Android平台下的cpu利用率优化实现

背景

为了进一步优化APP性能，最近针对如何提高应用对CPU的资源使用、以及在多线程环境下如何提高关键线程的执行优先级做了技术调研。本文是对技术调研过程的阶段性总结，将分别介绍普通应用如何调控App频率、如何将指定线程绑定到特定CPU、如何通过提升线程优先级获得更多CPU时间片的执行。

CPU调频

概念

通常更高的cpu频率代表了更快的运行速度，一个设备可能包含多个cpu，以我目前使用的Mi 11 Pro为例，它的CPU为8核分别为，1 x 2.84GHz (ARM 最新Cortex X1 核心)+3 x 2.4GHz (Cortex A78)+4 x 1.8GHz (Cortex A55) 。 这里列出的CPU频率为CPU物理理论上的最大频率，在实际运行过程中cpu的频率范围为governor动态控制的。目前的Androd设备普遍采用 schedutil gover进行调频控制，它会根据运行过程的CPU负载进行调频，不过默认的调频存在一些限制，比如调频之间的间隔需>10ms, 并且根据schedutil的升频计算公式，并不保证能直接升频到最高频率。

在实际应用中，如果我们已经知道接下来需要执行高cpu负载任务，通过提前主动升频来提升性能，就能减少卡顿或者提高任务的执行耗时。

在Android 系统可以通过 echo [频率] > /sys/devices/system/cpu/cpu*/cpufreq/scaling_setspeed 来修改目标CPU的频率，但这需要root权限才能执行。对于普通的应用程序，经过调研发现，高通提供了一套针对高通芯片的性能控制SDK Performance , 利用这个套机制可以实现CPU频率等资源的管理。

高通提供的这套SDK分为多个模块, 关于详细的介绍可以参考文章：https://juejin.cn/post/7141196697555714079

总之我们需要知道，在Java层 /android/util/BoostFramework.java类封装了一些基本的API提供给framework层调用。

由于这是高通CPU平台特定的特定实现，在aosp开源代码中无法直接搜索到该类，不过经过一番搜索，从其他开源系统中我找到了这个类的实现.

实现

通过阅读BoostFramework的源码，可以发现其实现主要是对 QPerformance.jar 和UxPerformance.jar中的API进行了一层反射调用包装。那么一样的，我们也可以通过封装对 BoostFrameWork类的调用提供我提频能力。

不过这些函数似乎并不是默认公开的内容，直接通过google搜索并没有找到关于BoostFramwork或者高通Performance API的相关信息。最后还是通过其他各种关键字检索，终于找到了部分有效信息

通过对应API文档及使用示例得知perfLocakAcquire 该函数接受 2个参数，第一个参数为持续时间、第二个参数为一个int数组，表示具体的操作，数组中的内容为 k-v 结构形式，比如 [config1,value,config2,value] . 该函数执行时会返回一个 PerfLock句柄，后续通过调用 perfLockReleaseHandler 可以提前取消之前的操作。

这里简单罗列一些配置项对应的值

/**
         * 是否允许CPU进入深度低功耗模式， 对应 /dev/cpu_dma_latency, 默认空，不允许则设置为1
         */
const val MPCTLV3_ALL_CPUS_PWR_CLPS_DIS = 0x40400000

/**
         * 对应控制小核最小频率
         */
const val MPCTLV3_MIN_FREQ_CLUSTER_LITTLE_CORE_0 = 0x40800100

/**
         * 对应控制小核最大频率
         */
const val MPCTLV3_MAX_FREQ_CLUSTER_LITTLE_CORE_0 = 0x40804100

/**
         * 对应控制大核最小频率
         */
const val MPCTLV3_MIN_FREQ_CLUSTER_BIG_CORE_0 = 0x40800000

/**
         * 对应控制大核最大频率
         */
const val MPCTLV3_MAX_FREQ_CLUSTER_BIG_CORE_0 = 0x40804000

/**
         * 对应控制超大核最小频率
         */
const val MPCTLV3_MIN_FREQ_CLUSTER_PLUS_CORE_0 = 0x40800200;

/**
         * 对应控制超大核最小频率
         */
const val MPCTLV3_MAX_FREQ_CLUSTER_PLUS_CORE_0 = 0x40804200

/**
         * 不太清楚，似乎是调度加速
         */
const val MPCTLV3_SCHED_BOOST = 0x40C00000;

完整的配置项可以参见github:https://github.com/Knight-ZXW/AppOptimizeFramework/blob/master/docs/qualcomms.txt

另外，如何确定我们的设备包含高通的这套性能调控SDK呢？可以通过查看你的Android设备存储路径/system/framework/路径，如果包含了 QPerformance.jar 及 QXPerformance.jar 就表示接入了SDK。

根据上面的知识点，最终该工具类完整的实现代码如下

首先在init 函数中反射并获取 "android.util.BoostFramework”类的相应函数
提供 boostCpu 函数，该函数传入一个参数，表示提升cpu频率持续多久，该函数内部调用perfLockAcquire 函数将所有CPU频率提升到最高值
提供 stopBoost 函数，该函数会将前面调用的boostCpu 效果提前取消

package com.knightboost.optimize.cpuboost

import android.content.Context
import java.lang.reflect.Method
import java.util.concurrent.CopyOnWriteArrayList

class QcmCpuPerformance : CpuPerformance {

    companion object {
        const val TAG = "QcmCpuPerformance";
        /**
         * 是否允许CPU进入深度低功耗模式， 对应 /dev/cpu_dma_latency, 默认空，不允许则设置为1
         */
        const val MPCTLV3_ALL_CPUS_PWR_CLPS_DIS = 0x40400000

        /**
         * 设置小核最小频率，十六进制
         */
        const val MPCTLV3_MIN_FREQ_CLUSTER_LITTLE_CORE_0 = 0x40800100

        /**
         * 设置小核最大频率, 十六进制
         */
        const val MPCTLV3_MAX_FREQ_CLUSTER_LITTLE_CORE_0 = 0x40804100

        /**
         * 设置大核最小频率，十六进制
         */
        const val MPCTLV3_MIN_FREQ_CLUSTER_BIG_CORE_0 = 0x40800000

        /**
         * 设置大核最大频率，十六进制
         */
        const val MPCTLV3_MAX_FREQ_CLUSTER_BIG_CORE_0 = 0x40804000

        const val MPCTLV3_MIN_FREQ_CLUSTER_PLUS_CORE_0 = 0x40800200;

        const val MPCTLV3_MAX_FREQ_CLUSTER_PLUS_CORE_0 = 0x40804200

        /**
         * 调度优化?  启动 值为01
         */
        const val MPCTLV3_SCHED_BOOST = 0x40C00000;

    }

    var initSuccess = false

    lateinit var acquireFunc: Method
    lateinit var mPerfHintFunc: Method
    lateinit var releaseFunc: Method
    lateinit var frameworkInstance: Any

    var boostHandlers = CopyOnWriteArrayList<Int>()

    /**
     * 配置: 请求将所有CPU核心频率拉满,并禁止进入深入低功耗模式
     */
    private var CONFIGS_FREQUENCY_HIGH = intArrayOf(
        MPCTLV3_SCHED_BOOST, 1,
        MPCTLV3_ALL_CPUS_PWR_CLPS_DIS, 1,
        MPCTLV3_MAX_FREQ_CLUSTER_BIG_CORE_0, 0xFFF,
        MPCTLV3_MAX_FREQ_CLUSTER_LITTLE_CORE_0, 0xFFF,
        MPCTLV3_MIN_FREQ_CLUSTER_BIG_CORE_0, 0xFFF,
        MPCTLV3_MIN_FREQ_CLUSTER_LITTLE_CORE_0, 0xFFF,
        MPCTLV3_MIN_FREQ_CLUSTER_PLUS_CORE_0, 0xFFF,
        MPCTLV3_MAX_FREQ_CLUSTER_PLUS_CORE_0, 0xFFF,
    )

    var DISABLE_POWER_COLLAPSE = intArrayOf(MPCTLV3_ALL_CPUS_PWR_CLPS_DIS, 1)

    /**
     * 初始化CpuBoost 核心功能
     */
    override fun init(context: Context): Boolean {
        try {
            val boostFrameworkClass = Class.forName("android.util.BoostFramework")

            val constructor = boostFrameworkClass.getConstructor(Context::class.java)
                ?: return false

            frameworkInstance = constructor.newInstance(context)

            acquireFunc = boostFrameworkClass.getDeclaredMethod(
                "perfLockAcquire", Integer.TYPE, IntArray::class.java
            )

            mPerfHintFunc = boostFrameworkClass.getMethod(
                "perfHint", Int::class.javaPrimitiveType, String::class.java, Int::class.javaPrimitiveType, Int::class.javaPrimitiveType
            )

            releaseFunc = boostFrameworkClass.getDeclaredMethod(
                "perfLockReleaseHandler", Integer.TYPE
            )
            initSuccess = true
            return true
        } catch (e: Exception) {
            initSuccess = false
            CpuBoostManager.boostErrorLog(TAG, "init failed", e)
            return false
        }
    }

    /**
     * 提升所有核心CPU频率到最高频率
     */
    override fun boostCpu(duration: Int): Boolean {
        if (!initSuccess) return false
        return try {
            perfLockAcquire(duration, DISABLE_POWER_COLLAPSE)
            perfLockAcquire(duration, CONFIGS_FREQUENCY_HIGH)
            return true
        } catch (e: Exception) {
            CpuBoostManager.boostErrorLog(TAG, "boostCpuFailed", e)
            false
        }
    }

    /**
     *   Toggle off all optimizations requested Immediately.
     *   Use this function if you want to release before the time duration ends.
     *
     *   这个函数并不强制调用，只用于提前取消所有已配置的加速效果。
     */
    override fun stopBoost() {
        val handlers = boostHandlers.toTypedArray()
        for (handler in handlers) {
            try {
                releaseFunc.invoke(frameworkInstance, handler)
            } catch (e: Exception) {
                e.printStackTrace()
            }
        }
    }

    /**
     * Toggle on all optimizations requested.
     * @param duration: The maximum amount of time required to hold the lock.
     *       Only a positive integer value in milliseconds will be accepted.
     *       You may explicitly call perfLockRelease before the timer expires.
     * @param list Enter all optimizations required. Only the optimizations in the
     *       table below are supported. You can only choose one optimization
     *       from each of the numbered sections in the table. Incorrect or
     *       unsupported optimizations will be ignored.
     *
     *       NOTE: Enter the optimizations required in the order they appear in the table.
     */
    private fun perfLockAcquire(duration: Int, list: IntArray): Int {
        val handler = acquireFunc.invoke(frameworkInstance, duration, list) as Int;
        if (handler > 0) {
            boostHandlers.add(handler)
        }
        return handler
    }

}

验证

通过读取/sys/devices/system/cpu/cpu$cpuIndex/cpufreq/下的文件，可以获取对应cpu所能运行的最小、最大、以及当前的频率。

在提频前，当前设备的cpu频率信息如下

可以发现提频前，0-3 这些小核中，3个运行在最大调频频率，1个运行在最小调频频率，4-6中核都运行在最小频率，7号大核直接摸鱼运行在最小频率。

在提频后，运行数据如下：

可以看出，进行提频后，所有核心都运行在最大频率上，整机频率相比之前提升30%, 当然在实际运行过程中，提频前的工作频率并不会这么低，这里的数据是从CPU几乎空闲状态到直接满频的情况。

线程CPU亲和性

概念

根据wikipedia上的解释，通过设置CPU亲和性可以控制线程在哪些CPU上运行。

通过CPU亲和性的概念可以提高线程的运行效率，比如由于cpu存在缓存机制，通过cpu亲和性(CPU Affinity)让同一个线程被重新调度时，尽量调度到同一个处理器上，这样就可以可以避免不必要的 Cache Miss。另一种情况，比如对于一组相同的任务，它们需要访问的内存大部分是相同的，如果控制这组任务调度在相同的CPU上，也可以共享相同的cache，从而提高程序的访问效率。

CPU亲和性分位2种，分别为软亲和性和硬亲和性。

软亲和性: linux系统会竟可能将一个进程保持在指定的CPU上运行，但不严格保证，当所指定的CPU非常繁忙时，它可以迁移到其他空闲CPU上执行
硬亲和性：linux系统允许指定某个进程运行在特定的一个或一组CPU上，并且只能运行在这些特定的CPU上。

在下文中，我们讨论的亲和性控制将只涉及到硬亲和性。

亲和性控制

API

在linux系统中，可以通过taskset命令或者程序中调用 sched_setaffinity 指定线程的cpu亲和性。

taskset的具体用法为 taskset [-ap] [mask] [PID]

这里的mask指的是CPU掩码，CPU掩码描述了具体哪些CPU，以8核CPU为例，

二进制 00000011 (十进制值为3)，表示CPU序号1 和2, 当调用命令 tasket -p 3 2001 表示序号为2001的进程将只会运行在 cpu 1 或2 上。也就是说CPU掩码根据对应二进制位置及其0或1的值，表示某个线程的CPU相关亲和性。

当我尝试在 Android设备上直接调用 taskset命令，系统提示无权限。

为了进一步了解 taskset程序的实现，为后续我们自己实现CPU控制提供参考，这里研究了一下其实现代码。该工具的实现源码在 util-linux项目中。

上面提示的 failed to get xx's affinity其实是在调用 sched_getaffinity 函数时就失败了。这里我的设备未Root，因此猜测原因为 sched_setaffinity 、sched_getaffinity 底层涉及的系统调用只有当前进程才有权限控制其自身的affinity属性。

通过其源码实现可以发现该工具实现就是套了层皮，底层实现还是调用的 sched_setaffinity函数。

应用层控制实现

有了上述背景，在native层编写一个cpu亲和性控制的函数就比较简单了，主要涉及到sched.h头文件的几个函数，以下为最终实现示例代码

#include <jni.h>
#include "unistd.h"
#include "sched.h"
#include "android/log.h"
Java_com_knightboost_optimize_cpuboost_ThreadCpuAffinityManager_setCpuAffinity(JNIEnv *env,
                                                                            jclass clazz,
                                                                            jint tid,
                                                                            jintArray cpu_set) {
  if (tid <= 0) {
    tid = gettid();
  }
  // 获取当前CPU核心数
  int cpu_count = sysconf(_SC_NPROCESSORS_CONF);
  jsize size = env->GetArrayLength(cpu_set);
  jint bind_cpus[size];
  env->GetIntArrayRegion(cpu_set, 0, size, bind_cpus);
  
  cpu_set_t mask;
  CPU_ZERO(&mask);
  for (jint cpu : bind_cpus) {
    if (cpu > 0 && cpu < cpu_count) {
      CPU_SET(cpu, &mask); //设置对应cpu位置的值为1
    } else {
      __android_log_print(ANDROID_LOG_ERROR,
                          "TCpuAffinity",
                          "try bind illegal cpu index %d",cpu);
    }
  }

  int code = sched_setaffinity(tid, sizeof(mask), &mask);
  if (code == 0) {
    // return success
    return JNI_TRUE;
  } else {
    __android_log_print(ANDROID_LOG_ERROR,
                        "TCpuAffinity",
                        "setCpuAffinity() failed code %d",code);
    // return failed
    return JNI_FALSE;
  }

}

该函数中，首先获取了当前的CPU核心数，接下来创建一个 cpu_set_t mask变量，调用宏函数 CPU_SET 将对应位置的二进制值设置为1, 最后调用 sched_setaffinity 设置相应线程的cpu亲和性。

在实际应用场景中，我们可以将某个线程需要执行繁重任务时，将它绑定到大核上，当任务执行结束时，再还原原始的cpu亲和性值或者将其cpu亲和性值重置为所有CPU。

验证

到目前所讲的都还是理论阶段，那么我们如何确认修改线程的CPU亲和性之后，这个线程确实被迁移到目标CPU上执行了呢？

在之前写过的一篇CPU相关的文章《Android 高版本采集系统CPU使用率的方式》中，我们提及了 stat文件记录了线程当前指向状态的相关信息。根据linux手册，第 39 处的值就表示了该线程最后运行的CPU。

因此通过读取该文件，我们就可以获取线程所运行在哪个CPU上：

/**
     * 获取目标线程最后运行在哪个CPU
     */
    fun getLastRunOnCpu(tid:Int):Int{
        var path = "/proc/${android.os.Process.myPid()}/task/${tid}/stat"
        try {
            val content = File(path).readText()
            var arrays = StringUtil.splitWorker(content,' ')
            var cpu = arrays[38]
            return cpu.toInt()
        }catch (e:Exception){
            // this task  may already have ended
            return -1;
        }

    }

这里我们需要获取Java线程对应操作系统的线程id(tid),关于 tid 的获取可以参考之前的文章：https://juejin.cn/post/7138690370694545415

我们通过获取Java Thread对象的 nativePeer值，这个地址对应了Android native层的Thread对象指针地址，再根据tls_32bit_sized_values结构的tid属性偏移值，进行类型强转，从而获取系统线程id。

在Demo中，在修改目标线程CPU后，我们可以持续打印这个值，以验证绑核是否成功。

这里我尝试将目标线程的 affinity修改为大核(CPU序号7)，打印结果如下

可以看到，在执行修改前，目标线程的cpu亲和性为0~7核心，且最近1秒基本运行在cpu核心2上，在修改CPU亲和性为 cpu7后，目标线程只会运行在cpu7 上。这验证了功能确实生效了。

线程优先级

概念

除了CPU频率、线程CPU亲和性，线程的优先级也会影响线程对cpu的使用，线程优先级更高意味该线程有更高的概率获得CPU的执行，分配到更多的CPU时间片。

实现

在Android平台下，可以通过Process.setThreadPriority(int tid, int priority) ，这适用于无法获取目标线程的Thread对象，只知道目标线程tid的情况。

当然，如果能够获取到Thread对象，也可以通过 Thred对象的 setPriority(int newPriority)设置。

需要注意的是，这2个函数优先级int值的定义和范围是不同的，第一个函数是Android系统提供的Java接口，它的取值范围为-19~~20 对应linux的 nice值, 而第二个函数是Java jdk提供的，它的优先级范围为1~~10。

另外，Process.setThreadPriority(int tid, int priority) 这里的tid 需要的是实际的操作系统线程ID，而不是Java中Thread的id。

另一方面，Thread.setPriority(int newPriority) 函数设置的优先级并没有达到最大值，我们可以测试下使用Thread对象的设置优先级函数为最高值(Thread.MAX_PRIORITY) 之后的nice值，并和 Process.setThreadPriority进行比较,测试代码如下:

Thread{
    var currentThread = Thread.currentThread()
    var tid = ArtThread.getTid(currentThread)
    Log.e("priorityTest","当前线程 $tid" +
            " java优先级 ${currentThread.priority} nice值 ${ThreadUtil.getNice(tid)}")
    currentThread.priority=Thread.MAX_PRIORITY;
    Log.e("priorityTest","使用 Thread.setPriority 设置最高优级10 后  nice值 ${ThreadUtil.getNice(tid)}")
    Process.setThreadPriority(tid,-20)
    Log.e("priorityTest","使用 Process.setThreadPriority 设置最高优级-20 后  nice值 ${ThreadUtil.getNice(tid)}")
}.start()

测试结果如下:

由此可见，如果希望最大程度提高线程优先级的话，还是需要使用Process的相关函数。

那么这里为什么Android系统下通过Thread.setPriority 设置的最高优先级nice值为什么为-8呢？通过跟踪native层代码路径发现，这里Java线程优先级的1~10 对应的nice值使用了一个数组存储了对应的优先级，其中的最高优先级10对应的 ANDROID_PRIORITY_URGENT_DISPLAY 对应的nice值就为-8

Android系统对于什么情况下使用什么nice值完整定义如下：

验证

为了验证设置线程优先级对线程获得CPU时间片的提升效果，我们创建一组工作线程，并同时执行，每个线程会执行一个类似死循环的工作，这样每个线程都不会主动让出CPU，工作5秒后，计算当前线程得到CPU执行的时间。为了更好对比线程优先级对CPU时间片分配的影响，我们将这组线程统一绑定到一个核心上，这样可以更好的观测线程优先级对CPU时间片分配的的影响。

根据输出结果可以发现，优先级为-20的线程占用了cpu98%的执行时间，其他线程几乎没得到执行。

而如果将线程优先级修改为0，也就是默认的线程优先级，那么这4个线程将会得到几乎相同的执行时间。

从这个结果看，线程优先级的效果还是比较明显的。

不过在实际情况中，如果这些线程并没有特别指定在某个CPU执行，那么它们可能会在任何CPU上执行，系统会自动将线程调度到其他不繁忙的CPU上。

以下是指定了 task4的优先级，但并没有绑定CPU核的情况输出的结果:

这里有2个信息

一开始task 2、3被分配cpu上，task 1、4被分配在cpu5上，由于我们的任务几乎是一个空循环任务，对CPU的使用率较高，此时每个任务都无法得到足够的CPU时间片执行，而1、4核心可能又几乎是空闲的，因此系统自动将部分线程迁移到空闲的CPU上执行
由于线程被分配的不同的CPU上，因此这几个线程之间不存在优先级比较关系，因此每个任务都得到了充足的cpu时间执行

从这里我们也可以看出，不合理的强绑定CPU核心，有时候可能会起到反效果。

最后

本文只是分享了Android系统下自主控制cpu频率、线程指定核心和优先级的方式，不过这些能力需要具体落实到业务场景才能够获得实际的收益。

如果通过本文对你有所收获，可以来个点赞、收藏、关注三连，后续将分享更多性能监控与优化相关的文章。

也可以关注我的个人公众号：编程物语

本文相关测试实现代码已开源至: https://github.com/Knight-ZXW/AppOptimizeFramework

APM性能监控与优化专栏

性能优化专栏历史文章：

文章	地址
抖音消息调度优化启动速度方案实践	https://juejin.cn/post/7217664665090080826
扒一扒抖音是如何做线程优化的	https://juejin.cn/post/7212446354920407096
监控Android Looper Message调度的另一种姿势	https://juejin.cn/post/7139741012456374279
Android 高版本采集系统CPU使用率的方式	https://juejin.cn/post/7135034198158475300
Android 平台下的 Method Trace 实现及应用	https://juejin.cn/post/7107137302043820039
Android 如何解决使用SharedPreferences 造成的卡顿、ANR问题	https://juejin.cn/post/7054766647026352158
基于JVMTI 实现性能监控	https://juejin.cn/post/6942782366993612813

参考资料

https://www.iteye.com/blog/429564140-2410445
https://usermanual.wiki/Document/kba1807200050301qualcommandroidgoperformancetuningguide.1956213859/view
https://lwn.net/Articles/792502/
https://dumps.tadiphone.dev/dumps/oneplus/op516el1/-/blob/qssi-user-13-SKQ1.220519.001-S.202208250304-release-keys--ALLNET/vendor/etc/powerhint.xml
https://deepinout.com/qcom-camx-debug-user-guide/camx-perf-debug-user-guide/qcom-perflock-usage.html
http://www.manongzj.com/blog/31-sgltmktizd.html
powerhint.xml、powerhint.xml
https://en.wikipedia.org/wiki/Processor_affinity