📚 课程目录第2章响应优先级调优目标与指标

响应优先级调优目标与指标

Binder 线程池响应优先级调优的核心目标是降低高优先级请求的尾延迟，同时维持整体吞吐在可接受范围。量化指标是实现调优闭环的基石，本章定义四个关键度量：P99/P50 延迟、吞吐量、CPU 占用率，并给出典型应用场景下的目标设定方法。

2.1 核心目标：降低高优请求延迟

在混合优先级场景下，高优先级的系统服务（如输入、音频、传感器）与普通应用请求共享同一 Binder 线程池。调优的首要目标是将高优请求的P99 延迟（最慢 1% 请求的延迟）压缩到可接受的业务阈值以下，例如输入事件 ≤ 5ms、媒体 surfaceflinger 请求 ≤ 10ms。

量化原则：“降低延迟”不能仅靠平均延迟（P50）衡量，因为平均延迟会掩盖少数的长尾慢请求。必须同时关注 P99（尾延迟）和 P50（中位延迟）的联合变化，避免因过度裁剪尾延迟而拖累中位延迟或吞吐。

2.2 量化指标定义与计算方式

指标	定义	典型目标值	测量来源
P99 延迟	99% 请求的完成时间 ≤ 该值	≤ 5ms（高优）/ ≤ 15ms（普通）	binder_transaction_log 或 perfetto 切片
P50 延迟	50% 请求的完成时间 ≤ 该值	≤ 1ms（高优）/ ≤ 3ms（普通）	同上
吞吐量	单位时间完成的 Binder 事务数	≥ 10k ops/s（8核中负载）	/proc/binder/proc_stats
CPU 占用率	binder 线程 + binder_alloc 开销占比	≤ 15%（总 CPU）	top -H 或 /proc/[pid]/stat

测量命令速查：通过以下命令可实时读取 Binder 线程池的线程活跃度与事务统计。

# 查看当前 binder 线程数及状态（Android 9+）
adb shell "cat /proc/binder/proc_stats"

# 使用 perfetto 捕获 Binder 事务切片（需配置 trace config）
adb shell perfetto -c /data/local/tmp/binder_trace.cfg -o /data/misc/perfetto-traces/binder.trace

# 通过 dumpsys 查看服务端 binder 调用延迟统计（部分服务支持）
adb shell dumpsys media.camera --binder-stats

2.3 指标之间的权衡关系

在调优过程中，四个指标常表现出对立的趋势：

线程数增加 → 等待减少 → 延迟（P99/P50）下降 → 吞吐上升 → CPU 占用率上升。
线程数减少 → 上下文切换降低 → CPU 占用下降 → 可能出现排队 → 尾延迟恶化 → 吞吐下降。
优先级继承或线程绑核 → 提升高优请求响应 → 可能加重普通请求的 CPU 竞争 → 吞吐持平或微降。

因此，调优的实质是在 P99 延迟约束下最大化吞吐，同时控制 CPU 占用不超过总资源预算。建议先确定可接受的 P99 上界，再微调线程池大小和调度策略。

2.4 常见错误与调优陷阱

误区 1： 只关注平均延迟（P50）。调优后 P50 从 1ms 降到 0.8ms，但 P99 从 5ms 飙升到 20ms（因为牺牲了少数长尾请求）。这是不可接受的，必须同时监控 P99。

误区 2： 在低负载下测量延迟，认为一切良好。实际高负载下线程池耗尽、优先级反转才会暴露。始终在高并发压测下采集 P99。

误区 3： 将 CPU 占用率压得过低（< 5%）导致吞吐不足。CPU 是 trade-off，合理范围因芯片而异，通常 binder 相关 CPU ≤ 15% 可接受。

2.5 稳定性优化：建立基线监控

在部署调优策略前，必须先采集稳定基线：在典型业务压力下连续运行 30 分钟，记录 P99、P50、吞吐、CPU 的均值与 5%/95% 分位值。调优后对比基线，确保所有指标未出现不可接受的退化。推荐将监控集成到持续集成（CI）流水线，使用 Jenkins 定期执行 binder 压力测试并输出趋势图。

# 使用 shell 脚本采集 10 秒内 binder 事务统计数据 (minimal)
# 依赖 /proc/binder/proc_stats 内核支持
TIMES=10
for i in $(seq 1 $TIMES); do
  cat /proc/binder/proc_stats >> /data/local/tmp/binder_baseline.txt
  sleep 1
done