性能优化 相关文章

深入 Android 端侧 AI 推理的 Transformer 算子优化全链路：从 Self-Attention 计算瓶颈到移动 GPU 计算着色器的 FlashAttention 加速

本文记录在 Android 端侧把 FlashAttention 搬进 OpenGL ES Compute Shader 的全过程，通过分块计算与 Online Softmax 将 Attention 访存从 O(n²) 降到 O(n)，实测 Mali-G710 延迟从 120ms 降至 18ms。

深入 Android Geofence：从注册链路到 Doze 触发失灵的全链路解析

梳理 Android 地理围栏从注册到触发的完整链路，解析 PendingIntent 回调与融合定位机制，并重点剖析 Doze 省电策略导致围栏触发失灵的根因及功耗优化实践。

深入 Android SurfaceView / TextureView / SurfaceTexture 全链路：从 BufferQueue 生产端到 Surface 合成路径的渲染桥接架构

从 BufferQueue 生产-消费模型出发，拆解 SurfaceView、TextureView 与 SurfaceTexture 的桥接关系与合成路径差异，并给出相机与视频渲染的选型建议。

深入 Android 动态性能框架 ADPF 全链路：从 Thermal API 到 Performance Hint 的自适应性能调度

本文解析 Android 动态性能框架 ADPF，结合 Thermal 热状态、Performance Hint 调频预算与 Game Mode 策略基线，演示如何在热降频前主动降载并拉平掉帧曲线。

深入 Android 端侧扩散模型全链路：从 Stable Diffusion 去噪原理到 LiteRT 移动端图像生成的工程实践

从 Stable Diffusion 去噪原理出发，拆解 LiteRT 移动端部署链路，通过 FP16 量化、LCM 蒸馏与按需加载把 Pixel 8 单图生成从 40 秒压到 3 秒以内。

深入 Android SQLite 底层全链路：从连接池复用到 WAL 日志与事务隔离的原生存储引擎解析

从一次 SQLite database is locked 排查入手，剖析连接池复用、WAL 日志与事务隔离的底层机制，并给出读写并发场景下的落地优化清单。

Kotlin Lambda、函数引用与 Compose：先核验，再缓存

(Updated on )
分开核验 Kotlin 回调语义、JVM 编译产物与 Compose 记忆化，理解 Strong Skipping，并避免 remember 遗漏捕获值造成过期回调。

深入 Android 应用埋点系统全链路：从事件采集 SDK 设计到数据上报管道的可靠性工程实践

本文系统梳理 Android 埋点 SDK 的全链路设计，涵盖事件模型、曝光采集与去重、mmap 持久化替代 SQLite、批量压缩与指数退避上报策略，以及隐私合规与线上监控，解决数据丢失与上报可靠性等工程难题。

深入 Kotlin Sequence 惰性集合操作全链路：从 Iterator 协议到 SequenceScope 挂起转换的链式操作性能优化

深入分析 Kotlin Sequence 惰性求值机制，从 Iterator 协议、SequenceScope 协程化到实际性能对比，帮助开发者在集合操作链中做出正确选型。

深入 Android 端侧 AI 推理的自动化质量门禁：从确定性输出验证到 Golden Test 的推理回归测试体系

针对端侧AI推理的非确定性输出问题，本文介绍了一套基于MD5哈希快照验证与P95性能基线的CI质量门禁体系，通过偏差阈值和性能回归检测将推理波动控制在可接受范围内。

深入 Android RecyclerView ItemDecoration 全链路

深入解析 RecyclerView ItemDecoration 的完整工作机制：从 onDraw/onDrawOver 分层绘制、getItemOffsets 布局介入，到粘性头部、时间轴等复合装饰的工程实现与性能优化。

深入 Android 端侧 AI 推理的 GGUF 格式适配与 llama.cpp 引擎移植全链路

详细介绍在 Android 端侧部署大语言模型的全链路方案，涵盖 GGUF 量化格式选型、llama.cpp 交叉编译移植，以及量化等级、线程绑定和 KV Cache 三条性能调优路径。

深入 Android 端侧 AI 推理的开发调试实战：从模型输入可视化到推理链路追踪的日常排障工具链

介绍一套轻量级 Android 端侧 AI 推理调试工具链，涵盖模型输入可视化、中间层输出截获、推理耗时拆解与内存监控，帮助开发者快速定位预处理污染、性能瓶颈等常见排障场景。

深入 Android 屏幕刷新率动态切换与 LTPO 适配全链路：从 DisplayManager 帧率策略到 Choreographer VSYNC 自适应调度

深入剖析 Android 刷新率动态切换的底层机制，详解 DisplayModeDirector 投票仲裁规则、LTPO 面板 DDIC 影子调度及 Choreographer VSYNC 自适应策略，提供实战验证的三级帧率管理方案。

深入 Android 端侧 AI 的独立进程推理架构：从进程隔离到 AIDL 通信的稳定性保障

将端侧 LLM 推理迁移到独立进程，通过内存隔离解决 OOM 问题，通过崩溃隔离保护主进程稳定性。本文详细记录了 AIDL 接口设计、跨进程生命周期绑定、Binder 通信陷阱及多模型管理等实战经验。

深入 Android ARCore 增强现实全链路：从 SLAM 空间定位到 Light Estimation 光照估计的虚实融合架构

深入剖析 ARCore 运动追踪、环境理解与光照估计三条核心链路的技术原理，结合 Compose 集成与性能优化实践，构建稳定的虚实融合 AR 应用。

深入 Android 端侧 AI 推理的可观测性全链路：从推理链路追踪到线上性能退化监控的工程实践

本文介绍了一套端侧 AI 推理可观测性方案，通过 Trace 结构化记录推理全链路、构建多维性能画像，并基于画像漂移的三层递进规则引擎实现线上性能退化自动发现，解决了设备碎片化场景下模型推理劣化难以感知和定位的工程难题。

深入 Android 端侧 AI 推理的延迟拆解与优化：从用户点击到首 Token 上屏

本文系统拆解了 Android 端侧大模型推理从用户点击到首 Token 上屏的完整链路，涵盖预处理、模型加载、Prefill、Decode 等六个阶段，并提供实测优化方案与性能数据。

深入 Android eBPF 全链路：从内核虚拟机到端侧网络监控与性能追踪的可编程观测架构

深入解析 Android 端 eBPF 架构：从 BPF 程序编译验证到 BpfNetMaps 网络流量统计，再延伸到 perfetto 性能追踪，揭示端侧可编程观测的内核级实现原理与工程取舍。

深入 Android 端侧 AI 推理引擎横向对比：从 LiteRT 到 ExecuTorch 的多引擎选型决策框架

横向对比 LiteRT、MediaPipe、ExecuTorch、ONNX Runtime 和 llama.cpp 五大端侧推理引擎，从算子覆盖、硬件加速、性能基准到选型矩阵，提供可落地的决策框架。