关于嵌入式（移动）软件的性能问题

花费时间比重很高的函数。

包含全部子函数花费比重很高的函数。

调用次数非常高的函数。

文件IO

关注IO的频度和通量。复杂的性能问题通常看不出IO明显的异常，但是要结合设计约束来分析，就能找到一些线索。比如一次路径计算他的搜索空间会达到2，3万，我们由此可以计算出理论上的io访问量，如果发现实际数值有异常，就可以推断出Cache抖动或其他问题。

内存访问

内存操作也是制约性能的一个关键因素，观察哪些调用非常频繁的函数，比如上文的路径算法GetNodeByID，调用30万次，每个Node结构体1.5k，总共copy量达到450M。这显然会成为性能问题，所以在新结构中，设计了精简紧凑的Node结构和平板Cache(直接访问而不需要Copy)，大幅降低了内存Copy。

内存分配/释放/碎片通常也是性能问题的一个重要因素，我们的架构采用了小内存优化，因此这个问题还不突出，也还有很多开源的方案，如GooglePerfTools，dlmalloc，wtf等。

Cache命中

Cache通常位于系统不同层的边界上，Cache的性能对系统影响很大

获取Cache的一些工作状态指标，如命中率，回收效率。

架构级别的性能问题单独的分析某一个数据通常很难下结论，需要同一个时间点不同架构层的性能数据，也需要不同时间的性能数据曲线。

尝试一下系统在不同条件下表现出来的性能数据流，甚至是边界情况，实际的工况跑不出来，就写测试程序压出来。

Cache为0和Cache为无穷大，系统性能曲线会怎么变化?

分析Cache在极限情况下系统的整体性能很有帮助，可以由此推断出Cache上下的两个系统层面的性能开销比例。

模拟一个慢3倍的IO读写，系统性能曲线会怎么变化?

不同的数据类输入，系统性能曲线会怎么变化?

对于那些需要经常性分析性能故障的系统，最好设计一个log系统，会大幅提高工作效率，log系统异步的把各个部分的指标数据收集起来，可通过PC端的工具图表化。

性能Tips

整体性能的改进和优化的一般性方法。

数据结构/组织：嵌入式设备上的CPU，总线，IO速率都远不及PC，所以对于在嵌入式设备上做大数据量处理(如路径计算，AI，图形)时，降低数据处理的计算总量就很重要。

快速的压缩方法。

精简的数据结构设计。(减少那些需要大规模访问的结构的尺寸)