、前言

APP的 webview 自動化是依賴于 chromedriver 的，并且每個APP的 webview 版本號都不太一樣，這就導致了每次都需要重新去下載對應的chromedriver 版本。如何根據當前的 webdriver 版本去匹配對應 chromedriver 版本，這是一個難題。

根據官方文檔翻譯過來看，版本不匹配的話一般會報錯：

An unknown server-side error occurred while processing the command.

Original error: unknown error: Chrome version must be >= 55.0.2883.0

二、chromedriver啟動

用chrome瀏覽器運行自動化測試用例時，如果報這樣的錯誤

selenium.common.exceptions.WebDriverException: Message: unknown error: call function result missing value

可以這樣來解決：指定chromedriver.exe驅動絕對路徑

driver = webdriver.Chrome(r'e:\xxx\chromedriver.exe')

三、常遇錯誤

我們在使用native和h5混合的應用程序測試時，可能會遇到報錯

E:\ProgramFiles(x86)\Python\Python37\lib\site-packages\selenium\webdriver\remote\webdriver.py:1031:

UserWarning: name used for saved screenshot does not match file type. It should end with a `.png` extension。

"type. It should end with a `.png` extension", UserWarning)

..['NATIVE_APP', 'WEBVIEW_chrome', 'WEBVIEW_com.android.browser']

NATIVE_APP

Doctor my center Test Over.

E

=====================================================

ERROR: test_e_AboutContact (__main__.center)

----------------------------------------------------------------------

Traceback (most recent call last):

File "E:/ATS/TCyDoctorNew/test_case/test_dir/test_4doctormycenter.py", line 371, in test_e_AboutChengyiContact driver.switch_to.context('WEBVIEW_com.android.browser')

File"E:\ProgramFiles(x86)\Python\Python37\lib\site-packages\appium\webdriver\switch_to.py", line 31, in context

self._driver.execute(MobileCommand.SWITCH_TO_CONTEXT, {'name': context_name})

File"E:\ProgramFiles(x86)\Python\Python37\lib\site-packages\selenium\webdriver\remote\webdriver.py", line 321, in execute

self.error_handler.check_response(response)

File"E:\ProgramFiles(x86)\Python\Python37\lib\site-packages\appium\webdriver\errorhandler.py", line 29, in check_response raise wde

File"E:\ProgramFiles(x86)\Python\Python37\lib\site-packages\appium\webdriver\errorhandler.py", line 24, in check_response

super(MobileErrorHandler, self).check_response(response)

File "E:\Program Files (x86)\Python\Python37\lib\site-packages\selenium\webdriver\remote\errorhandler.py", line 242, in check_response

raise exception_class(message, screen, stacktrace)

selenium.common.exceptions.WebDriverException: Message: An unknown server-side error occurred while processing the command. Original error: No Chromedriver found that can automate Chrome '55.0.2883'. See https://github.com/appium/appium/blob/master/docs/en/writing-running-appium/web/chromedriver.md for more details.

----------------------------------------------------------------------

Ran 3 tests in 66.001s

FAILED (errors=1)

Process finished with exit code 0

我們來看報錯信息，第一個是warning，是指截圖的格式最好是png，這個與本文無關我們先忽略，關鍵看第二個錯誤，它主要源于"No Chromedriver found that can automate Chrome '55.0.2883"，在appium日志里也能看到詳情

四、了解chromedriver

通過管理chromedriver，Appium支持安卓網頁和支持谷歌的混合app的自動化。通過npm package安裝的總是綁定最新的chromedriver。

但是，每一版chromedriver的更新會支持最小的新增谷歌的版本，所以早期的版本不能再跟綁定的版本兼容。這時在appium server日志里會有類似的錯誤：

An unknown server-side error occurred while processing the command.

Original error: unknown error: Chrome version must be >= 55.0.2883.0

為解決這個問題，appium可以通過加上：chromedriver_version屬性配置使用特定的chromedriver版本，比如

npm install appium –chromedriver_version="2.16"

或者在chromedriver_version環境變量指定版本，如

chromedriver_version=2.20 npm install appium

這也能得到最新的版本。最后，還可以被指定在運行時，通過 chromedriver-executable 服務器標識與chromedriver執行路徑手動下載，比如

appium --chromedriver-executable /path/to/my/chromedriver

五、chromedriver/chrome兼容

下面是chromedriver與最小的chrome版本對應表：

六、自動查找匹配的chromedriver

從 Appium1.8.0開始，appium可以得到這個正確的基于chrome的chromedriver版本。當appium發布時，appium與chromedriver綁定，更多chromedriver版本可供下載到appium的安裝文件里（不建議這樣做，因為更新appium時將會刪除它們）。

當一個appium版本發布，最新的chromedriver版本可以被獲取，可以通過chromedriver與最小chrome版本映射關系，得到映射的絕對路徑文件。這個文件內容必須做成json對象，例如

{

"2.42": "63.0.3239",

"2.41": "62.0.3202"

}

七、安裝網絡問題

當appium安裝時需要下載chromedriver，所以會遇到安裝失敗的網絡問題。

默認下chromedriver從https://chromedriver.storage.googleapis.com/ 獲取。使用chromedrivre的npm鏡像配置chromedriver_cdnurl。

npm install appium-chromedriver --chromedriver_cdnurl=http://npm.taobao.org/mirrors/chromedriver

或者在你的.npmrc文件增加屬性

chromedriver_cdnurl=http://npm.taobao.org/mirrors/chromedriver

另一種選擇是使用Path環境變量CHROMEDRIVER_CDNURL

CHROMEDRIVER_CDNURL=http://npm.taobao.org/mirrors/chromedriver npm install appium-chromedriver

在國內，可以用cnpm~

首先，安裝cnpm

npm install -g cnpm --registry=https://registry.npm.taobao.org

輸入cnpm -v,顯示cnpm不是內部或外部命令，也不是可運行命令或批處理文件。

cnpm默認會安裝在C:\Users\admin\AppData\Roaming\npm個人用戶路徑下。所以追溯到這個文件夾，在這里可以執行cnpm v，因此推測沒有把cnpm路徑加入到path系統環境變量中。

添加到path后，再關閉打開cmd，執行cnpm –v命令，

解決這個之后執行安裝chromedriver

cnpm install -g appium --chromedriver_version="2.28" --chromedriver_cdnurl=http://npm.taobao.org/mirrors/chromedriver

我是誰？

我是一名從事了多年軟件測試的老測試員，今年年初我花了一個月整理了一份最適合2020年學習的軟件測試學習干貨，可以送給每一位對軟件測試（包括APP測試）感興趣的小伙伴，想要獲取的可以關注我的頭條號并在后臺私信我：【測試】，即可免費獲取。

希望本文可以帶給大家一個相對全局的視角看待卡頓問題，認識到卡頓是什么、卡頓的成因、卡頓的分類、卡頓的優化和一些經驗積累，有的放矢地解決 App 流暢性問題。接下來會從以下五個方面進行講述：

?什么是卡頓

?為什么會發生卡頓

?如何評價卡頓

?如何優化卡頓

?加入我們

1. 什么是卡頓

卡頓，顧名思義就是用戶體感界面不流暢。我們知道手機的屏幕畫面是按照一定頻率來刷新的，理論上講，24 幀的畫面更新就能讓人眼感覺是連貫的。但是實際上，這個只是針對普通的視頻而言。對于一些強交互或者較為敏感的場景來說，比如游戲，起碼需要 60 幀，30 幀的游戲會讓人感覺不適；位移或者大幅度動畫 30 幀會有明顯頓挫感；跟手動畫如果能到 90 幀甚至 120 幀，會讓人感覺十分細膩，這也是近來廠商主打高刷牌的原因。

對于用戶來說，從體感角度大致可以將卡頓分為以下幾類：

這些體驗對于用戶可以說是非常糟糕的，甚至會引起感官的煩躁，進而導致用戶不愿意繼續停留在我們的 App。可以說，流暢的體驗對于用戶來說至關重要。

2. 為什么會發生卡頓

用戶體感的卡頓問題原因很多，且常常是一個復合型的問題，為了聚焦，這里暫只考慮真正意義上的掉幀卡頓。

2.1 繞不開的 VSYNC

我們通常會說，屏幕的刷新率是 60 幀，需要在 16ms 內做完所有的操作才不會造成卡頓。但是這里需要明確幾個基本問題：

1. 為什么是 16ms？
2. 16ms 內都需要完成什么？
3. 系統如何盡力保證任務在 16ms 內完成？
4. 16ms 內沒有完成，一定會造成卡頓嗎？

這里先回答第一個問題：為什么是 16ms。早期的 Android 是沒有 vsync 機制的，CPU 和 GPU 的配合也比較混亂，這也造成著名的 tearing 問題，即 CPU/GPU 直接更新正在顯示的屏幕 buffer 造成畫面撕裂。后續 Android 引入了雙緩沖機制，但是 buffer 的切換也需要一個比較合適的時機，也就是屏幕掃描完上一幀后的時機，這也就是引入 vsync 的原因。

早先一般的屏幕刷新率是 60fps，所以每個 vsync 信號的間隔也是 16ms，不過隨著技術的更迭以及廠商對于流暢性的追求，越來越多 90fps 和 120fps 的手機面世，相對應的間隔也就變成了 11ms 和 8ms。

那既然有了 VSYNC，誰在消費 VSYNC？其實 Android 的 VSYNC 消費者有兩個，也就對應兩類 VSYNC 信號，分別是 VSYNC-app 和 VSYNC-sf，所對應的也是上層 view 繪制和 surfaceFlinger 的合成，具體的我們接下來詳細說。

這里還有一些比較有意思的點，有些廠商會有 vsync offset 的設計，App 和 sf 的 vsync 信號之間是有偏移量的，這也在一定程度上使得 App 和 sf 的協同效應更好。

2.2 View 顛沛流離的一生

在講下一 part 之前先引入一個話題：

一個 view 究竟是如何顯示在屏幕上的？

我們一般都比較了解 view 渲染的三大流程，但是 view 的渲染遠不止于此：

此處以一個通用的硬件加速流程來表征

1. Vsync 調度：很多同學的一個認知誤區在于認為 vsync 是每 16ms 都會有的，但是其實 vsync 是需要調度的，沒有調度就不會有回調；
2. 消息調度：主要是 doframe 的消息調度，如果消息被阻塞，會直接造成卡頓；
3. input 處理：觸摸事件的處理；
4. 動畫處理：animator 動畫執行和渲染；
5. view 處理：主要是 view 相關的遍歷和三大流程；
6. measure、layout、draw：view 三大流程的執行；
7. DisplayList 更新：view 硬件加速后的 draw op；
8. OpenGL 指令轉換：繪制指令轉換為 OpenGL 指令；
9. 指令 buffer 交換：OpenGL 的指令交換到 GPU 內部執行；
10. GPU 處理：GPU 對數據的處理過程；
11. layer 合成：surface buffer 合成屏幕顯示 buffer 的流程；
12. 光柵化：將矢量圖轉換為位圖；
13. Display：顯示控制；
14. buffer 切換：切換屏幕顯示的幀 buffer；

Google 將這個過程劃分為：其他時間/VSync 延遲、輸入處理、動畫、測量/布局、繪制、同步和上傳、命令問題、交換緩沖區。也就是我們常用的 GPU 嚴格模式，其實道理是一樣的。到這里，我們也就回答出來了第二個問題：16ms 內都需要完成什么？

準確地說，這里仍可以進一步細化：16ms 內完成 APP 側數據的生產；16ms 內完成 sf layer 的合成

View 的視覺效果正是通過這一整條復雜的鏈路一步步展示出來的，有了這個前提，那就可以得出一個結論：上述任意鏈路發生卡頓，均會造成卡頓。

2.3 生產者和消費者

我們再回到 Vsync 的話題，消費 Vsync 的雙方分別是 App 和 sf，其中 App 代表的是生產者，sf 代表的是消費者，兩者交付的中間產物則是 surface buffer。

再具體一點，生產者大致可以分為兩類，一類是以 window 為代表的頁面，也就是我們平時所看到的 view 樹這一套；另一類是以視頻流為代表的可以直接和 surface 完成數據交換的來源，比如相機預覽等。

對于一般的生產者和消費者模式，我們知道會存在相互阻塞的問題。比如生產者速度快但是消費者速度慢，亦或是生產者速度慢消費者速度快，都會導致整體速度慢且造成資源浪費。所以 Vsync 的協同以及雙緩沖甚至三緩沖的作用就體現出來了。

思考一個問題：是否緩沖的個數越多越好？過多的緩沖會造成什么問題？

答案是會造成另一個嚴重的問題：lag，響應延遲

這里結合 view 的一生，我們可以把兩個流程合在一起，讓我們的視角再高一層：

2.4 機制上的保護

這里我們來回答第三個問題，從系統的渲染架構上來說，機制上的保護主要有幾方面：

1. Vsync 機制的協同；
2. 多緩沖設計；
3. surface 的提供；
4. 同步屏障的保護；
5. 硬件繪制的支持；
6. 渲染線程的支持；
7. GPU 合成加速；

這些機制上的保護在系統層面最大程度地保障了 App 體驗的流暢性，但是并不能幫我們徹底解決卡頓。為了提供更加流暢的體驗，一方面，我們可以加強系統的機制保護，比如 FWatchDog；另一方面，需要我們從 App 的角度入手，治理應用內的卡頓問題。

2.5 再看卡頓的成因

經過上面的討論，我們得出一個卡頓分析的核心理論支撐：渲染機制中的任何流轉過程發生異常，均會造成卡頓。

那么接下來，我們逐個分析，看看都會有哪些原因可能造成卡頓。

2.5.1 渲染流程

1. Vsync 調度：這個是起始點，但是調度的過程會經過線程切換以及一些委派的邏輯，有可能造成卡頓，但是一般可能性比較小，我們也基本無法介入；
2. 消息調度：主要是 doframe Message 的調度，這就是一個普通的 Handler 調度，如果這個調度被其他的 Message 阻塞產生了時延，會直接導致后續的所有流程不會被觸發。這里直播建立了一個 FWtachDog 機制，可以通過優化消息調度達到插幀的效果，使得界面更加流暢；
3. input 處理：input 是一次 Vsync 調度最先執行的邏輯，主要處理 input 事件。如果有大量的事件堆積或者在事件分發邏輯中加入大量耗時業務邏輯，會造成當前幀的時長被拉大，造成卡頓。抖音基礎技術同學也有嘗試過事件采樣的方案，減少 event 的處理，取得了不錯的效果；
4. 動畫處理：主要是 animator 動畫的更新，同理，動畫數量過多，或者動畫的更新中有比較耗時的邏輯，也會造成當前幀的渲染卡頓。對動畫的降幀和降復雜度其實解決的就是這個問題；
5. view 處理：主要是接下來的三大流程，過度繪制、頻繁刷新、復雜的視圖效果都是此處造成卡頓的主要原因。比如我們平時所說的降低頁面層級，主要解決的就是這個問題；
6. measure/layout/draw：view 渲染的三大流程，因為涉及到遍歷和高頻執行，所以這里涉及到的耗時問題均會被放大，比如我們會降不能在 draw 里面調用耗時函數，不能 new 對象等等；
7. DisplayList 的更新：這里主要是 canvas 和 displaylist 的映射，一般不會存在卡頓問題，反而可能存在映射失敗導致的顯示問題；
8. OpenGL 指令轉換：這里主要是將 canvas 的命令轉換為 OpenGL 的指令，一般不存在問題。不過這里倒是有一個可以探索的點，會不會存在一類特殊的 canvas 指令，轉換后的 OpenGL 指令消耗比較大，進而導致 GPU 的損耗？有了解的同學可以探討一下；
9. buffer 交換：這里主要指 OpenGL 指令集交換給 GPU，這個一般和指令的復雜度有關。一個有意思的事兒是這里一度被我們作為線上采集 GPU 指標的數據源，但是由于多緩沖的因素數據準確度不夠被放棄了；
10. GPU 處理：顧名思義，這里是 GPU 對數據的處理，耗時主要和任務量和紋理復雜度有關。這也就是我們降低 GPU 負載有助于降低卡頓的原因；
11. layer 合成：這里主要是 layer 的 compose 的工作，一般接觸不到。偶爾發現 sf 的 vsync 信號被 delay 的情況，造成 buffer 供應不及時，暫時還不清楚原因；
12. 光柵化/Display：這里暫時忽略，底層系統行為；
13. Buffer 切換：主要是屏幕的顯示，這里 buffer 的數量也會影響幀的整體延遲，不過是系統行為，不能干預。

2.5.2 視頻流

除了上述的渲染流程引起的卡頓，還有一些其他的因素，典型的就是視頻流。

1. 渲染卡頓：主要是 TextureView 渲染，textureview 跟隨 window 共用一個 surface，每一幀均需要一起協同渲染并相互影響，UI 卡頓會造成視頻流卡頓，視頻流的卡頓有時候也會造成 UI 的卡頓；
2. 解碼：解碼主要是將數據流解碼為 surface 可消費的 buffer 數據，是除了網絡外最重要的耗時點。現在我們一般都會采用硬解，比軟解的性能高很多。但是幀的復雜度、編碼算法的復雜度、分辨率等也會直接導致解碼耗時被拉長；
3. OpenGL 處理：有時會對解碼完成的數據做二次處理，這個如果比較耗時會直接導致渲染卡頓；
4. 網絡：這個就不再贅述了，包括 DNS 節點優選、cdn 服務、GOP 配置等；
5. 推流異常：這個屬于數據源出了問題，這里暫時以用戶側的視角為主，暫不討論。

2.5.3 系統負載

1. 內存：內存的吃緊會直接導致 GC 的增加甚至 ANR，是造成卡頓的一個不可忽視的因素；
2. CPU：CPU 對卡頓的影響主要在于線程調度慢、任務執行的慢和資源競爭，比如降頻會直接導致應用卡頓；
3. GPU：GPU 的影響見渲染流程，但是其實還會間接影響到功耗和發熱；
4. 功耗/發熱：功耗和發熱一般是不分家的，高功耗會引起高發熱，進而會引起系統保護，比如降頻、熱緩解等，間接的導致卡頓。

2.6 卡頓的分類

我們此處再整體整理并歸類，為了更完備一些，這里將推流也放了上來。在一定程度上，我們遇到的所有卡頓問題，均能在這里找到理論依據，這也是指導我們優化卡頓問題的理論支撐。

3. 如何評價卡頓

3.1 線上指標

3.2 線下指標

Diggo 是字節自研的一個開放的開發調試工具平臺，是一個集「評價、分析、調試」為一體的，一站式工具平臺。內置性能測評、界面分析、卡頓分析、內存分析、崩潰分析、即時調試等基礎分析能力，可為產品開發階段提供強大助力。

4. 如何優化卡頓

4.1 常用的工具

4.1.1 線上工具

4.1.2 線下工具

4.2 常用的思路

這里主要針對 UI 卡頓和 UI/流相互影響打來的卡頓。

對于 UI 卡頓來說，我們手握卡頓優化的 8 板大斧子，所向披靡：

1. 下線代碼；
2. 減少執行次數；
3. 異步；
4. 打散；
5. 預熱；
6. 復用；
7. 方案優化；
8. 硬件加速；

總體思路就是「能不干就不干、能少干就少干、能早點干就早點兒干、能晚點兒干就晚點兒干、能讓別人干就讓別人干、能干完一次當 10 次就只干一次，實在不行，再考慮自己大干一場」。

這里例舉出一些常見的優化思路，注意這一定也不可能是全部，如果有其他好的優化思路，我們可以一起交流。

4.3 一些做過的事兒

4.3.1 解決 UI 卡頓引起的流卡頓

直播對于 SurfaceView 的切換是一個長期的專項，分為多期逐步將 SurfaceView 在直播全量落地，場景覆蓋秀場直播、聊天室、游戲直播、電商直播、媒體直播等，業務上對于滲透率和停留時長有比較顯著的收益，同時功耗的收益也很可觀。

這里是一個權衡的問題，SurfaceView 的兼容性問題 pk 帶來的收益是否能打平，一般來說，越是復雜的業務場景，收益約大。

4.3.2 解決 message 調度

FWatchDog 是基于對 MessageQueue 的調度策略和同步屏障原理，以均幀耗時為閾值判定丟幀后主動在 MessageQueue 中插入同步屏障，保證渲染異步 message 和 doframe 的優先執行，達到一種渲染插幀的效果，同時具備 ANR 自動恢復同步屏障的能力，保障打散的有效。

所以 FWatchDog 和打散是好的搭檔，能產生 1+1 大于 2 的效果。

4.3.3 減少執行次數

一個典型的應用場景就是滑動場景的 GC 抑制，能夠顯著提高用戶上下滑的使用體驗。這個場景相信每個業務都會存在，特別是存在大量遍歷的邏輯，優化效果明顯。

4.3.4 代碼下線

一些老的框架、無用的邏輯以及存在性不高的代碼都可以下線，這里基本業務強相關，就不舉具體的例子了。

4.3.5 解決耗時函數（打散/異步）

首先是打散，直播做了很多 task 的拆分以及打散，第一可以減輕當前渲染幀的耗時壓力，第二可以和 FWatchDog 結合達到插幀的效果。這里其實還可以控制 task 的執行優先級，包括隊列的插隊等，總之 MessageQueue 的合理調度是很有必要的。

異步的使用也相對比較多，一個埋點日志的框架，以及一些 inflate 的加載等，都可以使用異步來解決卡頓問題。

4.3.6 預熱

直播提供了一個預熱框架，可以讓直播內部的一次性成本邏輯得到在宿主側執行的機會，同時提供完備的隊列優先級管理、同步異步管理和 task 生命周期管理，降低直播內部首次加載的卡頓問題。

4.3.7 硬件加速

拉高硬件的運行性能，比如 CPU 頻率、GPU 頻率、線程綁大核以及網絡相關的調優，從底層提高 App 的運行體驗。

5. 加入我們

直播客戶端技術團隊是一個集體驗優化、平臺建設、跨端、端智能、穩定性為一體的綜合性團隊，團隊氛圍 nice，技術成長快，有充足的自由度發揮自己的特長，為億級 DAU 產品保駕護航，也面臨更加豐富多樣的挑戰，每一行代碼都會讓數億的用戶體驗變得更好！現誠邀各位英才加入，對這些方向感興趣的同學都可以來聊一聊，內推鏈接：「鏈接」