EN

Android Perfetto 系列 16:GPU、Power Counters 与硬件瓶颈分析

字数统计: 9k阅读时长: 39 min
2026/05/04
loading

FrameTimeline 标出一帧晚了,主线程和 RenderThread 没有明显长任务,下一步可以查 GPU 工作与 fence。GPU 频率、电池电流和电源轨只能提供同一窗口的硬件状态,不能单独证明某个 App 帧为何晚呈现。

这篇把 GPU render stages、devfreq、电池计数器和电源轨放到同一段 Trace 窗口里,说明各自能回答什么、设备不支持时报告该怎么写。帧和线程的判读可接着第 7 篇与第 8 篇的例子读。

Counter 名称、单位和采样周期由设备 producer 决定。跨设备比较前先核对 descriptor;同一设备上也要确认目标帧与 GPU 工作是否能通过 token、layer 或 fence 关联。

版本说明(2026-10 核查):配置、descriptor、导入与SQL以 Perfetto v58.3 为基线。Android版本不保证GPU producer、驱动计数器或power rail可用,需分别记录设备、驱动、采集端和解析器版本。本文时间窗与counter选择都是待绑定的分析输入,不能把示例ID和时间当成设备事实。

Perfetto 系列文章

  1. Android Perfetto 系列目录
  2. Android Perfetto 系列 1:Perfetto 工具简介
  3. Android Perfetto 系列 2:Perfetto Trace 抓取
  4. Android Perfetto 系列 3:熟悉 Perfetto View
  5. Android Perfetto 系列 4:使用命令行在本地打开超大 Trace
  6. Android Perfetto 系列 5:Android App 基于 Choreographer 的渲染流程
  7. Android Perfetto 系列 6:为什么是 120Hz?高刷新率的优势与挑战
  8. Android Perfetto 系列 7:MainThread 和 RenderThread 解读
  9. Android Perfetto 系列 8:深入理解 Vsync 机制与性能分析
  10. Android Perfetto 系列 9:CPU 信息解读
  11. Android Perfetto 系列 10:Binder 调度与锁竞争
  12. Android Perfetto 系列 11:PerfettoSQL、Trace Processor 与回归检测
  13. Android Perfetto 系列 12:Trace 数据流与丢失排查
  14. Android Perfetto 系列 13:Perfetto SDK、Track Event 与 App 现场 Trace
  15. Android Perfetto 系列 14:heapprofd 与内存 Profiling
  16. Android Perfetto 系列 15:Boot Trace、长时间现场 Trace 与偶发问题抓取
  17. Android Perfetto 系列 16:GPU、Power Counters 与硬件瓶颈分析
  18. Android Perfetto 系列 17:专项场景自动化、问题清单与平台体系
  19. Android Perfetto 系列 18:响应速度实战,从输入事件到首帧反馈
  20. 视频(B站) - Android Perfetto 基础和案例分享
  21. 视频(B站) - Android Perfetto 分享 - 出图类型分享:AOSP、WebView、Flutter + OEM 系统优化分享

从一次晚帧出发,先查设备是否提供 GPU stage、频率或 counter,再看它们与 App 和 SurfaceFlinger 时间线的关系。缺少关键轨道时,把结果停在「GPU 方向待验证」。

硬件信号按同一窗口对齐

示意图:帧、GPU stage、频率与平均功率按窗口对齐。底部折线表示由能量差计算的功率,不是可以下降的累计能量,也不是瞬时功率实测;重叠本身不能证明GPU根因。

什么时候需要硬件 counter

FrameTimeline 能告诉你某帧 jank,CPU 调度能告诉你线程有没有拿到 CPU,RenderThread/HWUI 能帮助判断 App 侧是否在预算内完成绘制并产出或提交 buffer。GPU 执行、完成和硬件压力要结合 FrameTimeline、GPU render stages、fence、GPU counter 或 AGI/厂商工具看。

硬件 counter 负责回答后半段问题:

现象 counter 能补什么
RenderThread 提交及时,但帧仍晚 GPU render stages、GPU completion、GPU frequency
GPU 频率升高,帧仍慢 GPU counter、GPU memory、devfreq / interconnect / memory-related device frequency tracks
帧率跑一会儿后下降 power rails、battery current、thermal log、频率上限变化
功耗异常但 UI 没明显 jank power rail、battery counter、屏幕状态、持续动画/唤醒
游戏或播放器高负载 AGI GPU counter、Perfetto 系统上下文、业务 Track Event

硬件 counter 要和线程、帧、合成轨道交叉使用。单条频率或功耗曲线不能区分 CPU、GPU、内存带宽和温控各自的影响。

几个术语先分开:

  • frequency 是频率轨道,说明调频策略给硬件分配了什么档位,不等于利用率。
  • counter(计数器)是硬件或驱动暴露的采样值,可能是百分比、字节数、事件次数,也可能是厂商自定义单位。
  • render stage 是 GPU 工作时间片,能帮助判断 GPU 工作是否压过帧预算,但它依赖 producer 和驱动支持。
  • battery current(电池电流)是电池口径,包含整机,不是某个 App 的耗电。
  • power rail(电源轨)是子系统能量口径,能看到 GPU、Display、Memory、WLAN 这类 rail 的变化,但仍然不是进程口径。

硬件 counter 必须和同一段时间内的帧、线程、SurfaceFlinger、业务动作一起读。看到 GPU 频率抬高,我不会直接写“GPU 是瓶颈”;先问同一帧的 GPU stage、fence 和 App/SF 时间线能不能对上。

几类数据别混用

数据 TraceConfig 采集入口 PerfettoSQL 模块/表 能回答的问题 边界
GPU render stages gpu.renderstages 或厂商后缀 producer gpu_slice 等 GPU 轨道 GPU 工作是否跨过目标窗口 依赖 GPU producer 和驱动支持
GPU frequency linux.ftrace + power/gpu_frequency,或 linux.sys_stats 轮询 stdlib android.gpu.frequency / table android_gpu_frequency GPU 调频、上限、温控后的频率状态 频率不是利用率,单位要按设备和 track 标注
GPU memory linux.ftrace + gpu_mem/gpu_mem_total stdlib android.gpu.memory / table android_gpu_memory_per_process 进程 GPU 内存趋势、纹理/buffer/Surface 规模方向 内存不是带宽,也不是单帧 GPU 忙
GPU counters gpu.counters、gpu.counters.adreno 等 counter、gpu_counter_track fragment、vertex、texture、memory 等硬件事件 counter ID/名称依赖设备
GPU work period linux.ftrace + power/gpu_work_period 模块 android.gpu.work_period;表 android_gpu_work_period_track 部分设备上的 UID/GPU 工作周期 不等价于单帧 completion;归到 frame/layer 仍需 token、render stages 或 fence
Battery counters android.power counter 电池电流、电压、电量变化 battery 是整机口径,受 USB/充电状态影响,不是 App 功耗
Power rails android.power + collect_power_rails stdlib android.power_rails GPU、Display、Memory 等 rail 的能量变化 依赖硬件和 IPowerStats HAL,不是进程口径

android_gpu_work_period_track 是 track 维度表,提供 id/uid/ugpu/gpu_id 等归属字段,不包含工作区间。区间要用 slice.track_id = android_gpu_work_period_track.id 关联 slice,查看 ts/dur;不要猜成 android_gpu_work_period 表,也不要把这段区间直接当成单帧 GPU 完成时间。

Perfetto 官方 GPU 文档还提到 vulkan.memory_tracker、gpu.log 等数据源。它们更偏图形专项,不建议塞进默认长 Trace。先用最小系统上下文定位问题段,再决定是否加专项数据源。

设备支持是第一关

GPU counter 不是 Android 通用能力。官方文档里有几个约束要记住:

  • GPU producer 可能注册带硬件后缀的数据源名,例如 gpu.counters.adreno、gpu.renderstages.mali。TraceConfig 需要写精确名称。
  • GPU counters 通过设备自己的 counter ID 或 counter name 选择。可用 ID/名称来自 GPU producer 暴露的 descriptor。
  • counter_ids 和 counter_names 二选一,不要混用;counter_names 和 glob 选择只在部分 producer 上支持,要看 descriptor 里的 supports_counter_names / supports_counter_name_globs。
  • Android GPU frequency 可以通过 ftrace 的 power/gpu_frequency 采集。
  • 每进程 GPU memory 可以通过 ftrace 的 gpu_mem/gpu_mem_total 采集。

Power counters 也有类似边界。Battery counters 依赖设备电源管理硬件,Pixel 上更常见。Power rails 依赖 ODPM(on-device power rail monitor)这类专用硬件和 IPowerStats HAL;在 Android 12–17 的设备上仍要逐台确认可用性,很多量产设备没有。

Android Studio Power Profiler文档将ODPM支持范围写为Pixel 6及后续Pixel,且rail集合因机型而异;这不是“所有Android12+设备”的能力声明。Perfetto能否读到对应rail还取决于硬件、HAL、权限和本次配置,不能把空metadata直接写成硬件不支持。

先确认设备能力

GPU/Power 配置不能先写再碰运气。先确认已注册的 producer 和数据源名称。v58.3的--query --long是人读服务列表,--long主要展开category文本,并不完整输出GPU counter descriptor。需要counter IDs、units与名称选择能力时,使用UI提供的能力信息,或保存--query-raw并按同版本proto解码:

1
2
3
4
adb shell perfetto --query --long
adb exec-out perfetto --query-raw > service-state.pb || exit 1
protoc --proto_path=. --decode=perfetto.protos.TracingServiceState \
protos/perfetto/common/tracing_service_state.proto < service-state.pb || exit 1

第一条适合人工查名;后二条需要主机已有protoc,并从Perfetto源码根目录运行。解码后的ds_descriptor.gpu_counter_descriptor才是检查counter规格与supports_counter_names/supports_counter_name_globs的位置。producer尚未启动/注册时也可能查不到。Power rail列表通常要在短录后从trace元数据确认,android.power注册本身不证明rail可用。

GpuCounterSpec的单位由numerator_units/denominator_units表达,还需读取value_direction。v58.3中未指定方向按向后看处理,常用于“到当前时间戳为止”的GPU采样窗口;显式FORWARDS_LOOKING才向后续时间延伸。不要把频率状态的前向保持规则直接复制给GPU Busy等区间测量。

报告要保留能力清单,避免把“设备不支持”“配置名不匹配”“buffer 丢了”和“信号没升高”混在一起:

下面是假设的本次采集观察,不是通用设备清单;true应有descriptor/实际数据佐证。空rail元数据先记null与原因,查明不支持后才用false。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
{
"has_gpu_renderstages": true,
"gpu_renderstages_source_name": "gpu.renderstages.mali",
"has_gpu_counters": true,
"gpu_counter_source_name": "gpu.counters.mali",
"gpu_counter_selection_mode": "counter_ids",
"selected_counter_ids_or_names": [1, 3, 106],
"has_gpu_freq": true,
"has_gpu_mem": true,
"has_power_rails": null,
"has_battery_current": true,
"has_thermal": true,
"missing_reason": "no_usable_power_rail_metadata_in_this_capture"
}

现场 preset 也要分层:

preset 数据源 场景 上传和降级规则
baseline_jank FrameTimeline、App marker、sched、CPU/GPU freq、idle 线上或普通现场第一轮 可进入现场包;没有 GPU stage 时只写硬件趋势缺证据
gpu_suspect_short baseline + render stages、GPU memory、devfreq、power/battery 短轮询 复现窗口 10 到 30 秒 只用于短窗口;stats 有 data loss 就降级
gpu_counter_lab gpu counters、AGI/厂商 counter、必要系统上下文 实验室专项 不默认上传;必须写 counter id/name/unit 和设备 descriptor

短 Trace 的最小信号集

本例由有权限的shell/系统consumer采集;App接入Track Event或ATrace不自动获得ftrace、android.power或GPU采集权限。ProfilingManager等受限接口另有版本与系统策略,不能与任意TraceConfig的consumer权限混同。

第一版配置要站在第 15 篇 UI jank 基线之上:FrameTimeline、目标包 ATrace / Track Event、sched/freq/idle 是归因主线,GPU/Power 只是追加信号。这份短 Trace 配置只用于复现窗口,长时间现场要沿用第 15 篇的写文件、文件上限和 trigger 方案。

下方是按已核实能力裁剪的模板:替换renderstages占位名称、App包名和实际producer过滤;缺乏该source时删除对应块并记录unavailable。未经替换的合法字符串可能只是匹配不到数据源,命令成功也不代表stage已采到。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
duration_ms: 10000

buffers {
size_kb: 65536
fill_policy: RING_BUFFER
}

data_sources {
config {
name: "linux.ftrace"
ftrace_config {
compact_sched {
enabled: true
}
ftrace_events: "sched/sched_switch"
ftrace_events: "sched/sched_waking"
ftrace_events: "power/cpu_frequency"
ftrace_events: "power/cpu_idle"
ftrace_events: "power/gpu_frequency"
ftrace_events: "power/gpu_work_period"
ftrace_events: "gpu_mem/gpu_mem_total"
ftrace_events: "devfreq/devfreq_frequency"

atrace_categories: "gfx"
atrace_categories: "view"
atrace_categories: "wm"
atrace_categories: "hal"
atrace_categories: "binder_driver"
atrace_apps: "com.example.app"
}
}
}

data_sources {
config {
name: "android.surfaceflinger.frametimeline"
}
}

data_sources {
config {
# 示例占位:替换成 descriptor 中实际暴露的 gpu.renderstages* 名称。
name: "<gpu.renderstages descriptor name>"
}
}

data_sources {
config {
name: "track_event"
track_event_config {
disabled_categories: "*"
enabled_categories: "ui"
enabled_categories: "app"
}
}
producer_name_filter: "com.example.app"
producer_name_regex_filter: "com\\.example\\.app(:.*)?"
}

data_sources {
config {
name: "linux.process_stats"
process_stats_config {
scan_all_processes_on_start: true
}
}
}

data_sources {
config {
name: "linux.sys_stats"
sys_stats_config {
stat_period_ms: 1000
stat_counters: STAT_CPU_TIMES
cpufreq_period_ms: 500
cpuidle_period_ms: 500
gpufreq_period_ms: 500
devfreq_period_ms: 500
thermal_period_ms: 1000
}
}
}

data_sources {
config {
name: "android.power"
android_power_config {
battery_poll_ms: 250
battery_counters: BATTERY_COUNTER_CAPACITY_PERCENT
battery_counters: BATTERY_COUNTER_CHARGE
battery_counters: BATTERY_COUNTER_CURRENT
battery_counters: BATTERY_COUNTER_VOLTAGE
collect_power_rails: true
}
}
}

这份配置的重点是“先把同窗证据拿全”。FrameTimeline 需要 Android 12 或更高版本;gpu.renderstages 依赖 GPU producer 和驱动支持,很多设备抓不到。抓不到 render stages 时只能写“缺少 GPU stage 证据”,不能把频率或 power rail 直接升级成 GPU 执行结论。

缺 GPU stage 的报告写法要明确:gpu_stage_status=unavailable; conclusion_scope=hardware_trend_only; cannot_claim=gpu_execution_delay。

stat_period_ms 要配上显式的 stat_counters。本文的 STAT_CPU_TIMES 只取 CPU 时间;留空时可能把 /proc/stat 的逐 IRQ 等计数一起采进 Trace,增加写入量。

power/gpu_frequency 和 devfreq/devfreq_frequency 是事件路径,gpufreq_period_ms 和 devfreq_period_ms 是 sysfs 轮询路径。event 适合精确变化点,但窗口开始处可能要向前找前一条状态;polling 适合持续趋势,但会受采样周期影响,短暂尖峰可能漏掉。power/cpu_idle 是 transition 事件,cpuidle_period_ms 是 idle state duration 轮询;插 USB、wakelock 和场景前后台都会影响 idle 口径。

thermal zone 名称、单位和可用性依设备而定。没有采 thermal_period_ms 或没有 thermal 轨道时,只能写“本 trace 无 thermal 证据”,不要写“没有温控影响”。

这些轮询周期只适合短窗口诊断;长 Trace 需要放宽采样周期、拆 buffer,并实测写入速率和 CPU 开销。这里的 power counters 不是 Power HAL trace;除非额外采到 Power HAL 自身的 atrace、log 或厂商事件,否则报告只能写“频率、rail、thermal 同窗变化”,不要写“Power HAL 导致”。

Android12+通常可从/data/misc/perfetto-configs读取配置,仍需核对设备权限。先完成上述占位替换再采集,命令失败就停止,避免pull到同路径旧文件;每次实验应使用独立输出名。文本和binary proto只是编码形式,不改变授权或数据源可用性:

1
2
3
adb push gpu_power.pbtxt /data/misc/perfetto-configs/gpu_power.pbtxt || exit 1
adb shell perfetto --txt -c /data/misc/perfetto-configs/gpu_power.pbtxt -o /data/misc/perfetto-traces/gpu_power.perfetto-trace || exit 1
adb pull /data/misc/perfetto-traces/gpu_power.perfetto-trace || exit 1

短 Trace 允许这些信号放在同一个 Buffer 里;长 Trace 要拆开看数据量。GPU counters 的 1ms 采样、logcat、Track Event、ftrace sched 混在一起,会很快压缩 Ring Buffer 窗口。第 12 篇讲过数据丢失和 Buffer 窗口,第 15 篇讲过长时间写文件,这里要沿用同一套约束。

GPU counter 选择示例

GPU counters 要按设备选择。更稳的做法是按 descriptor 里的 counter ID 选择;counter_names 和 glob 只有 producer descriptor 明确支持时才用。

下面只是形状示例;如果 descriptor 暴露的是 gpu.counters.adreno、gpu.counters.mali 这类 suffixed name,配置必须写精确名称。name、counter_ids、counter_names 都要以目标设备支持为准。

1
2
3
4
5
6
7
8
9
10
11
data_sources {
config {
name: "gpu.counters"
gpu_counter_config {
counter_period_ns: 1000000
counter_ids: 1
counter_ids: 3
counter_ids: 106
}
}
}

如果 producer 支持按名称选择,可以写成这样:

1
2
3
4
5
6
7
8
9
10
11
data_sources {
config {
name: "gpu.counters.adreno"
gpu_counter_config {
counter_period_ns: 1000000
counter_names: "GPU % Busy"
counter_names: "*Fragment*"
counter_names: "*Texture*"
}
}
}

counter_period_ns是请求周期,不保证producer按1ms提供有效独立样本。硬件counter可能分组互斥、复用或受最低周期限制,需查descriptor和厂商合同,再核实际时间戳。下面这些data_sources片段应合入带buffer与duration的完整配置,不单独作为无限期录制模板。

AGI 和 Perfetto 怎么分工

AGI的Frame Profiler直接截取Vulkan;OpenGL ES路径通过ANGLE转换,不能把重放/转换后的结果无条件等同于原始驱动路径。System Profiler和单帧分析的设备/API支持也不同,先通过AGI设备验证,再使用对应能力。官方Frame Profiler说明

AGI 更适合回答图形内部问题:

  • 某一帧有哪些 render pass、draw call、shader、pipeline state。
  • fragment、vertex、texture、bandwidth 这些 GPU counter 的专项解释。
  • Vulkan/OpenGL 层面的图形调优。

Perfetto 更适合回答系统时间关系:

  • 问题帧前后主线程、RenderThread、SurfaceFlinger、Binder 有没有异常。
  • GPU render stages 是否晚于 App/SF 的目标窗口。
  • GPU/CPU 频率、power rails、thermal log 是否同一时间变化。
  • 问题是否只在亮屏、刷新率变化、温升、后台竞争时出现。

所以游戏、地图、视频、Flutter/WebView 重场景经常需要两份证据:Perfetto 给系统上下文,AGI 给 GPU 内部细节。

先查 Trace 是否健康

拿到 Trace 后,先不要直接把缺轨道解释成“设备不支持”。通用的丢失体检(buffer 丢包、ftrace 启用失败那套 stats 清单和处置映射)第 12 篇已经讲过,先跑那条查询。GPU 和功耗在此之外还有自己的解析类 stats:GPU counter spec 解析错误、render stage 解析错误、power rail 解析错误,都会让信号无声消失。领域专属项用这条补查:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
SELECT name, idx, severity, source, value
FROM stats
WHERE value != 0
AND (
severity IN ('error', 'data_loss')
OR name IN (
'gpu_counters_invalid_spec',
'gpu_counters_missing_spec',
'gpu_render_stage_parser_errors',
'power_rail_empty_packet',
'power_rail_unknown_index'
)
)
ORDER BY name, idx;

idx 的语义由统计项决定:traced_buf_* 一般是 buffer 下标,ftrace CPU 项是 CPU 编号,非 indexed 项可能为空,不能统一映射为 buffer。报告里要区分三种情况:设备没有暴露信号、配置没有匹配到 producer、信号被 buffer policy 或 data loss 丢掉。只有确认配置和 Trace 健康后,才能把结论降级为“这台设备或这份 Trace 没有提供可用信号”。

先确认 Trace 里有哪些 counter

先列所有 counter track:

1
2
3
4
5
6
7
8
9
10
SELECT
t.id AS track_id, t.machine_id, t.type, t.unit,
t.name,
COUNT(c.id) AS samples,
MIN(c.ts) / 1e9 AS first_s,
MAX(c.ts) / 1e9 AS last_s
FROM counter_track t
LEFT JOIN counter c ON c.track_id = t.id
GROUP BY t.id, t.machine_id, t.type, t.unit, t.name
ORDER BY samples DESC;

GPU counter 再单独查gpu_counter_track。v58.3的unit列经常为空,空值保持unknown,再从descriptor的单位分子/分母与导入路径求证;不要只按名字猜单位。描述列与GPU身份也一起保留:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
SELECT
g.id AS track_id,
g.ugpu,
g.gpu_id,
g.name,
g.unit,
g.description,
COUNT(c.id) AS samples,
MIN(c.ts) / 1e9 AS first_s,
MAX(c.ts) / 1e9 AS last_s
FROM gpu_counter_track g
LEFT JOIN counter c ON c.track_id = g.id
GROUP BY g.id, g.ugpu, g.gpu_id, g.name, g.unit, g.description
ORDER BY samples DESC;

多 GPU 或跨设备报告还要补 GPU 元数据:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
SELECT
gct.id AS track_id,
gct.name AS counter_name,
gct.unit,
gct.description,
gct.gpu_id AS raw_gpu_id,
gpu.name AS gpu_name,
gpu.vendor,
gpu.model,
gpu.architecture,
gpu.machine_id
FROM gpu_counter_track gct
LEFT JOIN gpu ON gct.ugpu = gpu.id
ORDER BY gpu.machine_id, gct.gpu_id, gct.name;

如果目标 GPU / power counter 不在结果里,后面的专项 SQL 都应该跳过。

还可以先列 power rail 的元数据。这样写报告时不会把原始 rail 名称当成业务含义:

1
2
3
4
5
6
7
8
9
INCLUDE PERFETTO MODULE android.power_rails;

SELECT
track_id, machine_id, power_rail_name,
raw_power_rail_name,
friendly_name,
subsystem_name
FROM android_power_rails_metadata
ORDER BY subsystem_name, power_rail_name;

如果这个表为空,就不要写“GPU rail 没升高”。应该写:这台设备或这份 Trace 没有提供可用的 power rail 元数据。

问题窗口从哪里来

GPU/Power 查询必须绑定同一个问题窗口。窗口来源要写进报告:frametimeline、track_event、trigger 或人工标注。

先在目标App/layer的FrameTimeline确认具体slice id,再把下列NULL替换为该id。不要自动挑同名进程的首个jank;未闭合帧不能生成完整帧窗口。前扩5秒、后扩1秒只是调查策略,输出同时保留请求边界与trace内可用边界:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
WITH selected_frame(id) AS (VALUES (NULL)),
jank_frame AS (
SELECT a.id, a.upid, a.ts, a.dur, a.layer_name, p.name AS process_name,
a.jank_type, a.display_frame_token, a.surface_frame_token
FROM actual_frame_timeline_slice a
JOIN process p USING (upid)
WHERE a.id = (SELECT id FROM selected_frame)
AND a.dur >= 0
AND COALESCE(a.jank_type, '') NOT IN ('', 'None')
)
SELECT 'frametimeline' AS window_source, id AS frame_slice_id, upid,
ts - 5000000000 AS requested_start_ts,
ts + dur + 1000000000 AS requested_end_ts,
MAX(trace_start(), ts - 5000000000) AS start_ts,
MIN(trace_end(), ts + dur + 1000000000) AS end_ts,
display_frame_token, surface_frame_token, layer_name,
process_name, jank_type
FROM jank_frame;

App Track Event使用稳定名称FieldTrigger/app_ui_jank,并把event_id放在debug annotation。以下示例面向默认线程track,填目标upid和event_id;返回多条时先排查重复,不能LIMIT1任选。自定义track需先恢复其进程归属。外部JSON的时钟与事件匹配尚未验证时,不输出一个硬编码的“匹配偏差0”:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
INCLUDE PERFETTO MODULE slices.with_context;

WITH target(upid, event_id) AS (VALUES (NULL, NULL))
SELECT 'track_event' AS window_source,
s.id AS marker_slice_id, s.upid, s.utid,
EXTRACT_ARG(s.arg_set_id, 'debug.event_id') AS event_id,
COUNT(*) OVER () AS matching_marker_rows,
s.ts - 5000000000 AS requested_start_ts,
s.ts + MAX(s.dur, 1000000000) AS requested_end_ts,
MAX(trace_start(), s.ts - 5000000000) AS start_ts,
MIN(trace_end(), s.ts + MAX(s.dur, 1000000000)) AS end_ts,
s.name AS marker_name
FROM thread_slice s
JOIN target t ON s.upid = t.upid
WHERE s.name = 'FieldTrigger/app_ui_jank'
AND EXTRACT_ARG(s.arg_set_id, 'debug.event_id') = t.event_id
AND s.dur >= 0;

窗口来源缺失时,只能做全局趋势扫查;不要把某段 GPU/Power 波动归到某次滑动或某一帧。

GPU render stages 查询

分析顺序里“看 GPU 工作是否跨过目标窗口”这一步,数据来自 gpu.renderstages 数据源。它的支持面比频率窄得多,很多设备根本没有对应 producer,所以第一步永远是确认这份 Trace 里真的有 render stage 轨道:

1
2
3
SELECT id, name, machine_id, parent_id, dimension_arg_set_id
FROM track
WHERE type = 'gpu_render_stage';

老文章和老脚本里常见的写法是 SELECT id, name FROM gpu_track WHERE scope = 'gpu_render_stage'。它今天仍然能跑,但 gpu_track 在 Perfetto 源码里已经标了 deprecated(它把 drm、mali、render stage、vulkan、gpu_log 等一堆不相关的轨道混在一张表里),scope 列也只是 type 的别名。新脚本直接查 track.type。

返回 0 行就到此为止,回到前面“设备支持是第一关”:报告写 gpu_stage_status=unavailable,不要拿频率或 rail 补位。

轨道存在后,先列问题窗口中的stage候选,保留slice_id、track_id、machine_id和原始ns。下例扫描已采到的render-stage轨道,多个GPU/queue时再按实际归属筛选;不能把不同队列重叠时长相加当GPU利用率:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
WITH target_window(start_ts, end_ts) AS (
VALUES (NULL, NULL)
),
stage_tracks AS (
SELECT id, name, machine_id
FROM track
WHERE type = 'gpu_render_stage'
)
SELECT
s.id AS slice_id, s.track_id, st.machine_id,
s.ts AS start_ns, s.dur AS stage_dur_ns,
st.name AS queue_name,
s.name AS stage_name,
ROUND(s.ts / 1e6, 3) AS start_ms,
MIN(s.ts + s.dur, w.end_ts) - MAX(s.ts, w.start_ts) AS overlap_ns,
ROUND(s.dur / 1e6, 3) AS stage_dur_ms,
s.arg_set_id
FROM slice s
JOIN stage_tracks st ON s.track_id = st.id
JOIN target_window w
WHERE typeof(w.start_ts) = 'integer' AND typeof(w.end_ts) = 'integer'
AND w.end_ts > w.start_ts AND s.dur > 0
AND s.ts < w.end_ts
AND s.ts + s.dur > w.start_ts
ORDER BY overlap_ns DESC
LIMIT 30;

这条查询给出producer报告的stage区间及其与窗口的重叠,不独自证明该App的GPU关键路径。CPU提交、GPU执行/等待、合成和呈现要用submission、context、frame/layer或fence逐段关联;GPU压力也可能只是同窗竞争。先检查slice args中实际存在的key,再设计关联:

1
2
3
4
5
6
SELECT DISTINCT a.flat_key
FROM slice s
JOIN track t ON s.track_id = t.id
JOIN args a ON a.arg_set_id = s.arg_set_id
WHERE t.type = 'gpu_render_stage'
ORDER BY a.flat_key;

两个边界要写进脚本注释:一是轨道名、stage 名和 args key 都由 GPU producer 决定,Adreno 和 Mali 的输出不一样,跨设备脚本不要硬编码这些名字;二是新版本 trace processor 里 render stage 轨道按内部 track 类型组织,gpu_track 只是留给老脚本的兼容视图,查询报 no such table/column 时按第 11 篇的三分类排查,先 PRAGMA table_info,不要先改业务逻辑。

GPU frequency 和 GPU memory

后续NULL窗口都要填入同一次调查的整数ns边界;未填时不返回分析结果,不使用任意30–45秒代替现场。GPU频率与memory区间通常假定当前值保持到下一样本,最后一条甚至延伸到trace_end;这是状态模型,不证明期间采样完整。

标准库android.gpu.frequency选择名为gpufreq的GPU counter并转为前向区间,但输出不保留track/ugpu/machine身份。下面沿用其选轨与区间规则,同时保留这些字段并裁到目标窗口;分析时仍需按已确认GPU筛选:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
INCLUDE PERFETTO MODULE counters.intervals;

WITH target_window(start_ts, end_ts) AS (VALUES (NULL, NULL)),
freq_intervals AS (
SELECT * FROM counter_leading_intervals!((
SELECT c.* FROM counter c
JOIN gpu_counter_track g ON g.id = c.track_id
WHERE g.name = 'gpufreq'
))
)
SELECT c.track_id, g.ugpu, g.gpu_id, gpu.machine_id,
g.unit, c.value AS gpu_freq_raw,
c.ts AS source_ts_ns, c.dur AS source_dur_ns,
MAX(c.ts, w.start_ts) AS clipped_start_ns,
MIN(c.ts + c.dur, w.end_ts) - MAX(c.ts, w.start_ts) AS overlap_ns
FROM freq_intervals c
JOIN gpu_counter_track g ON c.track_id = g.id
LEFT JOIN gpu ON g.ugpu = gpu.id
CROSS JOIN target_window w
WHERE typeof(w.start_ts) = 'integer' AND typeof(w.end_ts) = 'integer'
AND w.end_ts > w.start_ts AND c.dur > 0
AND c.ts < w.end_ts AND c.ts + c.dur > w.start_ts
ORDER BY c.track_id, c.ts;

gpu_freq_raw 的单位要以当前设备和 track 输出为准,报告必须写明单位;不能在不同设备之间直接比较裸数值。

GPU memory标准库给出按进程的已观测状态。下面找目标窗口内的最大观测值,单位MiB,不保证轮询间的真实峰值,也不等于独占物理显存或完整图形账:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
INCLUDE PERFETTO MODULE android.gpu.memory;

WITH target_window(start_ts, end_ts) AS (VALUES (NULL, NULL))
SELECT
p.upid,
p.name AS process_name,
MAX(g.gpu_memory) AS max_observed_gpu_mem_bytes,
MAX(g.gpu_memory) / 1048576.0 AS max_observed_gpu_mem_mib
FROM android_gpu_memory_per_process g
JOIN process p USING (upid)
JOIN target_window
WHERE typeof(start_ts) = 'integer' AND typeof(end_ts) = 'integer'
AND end_ts > start_ts
AND g.dur > 0
AND g.ts < target_window.end_ts
AND g.ts + g.dur > target_window.start_ts
GROUP BY p.upid, p.name
ORDER BY max_observed_gpu_mem_mib DESC
LIMIT 20;

GPU 频率高只说明策略把频率抬起来了,不等于 GPU 已经满载。GPU memory 高也不等于 memory bandwidth 瓶颈,它只能提示纹理、buffer、Surface 数量等方向。devfreq 只是设备/内核暴露的频率节点,具体含义要先列 raw name,再结合 SoC、内核节点和厂商文档解释。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
WITH target_window(start_ts, end_ts) AS (VALUES (NULL, NULL))
SELECT
t.id AS track_id, t.machine_id, t.unit,
t.name AS devfreq_track_name,
COUNT(*) AS samples,
MIN(c.ts) / 1e9 AS first_s,
MAX(c.ts) / 1e9 AS last_s,
MIN(c.value) AS min_value_raw,
MAX(c.value) AS max_value_raw
FROM counter c
JOIN counter_track t ON c.track_id = t.id
JOIN target_window
WHERE typeof(start_ts) = 'integer' AND typeof(end_ts) = 'integer'
AND end_ts > start_ts
AND LOWER(t.name) GLOB '*devfreq*'
AND c.ts >= start_ts
AND c.ts < end_ts
GROUP BY t.id, t.machine_id, t.unit, t.name
ORDER BY samples DESC;

Power rails 和 battery counters

power rail累计能量单位是uWs(μJ)。v58.3标准库的average_power用前向区间的next_value计算,energy_delta则是后向差值,不能混用。为显式检查采样缺口,下面直接对原始counter按track取相邻样本,使用能量差与重叠比例估算;max_gap_ns由采集周期、实际时间戳与验收策略确定,不能照搬一个通用阈值:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
INCLUDE PERFETTO MODULE android.power_rails;

WITH target_window(start_ts, end_ts, max_gap_ns) AS (
VALUES (NULL, NULL, NULL)
),
raw_samples AS (
SELECT c.id, c.track_id, c.ts, c.value,
COUNT(*) OVER (PARTITION BY c.track_id, c.ts) AS timestamp_rows
FROM counter c
JOIN android_power_rails_metadata m ON c.track_id = m.track_id
),
pairs AS (
SELECT *,
LEAD(ts) OVER (PARTITION BY track_id ORDER BY ts, id) AS next_ts,
LEAD(value) OVER (PARTITION BY track_id ORDER BY ts, id) AS next_value,
LEAD(timestamp_rows) OVER (PARTITION BY track_id ORDER BY ts, id) AS next_rows
FROM raw_samples
),
accepted AS (
SELECT p.track_id, p.next_ts - p.ts AS pair_gap_ns,
MIN(p.next_ts, w.end_ts) - MAX(p.ts, w.start_ts) AS overlap_ns,
(p.next_value - p.value) *
(1.0 * (MIN(p.next_ts, w.end_ts) - MAX(p.ts, w.start_ts)) /
(p.next_ts - p.ts)) AS overlap_energy_uWs
FROM pairs p CROSS JOIN target_window w
WHERE p.timestamp_rows = 1 AND p.next_rows = 1
AND p.next_ts > p.ts AND p.next_ts - p.ts <= w.max_gap_ns
AND p.next_value >= p.value
AND p.ts < w.end_ts AND p.next_ts > w.start_ts
)
SELECT m.track_id, m.machine_id, m.power_rail_name,
m.raw_power_rail_name, m.friendly_name, m.subsystem_name,
COUNT(a.track_id) AS valid_pairs,
w.end_ts - w.start_ts AS requested_dur_ns,
COALESCE(SUM(a.overlap_ns), 0) AS covered_dur_ns,
1.0 * COALESCE(SUM(a.overlap_ns), 0) /
(w.end_ts - w.start_ts) AS coverage_ratio,
MAX(a.pair_gap_ns) AS max_pair_gap_ns,
SUM(a.overlap_energy_uWs) AS energy_delta_uWs,
SUM(a.overlap_energy_uWs) * 1e6 / SUM(a.overlap_ns) AS avg_power_mw
FROM android_power_rails_metadata m CROSS JOIN target_window w
LEFT JOIN accepted a ON a.track_id = m.track_id
WHERE typeof(w.start_ts) = 'integer' AND typeof(w.end_ts) = 'integer'
AND typeof(w.max_gap_ns) = 'integer'
AND w.end_ts > w.start_ts AND w.max_gap_ns > 0
GROUP BY m.track_id, m.machine_id, m.power_rail_name,
m.raw_power_rail_name, m.friendly_name, m.subsystem_name,
w.start_ts, w.end_ts
ORDER BY avg_power_mw DESC;

energy_delta_uWs假定每对有效样本之间功率恒定。avg_power_mw只对通过间隔/重置检查的重叠时长取平均,缺失区间不填零;valid_pairs是样本对数,不是原始样本数。输出请求长度、覆盖率和最大间隔,但几何覆盖率也不能替代stats/时钟/设备验收。末尾没有后继样本不外推能量,累计回退不跨越积分,不同rail可能有包含关系,不能盲目相加当整机功率。

Battery counters 可以直接查原始 counter,但要标单位:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
WITH target_window(start_ts, end_ts) AS (VALUES (NULL, NULL))
SELECT
c.track_id, t.machine_id, c.ts AS ts_ns,
c.ts / 1e9 AS ts_s,
t.name,
c.value,
CASE
WHEN t.name GLOB '*current_ua' THEN 'uA'
WHEN t.name GLOB '*current.avg_ua' THEN 'uA'
WHEN t.name GLOB '*charge_uah' THEN 'uAh'
WHEN t.name GLOB '*capacity_pct' THEN '%'
WHEN t.name GLOB '*voltage_uv' THEN 'uV'
ELSE 'unknown'
END AS unit
FROM counter c
JOIN counter_track t ON c.track_id = t.id
JOIN target_window
WHERE typeof(start_ts) = 'integer' AND typeof(end_ts) = 'integer'
AND end_ts > start_ts
AND t.name GLOB 'batt.*'
AND c.ts >= start_ts
AND c.ts < end_ts
ORDER BY c.track_id, c.ts;

实验室里还有一个坑:USB 连接会影响 battery current。官方文档也提醒,插着 USB 时可能看到正电流和电量上升,这代表设备在充电。做功耗对比时,要么控制 USB 供电,要么把数据口和供电口拆开,要么只把 battery current 当趋势参考。

v58.3中current.avg_ua是设备上报的平均电流,其平均窗口不自动等于本次查询窗口;current_ua是另一种测量口径。counter track 名由 batt.<counter> 拼出;设备上报了电池名时会变成 batt.<battery_name>.<counter>,所以单位判断用后缀 GLOB,不要写死全名。

batt.current_ua 是整机电池口径:负数通常表示电池放电,正数表示外部电源正在给电池充电。这个符号方向只说明电池电流,不等于某个 rail 或某个 App 的功耗。

报告优先用稳定场景的时间加权窗口统计;样本间隔不均匀时,简单AVG或样本中位数不等于时间均值/中位数。电流还不是功率,需要同时考虑电压、供电路径和时间;USB供电时电池电流尤其不能代表整机所有耗电。

比较功耗时,要固定同一设备的亮度、刷新率、网络、温度、后台任务、USB 供电和场景时长,再比较两个版本。Android Studio Power Profiler 文档也用 ODPM 数据比较同一功能的不同实现;单次电流峰值不能归因到某个 App。

按同一窗口推进分析

分析 GPU/Power 问题时,按这个顺序走更稳:

  1. 用 FrameTimeline 找问题帧或问题窗口。
  2. 看主线程、RenderThread、SurfaceFlinger 是否已经错过时机。
  3. 看 GPU render stages / GPU completion 是否跨过目标窗口。
  4. 看 GPU frequency 是否变化,确认是否存在抬频、降频、温控压上限。
  5. 查 GPU counters 或 AGI,判断 fragment、texture、shader、bandwidth 等专项方向。
  6. 查 power rails / battery current,判断是否有功耗或温升约束。
  7. 回到系统 Trace,看 Binder、CPU 竞争、后台动画、刷新率变化是否解释了同一时间段。

不要从 power rail 峰值直接跳到“某 App 耗电”。Battery counters 是整机口径;power rails 是硬件子系统口径。归因到 App 还要结合前台状态、UID、线程、Surface、业务事件。

报告要机器可读

GPU/Power 结论必须带最小 schema,方便复查这份证据到底缺什么、能说明什么:

以下JSON与A/B CSV均是假设数据,彼此也不代表同一设备现场。帧数不能用刷新率×时长补齐,频率上限不能只凭观察到的最大频率推断;状态未核实时保留unknown。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
{
"trace_name": "gpu_power_20260504_153012",
"device": "device_name",
"android_build": "fingerprint",
"gpu_vendor": "Qualcomm",
"gpu_model": "Adreno 740",
"scenario": "feed_scroll",
"window_source": "frametimeline",
"window_start_ms": 30000,
"window_end_ms": 45000,
"app_frame_count": 900,
"jank_count": 12,
"app_thread_status": "within_budget",
"rt_status": "within_budget",
"sf_status": "within_budget",
"gpu_stage_status": "available",
"gpu_freq_status": "high_relative_to_same_device_baseline",
"gpu_counter_status": "fragment_pressure",
"power_rail_status": "available",
"battery_status": "usb_power_connected",
"thermal_status": "nominal",
"stats_quality_level": "warning",
"fallback_used": "none",
"conclusion_scope": "gpu_direction",
"evidence_grade": "B",
"next_tool": "AGI"
}

功耗对 App 团队更常见的是 A/B 报告,而不是单次 trace 定罪:

1
2
3
run_id,group,device,brightness,refresh_rate,network,thermal_state,usb_power_state,scenario_duration_ms,avg_gpu_rail_mw,avg_display_rail_mw,avg_battery_current_ua,jank_rate,frame_count,confidence_notes
run-001,before,pixel,200nit,120hz,wifi,nominal,disconnected,300000,420,510,-820000,0.034,36000,stable temperature
run-002,after,pixel,200nit,120hz,wifi,nominal,disconnected,300000,360,508,-760000,0.031,36000,same preset

信号和 App 动作也要分开写:

信号 App 可执行方向
fragment/shader pressure 降低 overdraw、shader 复杂度、模糊/阴影/特效占比
texture/bandwidth pressure 降纹理尺寸、格式、上传频率和重复采样
GPU memory high 查 Surface、texture、buffer 生命周期和缓存上限
SF jank / composition pressure 查 layer 数量、透明层、HWC/GPU composition、BufferQueue
power/thermal trend 降帧率、动画占空比、后台渲染、刷新率策略

结论等级建议固定:

等级 可写结论 禁止写法
强结论 目标frame/layer与GPU依赖链关联,相关线程/SF和专项证据一致,替代解释已核查 只凭频率或 rail 归因
相关方向 频率、devfreq、rail、thermal 与窗口同步变化,但缺 GPU stage/counter 写成 App 单帧根因
缺证据 descriptor、stats、metadata 或关键轨道缺失 把缺轨道写成没有问题

三个常见场景

GPU 压力与帧晚同窗出现

GPU延迟候选需要先定位目标帧/layer,检查App、RenderThread与SF依赖,再把相关GPU stage/completion关联到该帧的deadline。频率上升和counter压力是补充信息,不是必要条件:GPU可能已在高频或被限频。只看到同窗数据一致仍不能排除排队、跨进程竞争或上游依赖,必要时通过可重复A/B或专项工具验证。

还要用 surface_frame_token / display_frame_token、layer_name、process、App/SF actual timeline 校验归属。无法关联到当前 frame、layer 或 process 时,只能写“GPU 侧压力与问题窗口相关”,不要写“某 App GPU 忙导致”。

render stage 不能单独替代 fence;涉及显示完成,要同时校验 present fence、FrameTimeline 和 SurfaceFlinger timeline。

提频后仍慢

常见方向包括:GPU 内部瓶颈、memory/interconnect 相关设备频率压力、SurfaceFlinger 合成路径变复杂、温控压频、App/SF/GPU pipeline 前后依赖太紧。这里更需要 AGI 或厂商 GPU 工具,不要只靠 Perfetto 的频率轨道下结论。

功耗异常

先看屏幕、刷新率、亮度、持续动画、后台渲染,再看 CPU/GPU/devfreq 和 power rails。短时电流峰值不适合做结论,建议结合第 15 篇的长 Trace 或 snapshot,看同一场景多次是否稳定复现。

写报告前检查

检查项 报告写法
GPU counters、render stages、power rails 缺失 写“本 trace 无对应证据”,不要写“没有 GPU/功耗问题”
counter 名称和语义随 GPU 厂商变化 写设备型号、GPU、counter id/name/unit、descriptor 来源
Battery current 是整机口径 写整机趋势,不直接归因到某个 App
USB 连接影响 battery current 写 USB/充电状态和供电控制方式
GPU 频率高或低 写频率状态和上限变化,不直接写 GPU 瓶颈或没有响应
Power rails 是子系统能量视角 写 rail/subsystem,不写单进程耗电
GPU counters 数据量大 写采样周期、窗口长度、是否只限实验室
同一 counter 跨 GPU 厂商不可比 写设备和驱动边界,不做裸值横比

把硬件信号写成可复查结论

报告先列设备提供了哪些 counter、单位和采样周期,再列目标帧、GPU stage 与 fence 的关联。缺少 GPU 数据时写「未采集」;多条证据都指向 GPU 内部时,再用 AGI 或厂商工具查具体硬件事件。功耗另做同设备、同场景的版本对比。

参考文档

  1. GPU data sources
  2. Power data sources
  3. PerfettoSQL standard library
  4. AGI GPU performance counters
  5. Android Studio Power Profiler
  6. FrameTimeline
  7. CPU frequency and idle states
  8. Trace Processor Stats

原文b23c67be(2026-09-19)源码入口保留如下。本次另核对 v58.3服务查询实现、GPU descriptor、GPU frequency、GPU memory、power rails 与 counter intervals。

关于我 && 博客

欢迎关注 Android Performance。

CATALOG
  1. 1. Perfetto 系列文章
  2. 2. 什么时候需要硬件 counter
  3. 3. 几类数据别混用
  4. 4. 设备支持是第一关
  5. 5. 先确认设备能力
  6. 6. 短 Trace 的最小信号集
  7. 7. GPU counter 选择示例
  8. 8. AGI 和 Perfetto 怎么分工
  9. 9. 先查 Trace 是否健康
  10. 10. 先确认 Trace 里有哪些 counter
  11. 11. 问题窗口从哪里来
  12. 12. GPU render stages 查询
  13. 13. GPU frequency 和 GPU memory
  14. 14. Power rails 和 battery counters
  15. 15. 按同一窗口推进分析
  16. 16. 报告要机器可读
  17. 17. 三个常见场景
    1. 17.1. GPU 压力与帧晚同窗出现
    2. 17.2. 提频后仍慢
    3. 17.3. 功耗异常
  18. 18. 写报告前检查
  19. 19. 把硬件信号写成可复查结论
  20. 20. 参考文档
  21. 21. 关于我 && 博客