- Google uvodi optimizacije vođene profilima AutoFDO direktno u Android kernel kako bi smanjio opterećenje CPU-a i potrošnju energije.
- Obrasci izvršavanja iz stvarnog svijeta iz 100 najčešće korištenih aplikacija vode kompajler da favorizira vruće puteve koda i da depriorizira hladne.
- Rani testovi pokazuju oko 2.1% brže vrijeme pokretanja i oko 4.3% brže pokretanje hladnih aplikacija, uz dodatna poboljšanja u efikasnosti u pozadini.
- AutoFDO se uvodi u LTS granama Android kernela android16-6.12 i android15-6.6, a planirano je proširenje na Android 17 i novije verzije.
Android dobija niz tihih, niskonamjenskih promjena koje imaju za cilj da telefoni osjete... brže, a uz to i malo produžava vijek trajanja baterijeUmjesto blještavih novih funkcija, Google se fokusira na to kako jezgro operativnog sistema donosi odluke svake milisekunde "ispod haube".
U središtu ovog napora je tehnika pod nazivom AutoFDO, skraćenica za Automatska optimizacija usmjerena povratnim informacijama primijenjena na Android kernelPreoblikovanjem načina na koji se kernel kompajlira na osnovu stvarnih podataka o korištenju, Google pokušava smanjiti neiskorišteni rad CPU-a, smanjiti opterećenje pozadine i dati postojećim uređajima skromno, ali primjetno poboljšanje brzine odziva.
Šta AutoFDO zapravo radi u Android kernelu
Tokom normalnog prevođenja, kompajler mora napraviti hiljade mikro-odluka o tome kako urediti i podesiti kodPogađa koje su grane vjerovatne, koje funkcije treba ugraditi, kako instrukcije treba rasporediti u memoriji i tako dalje, uglavnom na osnovu statičkih savjeta i generičkih heuristika.
Problem je u tome što se ova nagađanja ne poklapaju uvijek s onim što se stvarno događa kada je vaš telefon u upotrebi. Jezgro, koje može objasniti oko 40% ukupnog vremena procesora u Androidu, mogu trošiti cikluse na rijetko korištenim kodnim putanjama, dok one često korištene nisu optimizirane onoliko agresivno koliko bi mogle biti.
AutoFDO preokreće ovaj pristup tako što dovodi kompajler u funkciju. profili izgrađeni na osnovu stvarnih obrazaca izvršenjaUmjesto oslanjanja uglavnom na teoriju, proces izgradnje je vođen time kako se kod zapravo ponaša na uređajima, omogućavajući da se binarna datoteka kernela oblikuje prema svakodnevnim radnim opterećenjima.
Za korisnike se ovo ne prikazuje kao nova postavka ili meni. Suptilno se pojavljuje kao nešto brže reakcije prilikom pokretanja aplikacija ili ponovnog pokretanja telefona, i kako se manje CPU vremena troši na pozadinske odluke koje korisnici nikada ne vide direktno.
Od statičnih nagađanja do profila izvršenja u stvarnom svijetu
Tradicionalno, optimizacija vođena profilima oslanjala se na instrumentalne binarne datoteke koje su prikupljale podatke tokom posebnih izvršavanja. To funkcioniše, ali može biti nametljivo i možda neće odražavati kako ljudi zapravo koriste svoje telefone svakodnevnoAutoFDO bira lakši put zasnovan na uzorkovanju.
Google koristi alat za profiliranje uzoraka kako bi snimio Historija grananja CPU-a i putanje instrukcija dok Android izvršava realna opterećenjaOvi primjeri otkrivaju koji su dijelovi kernela "vrući" (često se izvršavaju), a koji su "hladni" (rijetko se diraju), bez potrebe za ponovnom izgradnjom svega uz pomoć teške instrumentacije.
Za kernel konkretno, podaci se sintetiziraju u laboratorijskom okruženju. Inženjeri reproduciraju reprezentativna radna opterećenja koja uključuju 100 najpopularnijih Android aplikacija iz paketa za testiranje kompatibilnosti. Ova kombinacija je dizajnirana da oponaša stvarnu upotrebu: otvaranje i zatvaranje aplikacija, prebacivanje između njih, sinhronizaciju u pozadini i komunikaciju između procesa.
Nakon prikupljanja, sirovi tragovi prolaze kroz proces agregacije i čišćenjaPodaci iz više pokretanja i uređaja se spajaju, pretvaraju u standardni LLVM AutoFDO format profila i filtriraju tako da ostaju samo relevantni simboli i funkcije. Hladne funkcije se često odrezuju iz profila kako bi se vratile konvencionalnoj heuristici kompajlera umjesto da iskrive optimizaciju.
Ovaj odabrani profil zatim vodi novu izgradnju kernela. S tačnim informacijama o tome koje su putanje koda najvažnije, kompajler može agresivnije ugraditi kritične rutine, urediti aktivni kod da bude prilagođen kešu i smanjiti naglasak na rijetko korištene grane. Rezultat je kernel koji je bolje usklađeno sa opterećenjima koja Android telefoni zapravo imaju.
Koliko brži i efikasniji Android može postati?
Rani rezultati internih testova kompanije Google su skromni, ali opipljivi. Primjenom AutoFDO-a na kernel, vrijeme pokretanja uređaja se poboljšava za otprilike 2.1%To neće pretvoriti spori telefon u raketu, ali može malo skratiti čekanje svaki put kada ga ponovo pokrenete.
Dobici su nešto izraženiji pri otvaranju aplikacija iz "hladnog" stanja - to jest, kada se već ne nalaze u memoriji. Ovdje AutoFDO pruža otprilike 4.3% smanjenje vremena hladnog lansiranja, što je posebno korisno za zahtjevnije aplikacije koje se oslanjaju na izvorne komponente i usluge kernela.
Ispod tih jasnih metrika, Google također primjećuje poboljšanja u područjima koja su manje vidljivo, ali i dalje važno: glatkije raspoređivanje u pozadini, manje skokova opterećenja CPU-a za rutinske zadatke kernela i generalno efikasnije rukovanje operacijama na nivou sistema. Sve ovo doprinosi osjećaju da uređaj bolje reaguje, čak i ako je teško ukazati na jednu dramatičnu promjenu.
Budući da kernel može potrošiti veliki dio ukupnog kapaciteta CPU-a, čak i jednocifreni procentualni dobici se prevode u oslobođeni resursi koje mogu koristiti aplikacije i sistemski korisnički interfejsIstovremeno, smanjenje nepotrebnog rada CPU-a neminovno pomaže energetskoj efikasnosti, tako da baterija doživljava određeno olakšanje bez ikakvih promjena hardvera.
Google pažljivo pozicionira ove prednosti kao postepene. Korisnici ne bi trebali očekivati preobražaj preko noći, već stalno poboljšanje u načinu na koji se Android osjeća i ponaša tokom vremena, posebno kada se više takvih optimizacija slaže u različitim izdanjima.
Održavanje stabilnosti uz promjenu načina na koji je kernel izgrađen
Ponavljajuća briga kod svake optimizacije vođene profilom je da li ona predstavlja rizik kršenje očekivanog ponašanja ili uvođenje suptilnih grešakaU slučaju AutoFDO-a, Google naglašava da tehnika mijenja način na koji kompajler određuje prioritete i rasporeduje kod, a ne logiku samog kernela.
Pristup je opisan kao „konzervativan po defaultu“. To znači da su funkcije koje nisu dobro predstavljene u visokokvalitetnim podacima profila prepušteno standardnim strategijama optimizacije umjesto da se agresivno preoblikuju. Hladne ili rijetko izvedene putanje ponašaju se u suštini kao što bi se ponašale u tradicionalnoj izgradnji, što smanjuje mogućnost regresija u nejasnim scenarijima.
Prije nego što se profili prihvate, oni prolaze kroz višestruke provjere. Inženjeri analiziraju sadržaj profila - aktivne funkcije, broj uzoraka i ukupnu veličinu - i upoređuju ga s prethodnim verzijama. Zatim se izrađuje nova slika kernela i benchmarkovi se provode kako bi se osigurala konzistentnost poboljšanja performansi i da se latencija ili propusnost neočekivano ne pogoršaju kod ključnih radnih opterećenja.
Ovo nije prva upotreba AutoFDO-a od strane Googlea. Tehnika je već široko primijenjena za osnovne Android biblioteke, komponente ChromeOS-a, pa čak i internu serversku infrastrukturuTo prethodno iskustvo djeluje kao sigurnosna mreža, sugerirajući da je sam stil optimizacije zreo, čak i ako je njegova primjena na Android kernel relativno nova.
Posljedica je da je integracija kernela AutoFDO-a dizajnirana da održava funkcionalnu stabilnost uz istovremeno postizanje dodatne efikasnostiZa krajnje korisnike, promjena bi trebala biti nevidljiva u smislu pouzdanosti, ali tiho korisna u smislu performansi.
Kako se profili osvježavaju i uvode tokom vremena
Jedan statički profil bi brzo postao zastario jer Android, aplikacije i obrasci korištenja se razvijajuDa bi AutoFDO održao efikasnost, Google tretira generiranje profila kao kontinuirani proces, a ne kao jednokratni zadatak.
Profili za generičku sliku jezgra (GKI) se regeneriraju prije svakog novog izdanja LTS kernelaAžurirana opterećenja zasnovana na trenutnim verzijama 100 najpopularnijih aplikacija se ponovo reprodukuju, podaci se ponovo uzorkuju, a profili se rekonstruišu i validiraju. Ovaj kontinuirani proces pomaže da se osigura da novije verzije kernela prate kako ljudi zapravo koriste Android u tom trenutku.
Zanimljivo je da Google napominje da Radna opterećenja generirana u laboratoriju pokazuju oko 85% sličnosti na obrasce izvršenja snimljene iz internih flota uređaja. Taj nivo preklapanja sugerira da je sintetizirani pristup dovoljno blizu ponašanju u stvarnom svijetu da bi bio koristan za vođenje optimizacije, a istovremeno ga je lakše kontrolirati i ažurirati.
Budući da ovi profili prate standardni LLVM AutoFDO format, oni se direktno uključuju u postojeći alati za analizu poput llvm-profdataInženjerski timovi mogu pregledati aktivne funkcije, istražiti obrasce poziva i provjeriti da li se optimizacijski napori troše tamo gdje su zaista važni.
Tokom više iteracija, ovaj ponovljeni ciklus profiliranja i ponovne izgradnje pretvara AutoFDO u mehanizam kontinuiranog podešavanja kernela, umjesto jednog podešavanja vezanog za jednu verziju Androida.
AutoFDO u Android steku i alatima
Prelazak na AutoFDO u kernelu nadovezuje se na rad koji se već neko vrijeme odvija na drugim dijelovima Android steka. Podrška za AutoFDO je ugrađen u Android sistem izgradnje koji koristi AOSP, posebno za izvorne module koji se oslanjaju na definicije izgradnje u stilu blueprinta.
Za mnoge biblioteke i binarne datoteke unutar AOSP-a, osjetljive na performanse, profili su već prikupljeni sa stvarnih telefona i tableta. gotovi AutoFDO profili se nalaze uz izvorni kod i može se omogućiti jednostavnim prebacivanjem odgovarajućih zastavica za izgradnju, tako da proizvođači uređaja koji blisko prate AOSP nasljeđuju optimizacije uz minimalan dodatni rad.
Androidov okvir za profiliranje može prikupljati podatke na više arhitektura procesora, uključujući x86, x86_64, ARM i ARM64Sve dok je radno opterećenje reprezentativno, profil kreiran na jednoj arhitekturi ponekad se može prilagoditi drugoj, što pojednostavljuje implementaciju na heterogenim linijama uređaja.
Programeri kojima su potrebne prilagođenije optimizacije - na primjer, prilikom dodavanja vlastitih izvornih komponenti ili modificiranja postojećih - podstiču se da prikupljaju profile direktno s razvojnih ili testnih uređajaAlati poput simpleperf-a i srodnih uslužnih programa pomažu u hvatanju potrebnih uzoraka bez značajnog ometanja normalnog rada.
Ukratko, AutoFDO nije samo kernel trik. Uklapa se u širu strategiju gdje Najvažniji dijelovi Androida se kontinuirano rekompiliraju uz pomoć podataka iz stvarne upotrebe., umjesto da se oslanjaju isključivo na statičke pretpostavke o performansama.
Gdje i kada će se ova poboljšanja kernela pojaviti
Google prvo uvodi verzije kernela vođene AutoFDO-om. grane Android kernela za dugoročnu podršku (LTS), konkretno android16-6.12 i android15-6.6. Ove grane služe kao osnova za mnoge proizvođače, koji zatim dodaju vlastite promjene i prilagođavanja specifična za uređaj.
Kompanija je također predstavila planove za proširenje korištenja AutoFDO-a na buduće GKI verzije kao što su android17-6.18Kako se novi uređaji isporučuju s ovim kernelima — i kako postojeći telefoni primaju ažuriranja koja povlače novije LTS baze — više korisnika bi trebalo početi imati koristi od poboljšanog ponašanja.
Gledajući unaprijed, Google istražuje načine da proširite pokrivenost AutoFDO-a izvan glavne vmlinux binarne datotekeTo uključuje uvođenje optimizacija vođenih profilima u GKI module i, na kraju, u module dobavljača izgrađene pomoću Driver Development Kit-a. Ovo bi omogućilo hardverskim partnerima da primijene iste tehnike profiliranja na vlastite drajvere, šireći prednosti dublje u ekosistem.
Dugoročna vizija je da se izgradnje zasnovane na AutoFDO-u dotiču sve većeg dijela kernela i njegovih modula, od osnovnog koda za raspoređivanje do komponenti specifičnih za uređajKako se taj otisak povećava, kumulativni efekat na odziv i efikasnost mogao bi postati izraženiji, čak i ako je svaka pojedinačna promjena suptilna.
Sve ovo doprinosi tihoj, ali značajnoj promjeni u načinu na koji je Android podešen na najnižim nivoima. Dopuštajući da obrasci izvršavanja iz stvarnog svijeta vode kompajler, Google cilja na telefone koji se osjećaju malo brže, troše manje CPU ciklusa i čine... nešto bolje korištenje svakog miliampera u bateriji — sve to bez potrebe da korisnici mijenjaju uređaje ili pretražuju postavke.
