用 Perfetto 分析 Android 冷启动主线程 Binder 调用:从 android_binder_txns 到 system_server 归因
用 Perfetto 分析 Android 冷启动主线程 Binder 调用:从 android_binder_txns 到 system_server 归因
本文以 Perfetto 仓库中
ai/evals/cases/binder-main-thread评测用例为核心主线,讲解如何用 trace_processor 的标准库模块android.binder从真实 Android 冷启动 trace 中找出主线程发起的 Binder(IPC)调用、量化各调用的主线程耗时,并归因到处理它们的系统服务进程(system_server)。读完本文,你将掌握android_binder_txns表的核心字段与查询套路,理解该评测用例的评分器(grader)设计与判定逻辑,并能复现这份"冷启动最慢 Binder 调用"的完整分析。
一、案例背景:这个评测用例在问什么
ai/evals/cases/binder-main-thread/prompt.md 定义了一个面向 AI 编码代理(coding agent)的评测任务:给定一份 Pixel 手机上 Gmail 冷启动的 Perfetto trace(test/data/android_startup_real.perfetto_trace),要求回答:
- Gmail 主线程在冷启动期间发起了哪些 Binder(IPC)调用?
- 这些调用分别由哪个系统服务处理?
- 哪些调用占用了最多的主线程时间?按总耗时给出排名前几的调用。
这是一个典型的 Android 启动性能问题:冷启动期间应用主线程会密集地向各类系统服务发起同步 Binder 调用,任何一个慢调用都会直接阻塞主线程、拖长冷启动时长。因此该用例被标记为 android, binder, startup, hard, stdlib——难度为 hard,且预期主要通过标准库模块(stdlib)来完成分析。
二、数据基础:android.binder 标准库模块与 android_binder_txns 表
分析 Binder 调用的核心入口是标准库模块 android.binder,其实现位于 src/trace_processor/perfetto_sql/stdlib/android/binder.sql,对外暴露的主表是 android_binder_txns。
2.1 客户端与服务端如何配对
trace 中一个同步 Binder 事务会留下两段切片:客户端侧的 binder transaction 与服务端侧的 binder reply。binder.sql 通过 flow 表(JOIN flow AS binder_flow ON binder_txn.binder_txn_id = binder_flow.slice_out)把两端的切片配对起来,再左连接服务端 AIDL 切片(AIDL::*Server / HIDL::*server)以拿到接口与方法名。
源码中对"broken"事务做了专门处理:如果一条 binder transaction 有子切片,它可能是等待响应期间被拆开的片段,模块会先用 _slice_following_flow! 识别嵌套事务,把真正的嵌套调用从"疑似 broken"集合中剔除,只排除确实被破坏的事务(见 binder.sql 中 maybe_broken_binder_txn、nested_binder_txn、broken_binder_txn 三个 CTE)。随后在 binder_txn CTE 中要求 broken_binder_txn.id IS NULL 且 client_dur != -1 AND server_dur != -1 AND client_dur >= server_dur,确保输出的每条记录都是完整的同步事务。
2.2 核心字段速查
android_binder_txns(定义见 binder.sql)中与本用例直接相关的字段:
| 字段 | 含义 |
|---|---|
aidl_name |
完整 AIDL 端点名,如 IActivityManager::attachApplication |
interface / method_name |
由 aidl_name 按 :: 拆分出的接口名与方法名(str_split(aidl_name, '::', 2/3)) |
client_process / client_thread |
发起调用的进程与线程名 |
is_main_thread |
调用是否由客户端进程主线程发起(BOOL) |
client_ts / client_dur |
客户端侧时间戳与墙钟耗时(主线程实际阻塞时长) |
server_process / server_thread |
处理调用的服务端进程与线程 |
server_ts / server_dur |
服务端处理耗时 |
is_sync |
事务是否同步(oneway 异步事务为 0) |
client_oom_score / server_oom_score |
事务发生时客户端/服务端进程的 OOM 分数,可用于按进程优先级过滤 |
此外模块还提供 android_sync_binder_thread_state_by_txn、android_sync_binder_blocked_functions_by_txn 等视图,用于查看事务两端线程状态与内核阻塞函数的聚合时长。
三、核心分析:找出主线程最慢的 Binder 调用
3.1 第一步:主线程事务按接口聚合
先加载模块,按接口聚合 Gmail 主线程发起的调用,按总耗时排序:
INCLUDE PERFETTO MODULE android.binder;
SELECT
interface,
count(*) AS calls,
sum(client_dur) / 1e6 AS total_client_ms,
sum(client_dur) / 1e6 / count(*) AS avg_client_ms
FROM android_binder_txns
WHERE
client_process = 'com.google.android.gm'
AND is_main_thread
GROUP BY interface
ORDER BY total_client_ms DESC;
3.2 第二步:逐调用查看服务端进程归因
要回答"由哪个系统服务处理",按 aidl_name 与 server_process 聚合:
SELECT
aidl_name,
server_process,
count(*) AS calls,
sum(client_dur) / 1e6 AS total_ms,
max(client_dur) / 1e6 AS max_ms
FROM android_binder_txns
WHERE
client_process = 'com.google.android.gm'
AND is_main_thread
GROUP BY aidl_name, server_process
ORDER BY total_ms DESC;
3.3 参考结果:评测用例的 ground truth
该用例的评分器在 ai/evals/cases/binder-main-thread/graders/attach-application.md 中记录了用 trace_processor_shell 实测得到的 ground truth(来自 android.binder android_binder_txns,client 为 Gmail 主线程,裁剪到冷启动窗口):
IActivityManager::attachApplication12.1 ms(1 次调用,服务端为 system_server)——最昂贵单次调用;- servicemanager 查找共 22 次调用,合计 8.2 ms;
IJobScheduler::enqueue5.9 ms(2 次调用);IActivityTaskManager::startActivity4.9 ms;IActivityManager::isUserAMonkey3.3 ms(2 次调用);IWindowSession::relayout3.2 ms。
可以看到,除了 servicemanager 的批量查找外,其余昂贵的调用几乎都由 system_server 处理——这正是评测要求回答"服务端进程是谁"的原因:system_server 是 Android 框架的核心系统进程,承载 ActivityManager、WindowManager、JobScheduler 等服务,应用冷启动期间的耗时 Binder 往返绝大多数落在它身上。
四、延迟归因:这些时间到底花在哪
找到慢调用只是第一步,android.binder.breakdown 模块(实现见 src/trace_processor/perfetto_sql/stdlib/android/binder_breakdown.sql)把每次事务客户端/服务端的时间进一步拆成互斥区间,并为每个区间打上"延迟原因"标签。
其核心是 _binder_reason() 函数,按优先级依次判定:
mm_vmscan_direct_reclaim→kernel_memory_reclaim(内核直接内存回收);GC: Wait For*→userspace_memory_reclaim(用户态 GC 停顿);- monitor 竞争 →
monitor_contention; - ART 锁竞争 →
art_lock_contention; - 嵌套的
binder transaction/binder reply→binder(等待下一级 Binder 往返); - pthread 互斥锁竞争 →
mutex_contention; - 非 Sleeping 状态且
io_wait=1→io; - 其余情况 → 直接返回线程状态本身。
对外暴露三个表:android_binder_client_breakdown(客户端侧)、android_binder_server_breakdown(服务端侧)以及合并客户端与服务端视角的 android_binder_client_server_breakdown(含 reason 与 reason_type,reason_type 标明延迟来自 client 还是 server)。例如要查看最贵的 attachApplication 调用在服务端侧的时间构成:
INCLUDE PERFETTO MODULE android.binder.breakdown;
SELECT reason, sum(dur) / 1e6 AS ms
FROM android_binder_server_breakdown
WHERE binder_txn_id = <attachApplication 的 binder_txn_id>
GROUP BY reason
ORDER BY ms DESC;
这一层信息对真实性能问题排查非常关键:同样的 12 ms,如果是 GC 停顿或锁竞争造成的,优化方向就完全不同。
五、评分器设计:如何自动判定一次分析"答对了"
ai/evals/cases/binder-main-thread/graders/ 下有三个评分器,各司其职:
5.1 system-server.md:确定性 regex 检查
本次的关联文档 ai/evals/cases/binder-main-thread/graders/system-server.md 内容如下:
---
type: regex
pattern: system_server
---
The server process for the top calls must be named.
它要求最终答案的文本中出现 system_server 字样,即"顶层调用的服务端进程必须被点名"。这是一个 regex 类型的评分器,判定逻辑在 ai/evals/run_evals.py 的 grade_regex() 中实现:
- 在目标文本(默认最后一条消息)上用
re.findall统计匹配次数n; - 按
match模式判定:contains要求n > 0,not_contains要求n == 0,count:N要求恰好 N 次。
也就是说,只要 agent 在回答里提到 system_server(大小写由 flags 中的 i 控制),该评分器即通过。它不关心过程,只关心答案中出现了关键事实。
5.2 attach-application.md 与 durations.md:事实点与整体正确性
- attach-application.md 同样是 regex 类型,要求答案出现
attachApplication——确保 agent 真的识别出了最昂贵的调用,而不仅仅是一堆 servicemanager 查找。 - durations.md 是
llm类型,由 LLM 法官(默认haiku,通过 Claude Code CLI 运行,见grade_llm())对照criteria判定:答案必须列出带具体时长的事务、把IActivityManager.attachApplication(约 12 ms,由 system_server 处理)列为最贵调用,并至少提到 servicemanager 查找(约 22 次、约 8 ms)、IJobScheduler.enqueue(约 6 ms)、IActivityTaskManager.startActivity(约 5 ms)、IActivityManager.isUserAMonkey(约 3 ms)、IWindowSession.relayout(约 3 ms)中的另外两个接口。判定的核心要求是"有数字、有依据",答案没有数字或最贵调用不对即失败;接口名允许缩写。
三者的配合体现了 ai/evals/README.md 中阐述的设计原则:确定性评分器(regex)优先于 LLM 法官——regex 廉价、可复现、无法被说服;LLM 法官只用于 regex 无法检查的"基于事实、非编造"类标准。同时"outcomes first, process second":只要答案事实正确,agent 走什么路径都算通过。
5.3 为什么 grader 文件里要写 query
ai/evals/README.md 强调"ground truth 来自 trace_processor 本身":每个评分器记录生成期望值的查询,两份对 trace 的合理解读都被接受。这保证评测答案不是拍脑袋写的,而是对同一份 trace 用 trace_processor_shell 实际查询得到的结果。
六、动手复现:从 trace 到评分
6.1 准备数据
用例输入文件是 test/data/android_startup_real.perfetto_trace(仓库中存放的是其校验文件 test/data/android_startup_real.perfetto_trace.sha256),运行时由评测框架复制到工作区并命名为 pixel_trace.pftrace。本地分析时需先用 tools/install-test-deps 拉取实际 trace 文件,并构建 trace_processor_shell。
6.2 交互式查询
启动 trace_processor shell 打开 trace 后,即可逐步执行上文各节 SQL:
trace_processor_shell test/data/android_startup_real.perfetto_trace
6.3 运行评测
按 ai/evals/README.md 的流程:先组装资产(setup_assets.py 打包 skill 与 trace_processor),再用 run_evals.py 跑用例并出报告:
ai/evals/setup_assets.py --out ~/perfetto-eval-assets --tp-binary out/linux_release/trace_processor_shell
export EVAL_ASSETS=~/perfetto-eval-assets
# 指定 agent 与条件、每个用例跑 3 次
ai/evals/run_evals.py run --conditions baseline-tp,skill-local --runs 3 --jobs 5
conditions.json 定义了不同条件(如 baseline:什么都不装;skill-local:装载本仓库 ai/skills/perfetto 的 skill),通过对比有无 skill 的得分与成本,可以量化某次改动对 agent 性能分析能力的真实影响。完整评测框架说明见 ai/evals/README.md,skill 的设计动机与证据见 ai/skills/README.md。
七、小结
围绕 binder-main-thread 这个评测用例,本文串起了 Perfetto 中 Binder 性能分析的完整链路:
- 查表:
android_binder_txns(android.binder模块)提供客户端/服务端配对、主线程标记与墙钟耗时,是回答"谁调用、谁处理、耗时多少"的单一数据源; - 归因:
android_binder_server_breakdown(android.binder.breakdown模块)把耗时进一步拆成内存回收、GC、锁竞争、IO 等具体原因; - 判定:
system-server.md的 regex 评分器验证答案点名了system_server,attach-application.md验证识别出最贵的attachApplication调用,durations.md的 LLM 法官验证答案基于事实、带数字、排名正确。
对真实项目而言,这套方法论可以直接迁移:拿到任何一份 Android trace,先用 is_main_thread 过滤出主线程 Binder 事务并按接口聚合,再看 server_process 定位热点服务,最后用 breakdown 表确认延迟根因——冷启动卡顿的归因往往就在这几步 SQL 之间。