Firebase Android SDK性能监控库中的SharedPreferences性能问题分析
2025-07-02 15:55:04作者:余洋婵Anita
问题背景
Firebase Performance Monitoring是Google提供的一款应用性能监控工具,它可以帮助开发者追踪应用的性能指标。在Android平台上,该库通过firebase-perf模块实现,开发者可以使用它来创建自定义的性能跟踪点(trace)。
近期发现,该库在实现性能跟踪功能时存在一个严重的性能问题:每次调用trace函数时都会触发SharedPreferences的写入操作,这在频繁调用的情况下会导致主线程阻塞,进而引发应用无响应(ANR)问题。
技术原理分析
SharedPreferences的apply机制
SharedPreferences是Android提供的一种轻量级数据存储方式,通常用于存储应用的配置信息。当调用apply()方法提交修改时,Android系统会:
- 先将修改写入内存中的Map
- 然后通过Handler将实际的文件写入操作放入后台线程队列
- 最后通过QueuedWork机制确保在Activity生命周期关键点(如onPause)完成所有待处理的写入操作
问题根源
在firebase-perf库中,每次创建性能跟踪时都会调用isPerformanceMonitoringEnabled()方法检查性能监控是否启用。这个方法内部会:
- 访问DeviceCacheManager
- 调用setValueIfConfigValueUpdated方法
- 最终触发SharedPreferences的apply()操作
当应用中启用了网络性能跟踪、屏幕跟踪和多个自定义跟踪时,这些频繁的SharedPreferences写入操作会导致:
- 大量后台写入任务堆积
- 在Activity暂停时,QueuedWork需要同步执行所有待处理任务
- 主线程被阻塞,引发ANR
影响范围
这个问题在以下情况下尤为严重:
- 应用中启用了多种性能跟踪功能
- 跟踪点被频繁调用(如列表滚动时的屏幕跟踪)
- 在低端设备上运行
- Android 14及以上版本(ANR报告机制更加严格)
解决方案
Firebase团队已经意识到这个问题,并在代码库中提交了修复方案。主要改进思路是:
- 减少不必要的SharedPreferences写入操作
- 缓存isPerformanceMonitoringEnabled()的结果,避免重复检查
- 优化配置更新的触发机制
最佳实践建议
对于开发者而言,在等待官方修复版本发布期间,可以:
- 评估自定义跟踪点的必要性,减少不必要的跟踪
- 在高频调用的代码路径中谨慎使用性能跟踪
- 监控ANR报告,识别性能瓶颈
- 考虑暂时禁用某些性能跟踪功能
总结
Firebase Performance Monitoring是一个强大的工具,但不当的实现细节可能导致严重的性能问题。这次发现的SharedPreferences频繁写入问题提醒我们,即使是看似无害的配置检查,在频繁调用时也可能成为性能瓶颈。开发者应当关注这类底层实现细节,并在性能敏感场景中进行充分测试。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
热门内容推荐
最新内容推荐
3D动漫渲染与卡通风格实现:Poiyomi Toon Shader全解析7个颠覆性技巧:用Virt-Manager实现虚拟机管理效率倍增告别会议截止日焦虑:AI Deadlines让全球学术日程管理化繁为简3个步骤掌握ESP32音频开发:从硬件连接到物联网音频方案突破设备限制:VR-Reversal解锁3D视频新玩法——普通设备实现自由视角观看的技术方案开源工具G-Helper启动优化与故障解决指南4大维度破解地理空间智能难题:面向研究者与从业者的AI工具指南3步掌握英雄联盟回放深度分析:从安装到战术拆解Windows驱动签名绕过与内核工具实践指南CyberdropBunkrDownloader:多平台文件下载工具全解析
项目优选
收起
暂无描述
Dockerfile
675
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
627
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
947
886
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
398
302
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.56 K
909
暂无简介
Dart
920
228
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381
昇腾LLM分布式训练框架
Python
142
169
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
133
212