第3章 工具链总览：五大工具定位与适用场景

本章从问题排查型课程视角，将五大工具——Profiler、Layout Inspector、Perfetto、Systrace、自定义Trace——按“现象识别→数据采集→原因定位→修复动作→复测→预防”六个环节对应其最佳使用时机。掌握每款工具的能力边界与切入时机，是减少盲目排查、提升定位效率的关键。

3.1 现象识别：用户卡顿/ANR时，如何快速确认问题域？

当用户反馈“界面滑动掉帧”或“点击无响应”时，先不急于深挖代码，而是通过工具做宏观筛查：

• Profiler（CPU / GPU / Memory）：在 Android Studio 中实时查看 CPU 占用峰值、GPU 渲染时间、内存抖动。若 CPU 持续高负载 + 频繁 GC，大概率是重组过度或泄漏。
• Systrace / Perfetto：适用于已确认“帧率不稳”的场景，抓取短时 trace 观察 Choreographer 帧边界、RenderThread 和 UI Thread 的阻塞点。
• Layout Inspector：当视觉上出现布局错乱或深层嵌套时，用于快速检查 Compose 树的深度和重组次数。
• 自定义 Trace：在业务逻辑关键路径已埋点后，可在现象发生时直接定位到具体业务阶段（如图片解码、网络请求）。

3.2 数据采集与原因定位：工具对比表

下表列出五款工具的核心定位、适用场景、产出格式及理想介入时机：

3.3 工具选择决策树

面对一个卡顿/ANR 问题，可按以下流程快速确定应优先使用哪款工具。图中节点颜色对应工具分类：

3.4 自定义 Trace 实战：在 Compose 中注入性能标记

自定义 Trace 是连接业务逻辑与帧级分析的关键桥梁。以下示例展示如何在 Compose 中插入 beginSection / endSection 以标记图片加载阶段：

import android.os.Trace

@Composable
fun ImageCard(url: String) {
    Trace.beginSection("ImageCard_load")
    // 模拟异步加载
    val bitmap = remember(url) {
        Trace.beginSection("decodeBitmap")
        // 实际解码逻辑
        Trace.endSection()
        null
    }
    Image(bitmap = bitmap, contentDescription = null)
    Trace.endSection()
}

3.5 修复、复测与预防

通过决策树定位根因后，修复动作可能包括：减少重组（使用 remember / derivedStateOf）、优化布局（减少嵌套/使用 LazyColumn）、异步化耗时操作等。复测阶段再次使用 Profiler 宏观验证，必要时抓取 Systrace 确认帧耗时下降。预防阶段则建立“自定义 Trace 埋点规范 + 定期 Profiler 扫描”机制，将性能监控左移到开发流程。