CPU和GPU
在屏幕成像过程中，CPU和GPU起着至关重要的作用
CPU负责对象的创建和销毁、对象属性的调整、布局计算、文本的计算和排版、图片的格式转换和解码、图像的绘制
GPU负责纹理的渲染
卡顿产生的原因
我们图像呈现在屏幕上首先是CPU把数据计算好，然后GPU把CPU计算好的数据渲染到屏幕上。垂直同步信号GPU渲染好的图像呈现在屏幕上，这样就是一桢的显示，然后马上进入下一桢，下一桢又要进行CPU的计算和GPU的渲染，有可能这一次GPU很早就把数据渲染完了，然后等待垂直同步信号的到来。也有可能是GPU渲染的时间比较长，当垂直同步信号来了还没渲染完，那么这个垂直同步信号就将上一桢的图像呈现出来了，那么这一桢的数据就丢失了，也就叫掉桢。这样就产生了卡顿
离屏渲染
在OpenGL中，GPU友2种渲染方式
- 当前屏幕渲染，在当前用于显示的屏幕缓冲区进行渲染操作
- 离屏渲染，在当前屏幕缓冲区以外新开辟一个缓冲区进行渲染操作
离屏渲染消耗性能的原因
- 需要创建新的缓冲区
- 离屏渲染的整个过程，需要多次切换上下文环境，先是从当前屏幕（On-Screen）切换到离屏（Off-Screen）；等到离屏渲染结束以后，将离屏缓冲区的渲染结果显示到屏幕上，又需要将上下文环境从离屏切换到当前屏幕
卡顿解决的主要思路
尽可能减少CPU、GPU资源的消耗
按照60FPS的刷桢率，每隔16ms就会有一次垂直同步信号
卡顿优化-CPU
- 尽量使用轻量级的对象，比如用不到事件处理的地方，可以考虑使用CALayer取代UIView
- 不要频繁地调用UIView的相关属性，比如frame、bounds、tranform等属性，尽量减少不必要的修改，因为改变了这些属性，CPU又要对UIView进行重新计算和渲染。
- 尽量提前计算好布局，在有需要时一次性调整对应的属性，不要多次修改属性
- autolayout会比直接设置frame消耗更多的CPU资源
- 图片的size最好跟UIImageView的size保持一致
- 控制一下线程的最大并发数量
- 尽量把耗时的操作放到子线程，比如文本处理（尺寸计算、绘制），图片处理(解码、绘制)
卡顿优化-GPU
尽量减少视图数量和层次
尽量避免短时间内大量图片显示，尽可能将多张图片合成一张进行显示
GPU能处理的最大纹理尺寸时4096x4096，一旦超过这个尺寸，就会占用CPU资源进行处理，所以纹理尽量不要超过这个尺寸
减少透明的视图（alpha< 1），不透明的就设置opaque为YES
尽量避免出现离屏渲染，以下操作会出现离屏渲染：
光栅化，layer.shouldRasterize = YES
遮罩，layer.mask
圆角，同时设置layer.masksToBounds = YES，layer.cornerRadius大于0（可以通过直接提供圆角图片或者CoreGraphics自己绘制圆角）
阴影，layer.shadowXXX（如果设置了layer.shadowPath 就不会产生离屏渲染）
卡断监测
平时所说的卡顿主要是因为在主线程执行了比较耗时的操作
可以添加Observer到主线程RunLoop中，通过监听RunLoop状态切换的耗时，以达到监控卡顿的目的
耗电优化
以下几方面优化
- CPU处理
- 尽可能降低CPU、GPU功耗
- 少用定时器
- 优化IO操作，尽量不要频繁写入小数据，最好批量一次性写入
- 读写大量数据时，考虑用dispatch_io，其提供了基于GCD的异步操作文件IO的API。用dispatch_io系统会优化磁盘访问，如果数据量比较大的，建议使用数据库（比如SQLite、FMDB、CoreData）
- 网络请求
- 减少、压缩网络数据
- 如果多次请求的结果是相同的，尽量使用缓存
- 使用断点续传，否则网络不稳定时可能多次传输相同内容
- 网络不可用时，不要尝试执行网络请求
- 让用户可以取消长时间运行或者速度很慢的网络操作，设置合适的超时时间
- 批量传输，比如，下载视频流时，不要传输很小的数据包，直接下载整个文件或者一大块一大块地下载。如果下载广告，一次性多下载一些，然后再慢慢展示。如果下载电子邮件，一次下载多封，不要一封一封地下载
- 定位
- 如果只是需要快速确定用户位置，最好用CLLocationManager的requestLocation方法。定位完成后，会自动让定位硬件断电。
- 如果不是导航应用，尽量不要实时更新位置，定位完毕就关掉定位服务
- 尽量降低定位精度，比如尽量不要使用精度最高的kCLLocationAccuracyBest
- 需要后台定位时，尽量设置pausesLocationUpdatesAutomatically为YES，如果用户不太可能移动的时候系统会自动暂停位置更新
- 尽量不要使用startMonitoringSignificantLocationChanges，优先考虑startMonitoringForRegion:
- 图像
APP的启动优化
app的启动分为2种
冷启动：从零开始启动
热启动：APP已经在内存中，在后台存活着，再次点击图标启动APP
APP启动的优化，主要是针对冷启动优化：
通过添加环境变量可以打印出APP的启动时间分析（Edit scheme -> Run -> Arguments）
DYLD_PRINT_STATISTICS设置为1，如果需要更详细的信息，那就将DYLD_PRINT_STATISTICS_DETAILS设置为1
APP的冷启动包括以下3大阶段：
- dyld：用来装载Mach-O文件（可执行文件、动态库等）
- 装载APP的可执行文件，同时会递归加载所有依赖的动态库
- 当dyld把可执行文件、动态库都装载完成后，会通知Runtime进行下一步的处理
- runtime：使用Runtime初始化OC的结构，类，分类
- 调用map_images进行可执行文件内容的解析和处理
- 进行各种objc结构的初始化（注册Objc类 、初始化类对象等等）
- 调用C++静态初始化器和attribute((constructor))修饰的函数
-
main：main函数调用
冷启动流程
APP启动优化
- dyld
减少动态库、合并一些动态库（定期清理不必要的动态库）
减少Objc类、分类的数量、减少Selector数量（定期清理不必要类、分类）
减少C++虚函数的数量
Swift尽量使用struct - runtime
用+initialize方法和dispatch_once取代所有的attribute((constructor))、C++静态构造器、ObjC的+load - main
在不影响用户体验的前提下，尽可能将一些操作延迟，不要全部都放在finishLaunching方法中
按需加载
安装包瘦身
安装包主要由可执行文件、资源组成
- 资源（图片、音频、视频等）
- 采取无损压缩：熊猫压缩
- 去除没有用到的资源：https://github.com/tinymind/LSUnusedResources
- 可执行文件瘦身
- 编译器优化
Strip Linked Product、Make Strings Read-Only、Symbols Hidden by Default设置为YES - 去掉异常支持，Enable C++ Exceptions、Enable Objective-C Exceptions设置为NO， Other C Flags添加-fno-exceptions
- 利用AppCode（https://www.jetbrains.com/objc/）检测未使用的代码：菜单栏 -> Code -> Inspect Code
- 编写LLVM插件检测出重复代码、未被调用的代码
**LinkMap可以查看可执行文件的具体组成
https://github.com/huanxsd/LinkMap
