3、帧率监控的核心指标：FPS、Jank、FrameTime
做帧率监控，说白了就是盯着三个数字：FPS、Jank、FrameTime。很多人以为只看FPS就够了，我曾经也是这么想的。直到有一次线上项目反馈“掉帧严重”，但FPS一直稳定在55～60——后来才意识到，是帧率突然跳变导致的卡顿，而平均值骗了我。嗯，从那以后，我把三个指标捆在一起看。
FPS——最熟悉的陌生人
FPS（Frames Per Second）就是每秒渲染的帧数。60 FPS意味着每帧16.67ms，30 FPS是33.33ms。但注意了：FPS是一个平均值。我见过很多人拿FPS=55就说“流畅”，其实中间可能藏了多次掉到20帧的抖动。
关键点：FPS只能反映宏观趋势，无法捕获瞬态卡顿。你想想看，1秒内前15帧都是16ms，后15帧突然跳到33ms，平均还是30 FPS，但用户已经感觉到卡了。
Jank——真正让用户不爽的元凶
Jank直译就是“跳动”，学术上指帧时间超出预期阈值的帧。在Android系统中，通常把FrameTime > 16.67ms（60 FPS）或 > 33.33ms（30 FPS）的帧标记为Jank。我个人习惯把Jank分为两类：
- 微卡顿：帧时间在17～33ms之间，用户能感知但不严重。
- 严重掉帧：帧时间超过33ms甚至50ms，明显卡顿。
我曾经遇到一个Bug：某个页面每次滑动时，首帧总是耗时45ms，后面恢复正常。单看FPS几乎没变化，但用户反馈“滑一下顿一下”。查了Jank计数才知道，每次滑动都触发一次重布局，这就是典型的Jank场景。
我的避坑经验：不要只看Jank总数，要看Jank分布。如果Jank集中在特定操作（如列表刷新、动画启动），那定位范围就能缩小到具体代码路径。
FrameTime——最细粒度的诊断工具
FrameTime是每一帧从开始到显示完成所消耗的时间（单位ms）。它是FPS和Jank的计算基础。我习惯把FrameTime拆成四个阶段：
| 阶段 | 说明 | 常见瓶颈 |
|---|---|---|
| 输入 | 事件处理 | 输入队列阻塞 |
| 动画 | 帧驱动回调 | 动画更新耗时过长 |
| 测量/布局 | 视图树遍历 | 过度嵌套、复杂布局 |
| 绘制 | Canvas/OpenGL命令提交 | GPU负载、纹理上传 |
你看，FrameTime = 输入 + 动画 + 布局 + 绘制。如果能在监控工具里看到每个阶段的耗时，那定位瓶颈几乎就是“看图说话”了。我在项目里就靠这个表格，十分钟内找出一个列表卡顿是因为某个ImageView的onMeasure里做了Bitmap缩放，硬生生占掉8ms。
注意：不要直接拿FrameTime的平均值做决策。比如平均12ms看起来很好，但P99可能飙到40ms。一定要看分布直方图或者时序曲线。我个人习惯把P95和P99单独拉出来监控。
三个指标如何协同？
一句话概括：FPS是结果，FrameTime是过程，Jank是告警。来看一个典型的监控流程：
- 采集每帧的FrameTime数据流。
- 计算每秒的FPS（平均帧时间倒数）。
- 标记FrameTime超过阈值的帧为Jank，并记录次数。
- 当Jank次数/秒超过阈值（比如2次/秒），触发告警。
- 分析师根据FrameTime时序图定位具体阶段。
我见过一些团队只看FPS，结果就是“线上无异常，用户骂声一片”。其实加入Jank监控后，很多问题早就暴露了——说白了，你不需要追求完美60FPS，只要把Jank控制在用户感知阈值以下就及格了。
对比速查表：
| 指标 | 粒度 | 敏感度 | 最佳使用场景 |
|---|---|---|---|
| FPS | 秒级 | 低 | 健康度概览、看板 |
| Jank | 帧级 | 中 | 告警、稳定性评分 |
| FrameTime | 帧级 | 高 | 性能调试、归因分析 |
实战中怎么用这三个指标？
假设你接到一个性能优化任务：目标60FPS，Jank率低于1%。我会这么干：
- 先用FrameTime时序图找出所有超过20ms的帧，标出时间戳。
- 在对应时间戳里看系统日志或自定义Trace，看是布局卡主线程还是GPU负载过高。
- 修复后对比Jank计数：之前每次滑动产生3个Jank，修复后降到0。FPS也从55提升到59。
你想想看，如果只盯着FPS，从55到59的变化很难直接关联到具体修复；但Jank从3降到0，这个对比就非常直观了。所以我建议团队在监控大盘上同时展示Jank率和P99 FrameTime，FPS反而可以放在次要位置。
一点小私货：我用Python写过一个简易分析脚本，从dump的FrameTime CSV里直接算Jank分段统计。代码就二十行，但每次查问题都能省半小时。核心就是：
import numpy as np
frames = np.loadtxt('frametimes.csv')
jank_count = np.sum(frames > 16.67)
p99 = np.percentile(frames, 99)
print(f'Jank次数: {jank_count}, P99: {p99:.2f}ms')你可以把这个思路集成到自己的监控工具里，比单独看FPS强多了。