如何理解Macrobenchmark 与人工 Trace？

返回 构建与质量门禁 目录

标准回答

Macrobenchmark适合重复测量跨进程的启动、交互和帧等场景，可以固定测试步骤和编译模式；人工Trace擅长查看具体慢样本的线程、依赖和显示链路。Microbenchmark更适合边界明确的小段代码，不替代整机体验。

基准应运行在真实设备与接近发布的构建条件下，避免用debug构建推断最终性能。自动化脚本要确保每轮进入同一页面状态，处理权限弹窗、网络数据和首次引导等干扰。

业务实现可以继续使用 Java；基准工具的语言、依赖和配置要求应单独核查。引入 Macrobenchmark 时先选择一个稳定入口完成小范围验证，再扩展覆盖，不必为了采用工具而整体迁移业务语言。

追问与回答

基准显示提升，用户仍反馈卡顿怎么解释

基准场景覆盖可能不足，目标设备和实际负载不同，尾部或首屏后问题被遗漏。先用用户场景完善测量，而不是否定反馈。

参考资料

• Android Macrobenchmark

内容来源

• Android 与 AI 工程 Wiki · 原条目 q095