博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
Instruments使用小记(2012-11-28更新)
阅读量:4197 次
发布时间:2019-05-26

本文共 2263 字,大约阅读时间需要 7 分钟。

转载自:

做资料备份用

 

1. 内存泄露的检测。

是编码过程中最基本的一类问题,即请求了内存分配,却没有归还给操作系统。

使用Instrument可以帮助我们进行内存泄露的检测,不过先想想,如果要我们来检测内存泄露,会怎么做呢?一种最直接的方法就是通过遍历构造一张堆上的内存分配、引用图,检测每一块内存是否有引用存在。如果没有,则表示存在内存泄露;如果有,却并不代表不是内存泄露。所以,Instruments并不能检测出所有的内存泄露。

我们可以简单地分配一块内存,不释放,来检测内存泄露:

[cpp]
  1. NSArray *array = [[NSArray alloc] initWithObjects:@"1", @"2", nil];  
NSArray *array = [[NSArray alloc] initWithObjects:@"1", @"2", nil];

然后使用Instruments的Leak检测功能,可以得到下图:

橙色区域表示存在内存泄露,很显眼。并且在下方会显示出具体的代码位置:

此时,我们可以打开Extended Detail视图观察具体的函数调用,确定分别在哪里发生了泄露:

双击可以打开源文件(右上Xcode图标可以通过Xcode打开源文件进行定位):

但是,并非所有类型的对象都可以被检测出来,比如UI对象以及NSString,猜测是由于存在对这些资源的内部管理机制。

下面的代码,Instrument并不能检测出内存泄露:

[cpp]
  1. NSString *string = [[NSString alloc] initWithString:@"LeakString"];  
  2.   
  3. UILabel *label = [[UILabel alloc] init];  
  4. label = nil;  
  5.   
  6. UIButton *btn = [[UIButton alloc] init];  
NSString *string = [[NSString alloc] initWithString:@"LeakString"];UILabel *label = [[UILabel alloc] init];label = nil;UIButton *btn = [[UIButton alloc] init];

 

2. 使用Heapshot进一步观察内存泄露。

如果有指针指向一片内存区域,但代码无法再访问到该指针;或者存在循环引用。这些情况下,Instrument都无法检测出内存泄露。

不过Instruments提供了堆快照来进一步观察:

理想情况下,我们进入一个ViewController,然后再退回来,如果得到合理分配和释放的话,堆的增长应该是零(或者趋向零,因为有些资源可能iOS自己管理住了):

如果内配和释放不合理的话,通常每次堆快照都会有所增长,并且在多次重复操作后,依然增长:

如果存在这种情况,就需要特别关注下。

同样地,我们也可以通过Extended Detail视图来查看此时的函数调用信息,确定这些增长发生在哪里。

3. Zombie Messaged

访问野指针。直接原因是通过指针释放对象后,指针没有置空;间接原因可能是过于随意地使用autorelease的对象,系统释放后,我们还访问。关于什么时候系统会释放auto-released对象,可以参照我写的。

[cpp]
  1. - (void)zombieTest:(id)sender  
  2. {  
  3.     UILabel *label = [[UILabel alloc] init];  
  4.     [label release];  
  5.     [sender addSubview:label];  
  6. }  
- (void)zombieTest:(id)sender{    UILabel *label = [[UILabel alloc] init];    [label release];    [sender addSubview:label];}

 

如上代码,就会让程序挂掉,而且有时候很难排查。这种情况可以通过Instruments的Zombie选项来跟踪:

开启最下面的选项“Enable NSZombie detection”,然后跑一下程序:

同样可以定位到相应的代码:

4. Time Profiler

当我们发现App有点卡的时候,可以通过Time Profiler来看耗时在哪里。

 

通过运行时间可以找出卡在哪里,从而进行优化。

但耗时最多的并不一定就是App流畅性的瓶颈。举个例子,我之前写了一个瀑布流控件(),在实现cell重用机制的基础上,仍然发现滚动时候有点卡。于是我通过Time Profiler观察,发现scrollViewDidScroll的耗时占比有点高,以为在滚动回调函数做的事情太多,我陷进了在相关代码上死命寻找可优化的坑上,走上了过度优化的岔路。后来发现,是由于当时团队成员修改了图片异步加载相关代码导致的。

5. 真机观察Core Animation性能

通过联调真机,可以观察到运行时每秒绘制了多少帧(60帧封顶):

 

当帧率偏低时,就得注意优化了。

调试过程中,可以通过设置左侧面板的调试选项来获得更多信息:

比如上图中,我们勾选了“Color Blended Layers”选项,可以得到如下红绿分布图:

其中绿色代表不透明部分,红色代表透明部分。红色部分越多,对性能影响也越大,因为GPU需要对这些透明部分进行特殊处理(重复绘制)。

 

 

你可能感兴趣的文章
hi3559av100 编译 Hi3559AV100ES_SDK_V2.0.2.0 软件包 遇到的问题
查看>>
linux 交叉编译 tcpdump以及tcpdump的使用
查看>>
海思平台GDB调试程序
查看>>
嵌入式系统中设置系统时区
查看>>
Windows系统中通过命令查看文件的MD5,SHA1,SHA256校验值
查看>>
x264编码 1pass 与 2pass 性能质量对比
查看>>
Docker 容器化技术介绍(一) 之 虚拟化技术
查看>>
Docker 容器化技术介绍(二) 之 Docker 简介
查看>>
Docker 容器化技术介绍(三) 之 Docker 组件
查看>>
Docker 容器化技术介绍(四) 之 Docker的安装与启动
查看>>
Docker 容器化技术介绍(五) 之 Docker 镜像操作
查看>>
Docker 容器化技术介绍(六) 之 Docker 容器操作
查看>>
Docker 容器化技术介绍(七) 之 Docker 应用部署
查看>>
Docker 容器化技术介绍(八) 之 Docker 备份与迁移
查看>>
ffmpeg 转码线程数的控制
查看>>
Docker 容器化技术介绍(九) 之 Docker 安装指定版本安装包
查看>>
python 能不能像执行 .exe 文件一样执行 .py 文件呢?
查看>>
Android studio 视频播放(利用Android原生的videoview)
查看>>
“mediacodec” 报错 “No Java virtual machine has been registered”
查看>>
Android Studio 常用系统设置
查看>>