4. 准备开发环境与性能工具链

做性能监控，第一步不是写代码，而是搭好环境、选对工具。我见过不少团队花了两周优化代码，结果发现是 profiling 工具没配好——测出来的数据本身就有问题。嗯，这一章我们就踏踏实实把工具链磨利，后面才能砍柴不费功。

4.1 开发环境基础要求

CameraX 本身是 Jetpack 库，依赖不算多，但性能监控需要一些额外配置。我个人习惯用 Android Studio 最新稳定版（目前是 Hedgehog 或 Iguana），Gradle 8.x + AGP 8.x。你想想看，Profiler 和 AGP 版本绑得很紧，老版本可能连 CPU 采样都做不了。

我在项目里遇到过一个问题：用了太旧的 AGP，Perfetto 的 System Tracing 在 Android Studio 里直接灰掉了。排查半天，发现是 Studio 版本不匹配。所以建议你直接升级到最新，别省事。

4.2 CameraX 依赖与性能监控开关

在 build.gradle 里加依赖很简单，但性能监控需要开启一些试验性 API。看代码：

dependencies {
    def camerax_version = "1.3.1"
    implementation "androidx.camera:camera-core:${camerax_version}"
    implementation "androidx.camera:camera-camera2:${camerax_version}"
    implementation "androidx.camera:camera-lifecycle:${camerax_version}"
    implementation "androidx.camera:camera-extensions:${camerax_version}"
    // 性能监控需要的扩展库——其实核心就是 camera-camera2 自带的 trace
}

// 如果你需要 Macrobenchmark
androidTestImplementation "androidx.benchmark:benchmark-macro-junit4:1.2.3"

4.3 核心工具链：从 Profiler 到 Perfetto

工具链我分三层来说：快速定位层、深度分析层、自动化监控层。下面这张图帮你理清脉络——

4.4 三个工具怎么选？

我习惯这样区分场景——

• 快速验证：直接用 Android Studio Profiler 的 CPU 录屏，录一段 CameraX 启动过程，看主线程有没有明显卡顿。优点是零配置，缺点是精度一般，不能做批量对比。
• 深度定位：用 Perfetto（Android 10+）抓 trace。你想想看，Perfetto 能精确到微秒级，还能看到 SurfaceFlinger、HAL 层的相机驱动行为。我在一次线上崩溃排查时，就是靠 Perfetto 发现相机初始化里有一个写文件操作阻塞了主线程 200ms。
• 自动化回归：用 Macrobenchmark 写 `startupMode` 测试，配合 CI 每夜跑，自动对比启动时间变化。特别适合团队多人协作时防止性能回退。

4.5 自定义 Trace 的埋点原则

除了系统工具，我们还需要在代码里埋自定义 Trace。CameraX 本身已经帮你埋了核心步骤（比如 `CameraX.create`、`CameraX.bindToLifecycle`），但有时候我们需要更细的粒度，比如「打开相机硬件」到「第一帧回调」之间的时间。

埋点很简单：

// 在 CameraProvider 初始化前后
Trace.beginSection("CameraInit");
val cameraProvider = ProcessCameraProvider.getInstance(context).get()
Trace.endSection();

// 在 bindToLifecycle 前后
Trace.beginSection("BindLifecycle");
cameraProvider.bindToLifecycle(lifecycleOwner, cameraSelector, preview)
Trace.endSection();

// 在 ImageAnalysis 回调中打点
Trace.beginAsyncSection("FirstFrame", 1);
// … 当 onImageAvailable 触发后
Trace.endAsyncSection("FirstFrame", 1);

4.6 自动采集脚本 & 基线配置

工具链的最后一步，是把它自动化。我写了一个简单的 Gradle Task，每次 build 完成后自动跑一次 Macrobenchmark：

// app/build.gradle 中配置
android {
    defaultConfig {
        testInstrumentationRunner = "androidx.test.runner.AndroidJUnitRunner"
    }
}
// 在 androidTest 目录下创建 CameraStartupBenchmark.kt
@RunWith(AndroidJUnit4::class)
class CameraStartupBenchmark {
    @Test
    fun cameraStartup() {
        val rule = MacrobenchmarkRule()
        rule.measureRepeated(
            packageName = "com.example.app",
            metrics = listOf(StartupTimingMetric(), FrameTimingMetric()),
            iterations = 10,
            startupMode = StartupMode.COLD,
        ) {
            startActivityAndWait()
        }
    }
}

跑完之后，结果会输出在 build/outputs/benchmark 目录下。我一般用 Excel 拉个 P50、P95 表格，贴在项目 Wiki 上做基线。

4.7 检查清单

最后，给你一个自检清单，动手前过一遍，能省很多 debug 时间：

1. Android Studio 版本是否满足最低要求？
2. 设备是否 Android 10+？（Perfetto 支持）如果不是，降级用 Systrace？
3. CameraX 依赖是否 1.3+？是否开启了 debug 模式？
4. 自定义 Trace 的 beginSection / endSection 是否成对？async 是否 id 唯一？
5. 是否在 CI 上配置了 Macrobenchmark 任务？