iOS Trace 数据解析

概览

本文档介绍如何解析和分析 Xcode Instruments 生成的 Trace 文件。Trace 文件包含了应用运行时的性能数据，包括 CPU 使用情况、函数调用堆栈、线程信息等。通过解析 Trace 文件，可以深入了解应用的性能特征，定位性能瓶颈。

主要内容：

基本概念：理解 Trace 文件中的关键概念，如 all_weight 和 self_weight
符号化：将内存地址转换为可读的函数名和代码位置
文件格式：了解 Trace 文件的内部结构
解析流程：掌握解析 Trace 文件的完整流程
数据统计：学习如何正确统计和分析性能数据

一、基本概念

1.1 all_weight 和 self_weight

在 Instruments 的性能数据中，每个函数都有两个重要的时间指标：

all_weight：包含子函数调用的总执行时间
表示函数及其所有子函数的总耗时
用于了解函数在整个调用链中的总开销
self_weight：函数自身执行时间（不包含子函数调用）
表示函数本身的执行时间，不包括调用其他函数的时间
用于了解函数本身的性能开销

关系公式：

all_weight = self_weight + sum(子函数的 all_weight)

示例：

假设函数 A() 调用了 B() 和 C()：

A() {
    // self_weight = 10ms
    B();  // all_weight = 20ms
    C();  // all_weight = 30ms
}

A 的 all_weight = 10 + 20 + 30 = 60ms
A 的 self_weight = 10ms

使用场景：

all_weight：用于分析函数在整个调用链中的总开销，适合定位性能瓶颈
self_weight：用于分析函数本身的性能，适合优化函数内部实现

1.2 Trace 文件结构

Trace 文件是 Instruments 生成的性能数据文件，包含以下核心元素：

id：所有元素都有一个全局唯一的 id
weight：表示执行时间或权重
text-address：函数调用地址
backtrace：调用堆栈信息
thread：线程信息

二、符号化

符号化是将内存地址转换为可读的函数名和代码位置的过程。这是解析 Trace 文件的关键步骤。

2.1 符号化流程

完整流程：

生成模块列表文件：获取所有模块的 UUID 和基本信息
使用 atos 命令符号化地址：将内存地址转换为函数名和行号
生成 Symbols 文件：为后续解析准备符号信息

2.2 查看模块 UUID

每个模块（可执行文件、动态库等）都有一个唯一的 UUID，用于标识和匹配符号文件。

方法一：使用 symbols 命令

'/Applications/Xcode.app/Contents/Developer/usr/bin/symbols' -uuid 'WeMeetApp.app.dSYM/Contents/Resources/DWARF/WeMeetApp'

方法二：使用 dwarfdump 命令

xcrun dwarfdump --uuid *.dSYM

输出示例：

UUID: 7C6E3623-FD50-3603-82E3-7F4F29B5DF76 (arm64) WeMeetApp.app.dSYM/Contents/Resources/DWARF/WeMeetApp

2.3 获取模块信息

获取模块的基地址和大小等信息，用于地址计算。

'/Applications/Xcode.app/Contents/Developer/Toolchains/XcodeDefault.xctoolchain/usr/bin/otool' -arch arm64 -l '/Users/mjzheng/Library/Developer/Xcode/iOS DeviceSupport/14.1 (18A8395)/Symbols/usr/lib/system/libsystem_pthread.dylib'

关键信息：

基地址（Load Address）：模块在内存中的起始地址
大小（Size）：模块的大小
架构（Architecture）：arm64、armv7 等

2.4 生成 Symbols 文件

生成符号文件包，用于后续的符号化过程。

xcrun symbols -arch all -symbolsPackageDir symbols WeMeetApp.app.dSYM/Contents/Resources/DWARF/WeMeetApp

参数说明：

-arch all：生成所有架构的符号文件
-symbolsPackageDir symbols：指定符号文件输出目录
最后一个参数：dSYM 文件的路径

输出：

会在 symbols 目录下生成以 UUID 命名的 .symbols 文件，例如：

symbols/7C6E3623-FD50-3603-82E3-7F4F29B5DF76.symbols

参考：Google 搜索关键词：xcrun symbols

2.5 使用 atos 符号化

使用 atos 命令将内存地址转换为函数名和行号。

# 基本用法
atos -o <binary> -l <load_address> <address>

# 示例
atos -o WeMeetApp.app/WeMeetApp -l 0x100000000 0x100001234

参数说明：

-o：指定可执行文件或 dSYM 文件
-l：指定模块的加载地址（Load Address）
最后一个参数：要符号化的内存地址

输出示例：

-[ViewController viewDidLoad] (in WeMeetApp) (ViewController.m:45)

三、Trace 文件格式

3.1 Trace 文件结构

Trace 文件（.trace）是 Instruments 生成的二进制文件，可以通过 xctrace 命令导出为 XML 格式进行分析。

导出 XML：

xcrun xctrace export --input 34.trace --xpath '/trace-toc/run[@number="1"]/data/table[@schema="time-profile"]' --output 34.xml

3.2 Symbols 文件格式

Symbols 文件以模块的 UUID 命名，格式为：

<UUID>.symbols

示例：

7C6E3623-FD50-3603-82E3-7F4F29B5DF76.symbols

前缀为 UUID，用于标识模块。

3.3 XML 格式说明

导出的 XML 文件包含以下核心元素：

基本元素

所有元素都有一个全局唯一 id：用于建立元素之间的关联关系

weight 元素

weight fmt：表示执行时间
单位通常是微秒（microseconds）
用于计算函数或堆栈的执行时间

text-address 元素

表示函数调用链：一个地址对应一个函数调用
根函数在最末尾：调用链的顺序是从调用者到被调用者
多个 text-address 组成调用堆栈

示例：

<text-address id="123">0x100001234</text-address>
<text-address id="124">0x100002345</text-address>

backtrace 元素

一个 backtrace 表示一个调用堆栈
包含多个 text-address：按照从上到下的顺序组成调用堆栈
关联一个 weight id：表示该堆栈的执行时间

结构示例：

<backtrace id="456">
  <text-address id="123"/>
  <text-address id="124"/>
  <weight id="789"/>
</backtrace>

调用堆栈顺序：

函数A (顶层，调用者)
  └─ 函数B
      └─ 函数C (底层，被调用者)

四、解析流程

4.1 解析步骤

Trace 文件 id 是唯一的，text-addresses 顶层地址在最后面，一个线程有多个 backtrace id。

完整解析步骤：

获取 id->item 的字典
建立所有元素的映射关系
通过 id 快速查找对应的元素
建立 thread_id->backtrace id 数组的映射
将每个线程的所有 backtrace 组织起来
相同 backtrace id 的权重相加，得到 backtrace 的总权重
解析 backtrace id 的调用地址
遍历 backtrace 中的 text-address
将地址转换为函数名（使用符号化工具）
获取线程树
遍历线程的所有 backtrace
所有 backtrace 的权重相加得到线程的总权重
层次遍历 backtrace 里面的调用地址，同一层相同地址进行合并

4.2 数据结构映射

关键数据结构：

# id -> item 映射
id_to_item = {
    "123": text_address_element,
    "456": backtrace_element,
    "789": weight_element,
    ...
}

# thread_id -> backtrace_ids 映射
thread_to_backtraces = {
    "thread_1": ["backtrace_1", "backtrace_2", ...],
    "thread_2": ["backtrace_3", "backtrace_4", ...],
    ...
}

# backtrace_id -> weight 映射
backtrace_weights = {
    "backtrace_1": 1000,  # 微秒
    "backtrace_2": 2000,
    ...
}

4.3 线程树构建

构建过程：

收集线程的所有 backtrace
python thread_backtraces = thread_to_backtraces[thread_id]
计算线程总权重
python thread_total_weight = sum(backtrace_weights[bt_id] for bt_id in thread_backtraces)
构建调用树
遍历每个 backtrace 的 text-address 序列
从顶层（最后一个地址）到底层（第一个地址）构建树结构
同一层的相同地址进行合并，权重累加

示例：

假设有两个 backtrace：

Backtrace 1:
  A -> B -> C (weight: 100)

Backtrace 2:
  A -> B -> D (weight: 200)

构建的调用树：

A (weight: 300)
└─ B (weight: 300)
    ├─ C (weight: 100)
    └─ D (weight: 200)

五、数据统计方法

5.1 平均统计 vs 加权平均

在性能数据分析中，选择合适的统计方法非常重要。

平均统计

公式：平均值 = sum(所有值) / 数量

特点：
– 简单直观
– 易受极端值（bad case）影响
– 可能掩盖性能问题

示例：

假设 99 个用户 CPU 使用率为 1%，1 个用户 CPU 使用率为 99%：

平均统计 = (99 × 1 + 1 × 99) / 100 = 1.98%

结果看起来正常，但实际上有一个用户出现了严重的性能问题。

加权平均

公式：加权平均 = sum(值 × 权重) / sum(权重)

特点：
– 可以根据重要性分配权重
– 仍然可能受极端值影响
– 需要合理设置权重

示例：

加权平均 = (1 × 0.99 + 99 × 0.01) = 1.98%

如果权重设置不合理，仍然可能掩盖问题。

5.2 分位数统计

分位数统计是性能监控中更可靠的方法。

常用分位数

P50（中位数）：50% 的数据小于等于该值
P95：95% 的数据小于等于该值
P99：99% 的数据小于等于该值
P99.9：99.9% 的数据小于等于该值

优势

不受极端值影响：P95、P99 等分位数可以过滤掉极端情况
反映真实用户体验：关注大多数用户的性能表现
便于设置告警阈值：可以基于分位数设置合理的告警

示例：

CPU 使用率分布：
P50: 1%
P95: 5%
P99: 50%
P99.9: 99%
Max: 99%

通过分位数可以看出：
– 大多数用户（P95）CPU 使用率正常
– 但仍有少量用户（P99）出现性能问题
– 极少数用户（P99.9）出现严重问题

5.3 统计方法选择建议

关键点：平均统计法，易受 bad case 的影响

建议：

对于性能监控，应该关注 P95、P99 等分位数指标
了解大多数用户的性能表现
及时发现性能问题
避免单一平均值掩盖问题
平均值可能看起来正常，但实际存在性能问题
结合分位数和分布图分析
结合分布图分析性能数据
直方图：了解数据分布情况
箱线图：查看数据的分散程度和异常值
时间序列图：观察性能趋势
设置合理的告警阈值
基于 P95 或 P99 设置告警
避免基于平均值设置告警（容易被极端值触发）
关注异常值
虽然分位数可以过滤异常值，但仍需要关注
分析异常值的原因，可能是 bug 或性能问题

统计方法对比：

统计方法	优点	缺点	适用场景
平均值	简单直观	易受极端值影响	数据分布均匀时
加权平均	可设置权重	权重设置困难	有明确权重需求时
中位数（P50）	不受极端值影响	可能忽略问题	了解典型情况
P95/P99	反映真实体验	计算稍复杂	性能监控推荐
最大值	发现最坏情况	可能过于敏感	关注极端情况

总结

解析 Instruments Trace 文件是 iOS 性能分析的重要技能。通过理解 Trace 文件的结构、掌握符号化方法、正确解析数据并使用合适的统计方法，可以深入分析应用性能，定位性能瓶颈。

关键要点：

理解基本概念：all_weight 和 self_weight 的区别和用途
掌握符号化流程：从 UUID 获取到地址转换的完整流程
了解文件格式：Trace 文件和 XML 格式的结构
正确解析数据：按照步骤解析并构建调用树
选择合适的统计方法：使用分位数而非平均值进行性能监控

浏览量: 16