前言：
之前根據(jù) Android Studio Profiler 查看卡頓問題 已經(jīng)解決了部分已知問題「即：有明確場景，進而暴露出來的問題」；
不足的點是：問題暴露之前尋找卡頓的點，抓取的 hprof 文件操作復(fù)雜，尋找問題時效率較低，具體每個函數(shù)的耗時不可統(tǒng)計 ；
所以需要尋找比較成熟的卡頓工具，幫助我們定位問題.

工具對比：
BlockCanary: 依賴主線程 Looper，監(jiān)控每次 dispatchMessage 的執(zhí)行耗時；
ArgusAPM / LogMonitor: 依賴 Choreographer 模塊，監(jiān)控相鄰兩次 Vsync 事件通知的時間差；

以上方式的問題：
無法獲取到各個函數(shù)的執(zhí)行耗時，對于稍微復(fù)雜一點的堆棧，很難找出可能耗時的函數(shù)，也就很難找到卡頓的原因；
通過其他線程循環(huán)獲取主線程的堆棧，如果稍微處理不及時，很容易導(dǎo)致獲取的堆棧有所偏移，不夠準確，加上沒有耗時信息，卡頓也就不好定位；

Matrix-TraceCanary 優(yōu)勢：
在編譯期間修改字節(jié)碼；
準確定位卡頓函數(shù)，并顯示堆棧/執(zhí)行次數(shù)/耗時；

使用問題：
TraceCanary 暴露 3 種類型問題：
??Trace_StartUp「啟動」
??Trace_EvilMethod「慢函數(shù)」
??Trace_FPS「幀率」
其中 Trace_EvilMethod 模塊中所給數(shù)據(jù)格式如下：

{
    "machine":"MIDDLE",
    "cpu_app":0.05800059283652189,
    "mem":6124523520,
    "mem_free":3195336,
    "detail":"NORMAL",
    "cost":230,
    "usage":"87.34%",
    "scene":"com.*.android.pokekara.*.main.*Activity",
    "stack":"0,1048574,1,230\n1,30791,1,226\n2,30756,1,226\n3,30754,1,226\n4,22474,1,226\n5,22603,1,226\n6,145827,1,204\n7,145985,1,199\n8,139523,1,128\n9,180666,1,128\n10,180669,1,128\n11,29838,1,11\n12,29855,1,11\n8,139524,1,66\n9,21060,1,66\n10,21116,1,49\n11,21207,1,17\n12,28079,1,17\n13,28035,1,17\n14,29464,1,17\n15,28388,1,17\n16,28293,1,17\n17,28296,1,17\n18,60995,1,12\n11,21145,1,11\n12,21152,1,11\n10,21063,1,12\n11,142855,1,12\n12,142531,1,12\n13,142851,1,12\n",
    "stackKey":"145985|",
    "tag":"Trace_EvilMethod",
    "process":"com.*.android.*",
    "time":1650008010859,
    "type":0,
    "build_id":"1650007387169",
    "device_id":"6862573909639700608",
    "upload_time":1650008010860
}

stack 為調(diào)用堆棧；
stackKey 則能唯一標識調(diào)用堆棧；
本文只針對 stack 如何解析，以方便開發(fā)人員定位問題；

matrix-stack 詳解：
stack每行格式：stack層級，方法id，方法執(zhí)行次數(shù)，方法執(zhí)行總耗時；
methodmap是插樁函數(shù)表，每行格式：方法id，方法accessType，類名，方法名，方法描述；

使用：

1. 將 matrix 生成的 methodMapping.txt 保存下來「每一次 build,會生成唯一對應(yīng) methodMapping.txt」;
2. 根據(jù) stack 生成 stack.log 文件，這塊是我自己用 python 寫的，最后生成 stack.log 文件如下：

0,1048574,1,300\n
1,29689,1,283\n
2,4534,1,283\n
...
11,83065,1,278\n
15,78775,1,278\n
...
24,3174,1,123\n
20,81443,1,67\n

注：上面的文件不能含有多余空格 按照格式去寫；

3. matrix-trace-processor download 項目到本地，執(zhí)行python腳本,生成

python3 main.py workflow_traces stack.log > stack_processor.txt methodMapping.txt

此時 stack_processor.txt 已經(jīng)是 DTrace 格式的堆棧文件，可以利用 FlameGraph 這個庫生成火焰圖，方便開發(fā)者生成調(diào)用棧；

注：這個庫同樣有腳本可以根據(jù) stack 生成 log 文件，但是我認為使用不方便，可以看這里matrix-trace-processor 解析

4. FlameGraph項目到本地，執(zhí)行腳本

 stackcollapse.pl stack_processor.txt > stack.folded
 flamegraph.pl stack.folded > stack.svg

最終將 stack 的 string 轉(zhuǎn)化為可直接在瀏覽器打開的 svg 格式的調(diào)用棧
注：電腦若為 windows 需要查看 perl 是否安裝，上面的腳本文件是用 perl 寫的

檢查 perl 是否已安裝：

perl -v

最終生成的文件如下：

stack.svg

經(jīng)過上面的步驟，自己開發(fā)用來檢測已經(jīng)可以了，but 我「Andorid」做了一個 python 項目「因為后端沒人鳥我」，把 matrix 的日志上報到服務(wù)端，可根據(jù) 方法耗時cost 和 stackKey 去查看 svg 文件，方便組內(nèi)人員開發(fā)；
需要 python + 數(shù)據(jù)庫，就能做這個事情，有興趣可以整一下；

感謝
matrix-trace-processor
FlameGraph