लिए, मेमोरी से जुड़ी प्रोफ़ाइलों, जैसे कि हीप डंप के बारे में भी क्वेरी की जा सकती है.
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
इस क्वेरी से, डुप्लीकेट किए गए टॉप 100 ऑब्जेक्ट दिखते हैं. इससे आपको ऐसे ऑब्जेक्ट ढूंढने में मदद मिल सकती है जिन्हें कई बार इंस्टैंटिएट किया गया है. इससे उन्हें कैश मेमोरी में सेव करने के अवसरों के बारे में पता चल सकता है या अनचाहे डुप्लीकेट की पहचान की जा सकती है.
कोल्ड स्टार्टअप में लगने वाला समय
स्टार्टअप के बारे में भी क्वेरी की जा सकती है. इस सेक्शन में, ट्रेस में कोल्ड स्टार्टअप टाइम 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)
इस क्वेरी से एक स्लाइस जनरेट होता है. यह स्लाइस, स्टार्टअप टाइम को तय करने वाले दो स्लाइस के बीच के समय को दिखाता है: bindApplication (आम तौर पर, कोल्ड ऐप्लिकेशन लॉन्च की शुरुआत में दिखता है) और पहला Choreographer#doFrame स्लाइस (पहला जनरेट किया गया फ़्रेम). यह मेट्रिक, कोल्ड स्टार्टअप के टीटीएफ़एफ़ (टाइम टू फ़र्स्ट फ़्रेम) का सटीक अनुमान लगाती है.