脸书开源行动App遥测函式库Profilo，每秒能收集3,000笔事件讯号

脸书在3月14日开源了客户端资料收集函式库Profilo，目前仅先释出Android函式库。利用Profilo收集遥测资料的功能，行动App开发者能更容易地收集应用程序在使用者装置上的效能详细资讯，更快速的找出效能问题，或是建立更佳的工作流以及分析系统。

脸书表示，脸书App在Android与iOS有数十亿的使用者，他们相信应用程序的回应性及顺畅度，是提高使用者体验的关键，但这也代表他们必须要有能力掌握使用者装置的状态，找出影响效能的问题所在。

不过这并非易事，过去脸书在Beta或是新版本发现回归时，他们会立即隔离新部署或是实验性配置，但不是所有的配置都可以透过服务器驱动设定解决，想要进一步调查原因，也只能收集到一些诸如CPU时间之类的代理测量指标，很难直接诊断比较复杂的问题。

脸书有时也会采取另一条道路，就是在实验室中重现问题，再使用Systrace等分析工具，取得较详细的资料，但是遇到特定使用者族群装置效能严重衰退的情况，便很难在实验室中复制，毕竟实验室环境是为主流的使用者经验设计，特殊状态的复制需要大量的资源，找出回归的时间也会很长，最后还可能徒劳无功。

因此脸书意识到，他们必须要有更完全诊断问题的工具，因此开发了Profilo，来收集更详细的遥测资料。

Profilo让行动App开发人员有能力管理来自不同来源的资料流，方便量测分析应用程序的不同方面，而脸书表示，这是他们能在任何交互运行的状态下对系统进行量测，并作为重构应用程序的重要参考基础。Profilo拥有极高的效能，能以每秒或是更短的时间，对底层造成极小中断与失真的情况下，收集超过3,000笔事件的遥测讯号。

其有力的设置功能，在不过分加重应用程序负担的情况下，Profilo能对特定的装置收集遥测资料，透过远端控制可以调整要监控的项目，像是增加有疑问的A/B测试采样率、在回归测试中使用较高负担的资料提供系统或是全面微调追踪量与内容等。

Profilo缩短了效能回归测试的时间，现在脸书能以几十毫秒的时间采样装置状态，精准找出回归的根本原因，由于能收集丰富的遥测资料，便能执行更多的因果关系分析，用以了解画面滚动的流畅度与应用程序的回应性。

在没有Profilo之前，应用程序的回归总要花费很长的时间，才能找到根本原因和需要的资料流，问题通常数月都还无法解决。不过，在有能力收集丰富的遥测资料后，这些问题都得到改善，脸书开发工具分析Profilo收集回来的资料，比较每个释出的版本的CPU堆叠追踪，也能对特定类型的回归性进行根本原因分析，而回归所需的时间缩短到了几小时。

Profilo的另一个独特功能可以展开Java堆叠，脸书表示，这应该是第一个不需要使用官方API，就能了解内部VM结构以及收集堆叠追踪的Android性能函式库。

收集遥测资料，改变了脸书进行回归检测与性能分析的看法，他们能更深入的分析问题，以解释大量资源使用的情况，并且理解应用程序与VM间的关系，也对硬件性能有了更详细的分析。脸书认为，这项工具能方便地为其他行动应用程序开发者带来一样的好处。