背景
当一个应用的用户越来越多，业务越来越复杂，性能问题就会突显，特别是在低端机上的用户感受尤为明显，甚至会影响到应用的用户活跃度、停留时长等重要指标，提升应用在中低端机上的性能迫在眉睫。如何来对研发同学的优化做出合理的评测我们需要思考下面两点：
- 要避免“运动式”性能优化， 有不少团队在投入了大量时间和精力对应用进行专项治理之后，由于缺少常态化的管控和治理手段，最终导致性能震荡式波动恶化；
- 线上的埋点日志数据不能完全反应用户对应用的真实体验和感受；
而影响用户体验最重要的一个指标就是启动耗时（启动+首屏），特别是应用拉新的时候，关于如何测量启动耗时，一般有两个方向：一是通过技术埋点，但基于技术埋点记录数据很难衡量用户真实体感(线上统计数据好?真实体感却差？)，而且也无法基于技术埋点获取竞品数据；另一个是通过录屏分帧测试，但是人工录屏逐帧分析会有人为感知误差（结束位边界认知不一致），而且人工性能专项测试持续交付ROI不高，比如录制10次，抽取关键帧取平均值，差不多要花费将近一个小时，采样次数越多，耗时越久。由于最近一段时间在看机器学习的书，所以在想能不能拿这个案例来实践一下。
在此之前我也调研了一下业内已有的类似方案：有通过OCR文字识别的、也有通过图像对比的，其中图像对比的方案如果是整图对比，视频启动过程中的广告、首页海报是变化的，这样无法准确识别；另外如果是部分对比，那么应用完整启动后第一屏不完全展示的地方，每次不一定在同一处，于是我参考了各种方案后，结合自己的想法，就把整个方案实现了一遍，接下来详细介绍一下此方案。
整体流程
阶段一主要是采集数据，将视频转换为图片，生成训练数据和测试数据
阶段二主要是训练模型
阶段三主要是通过训练好的模型进行预测并计算启动时间
环境准备
由于整个方案我是通过Python实现的，所以本地需要安装好Python环境，这里我使用的是Mac电脑所以默认带的Python环境，但如果要用到Python3需要自己升级，另外要安装pip工具：
brew install pip3
安装scikit-learn，一个简单的机器学习框架，以及依赖的科学计算软件包numpy和算法库scipy：
pip3 install scikit-learn pip3 install numpy pip3 install scipy
图片处理库OpenCV和imutils：
pip3 install opencv-contrib-python pip3 install imutils
对视频文件进行分帧处理的ffmpeg：
brew install ffmpeg
安装airtest框架（网易的一个跨平台的UI自动化框架）：
pip3 intall -U airtest
安装poco框架（网易的一个跨平台的UI自动化框架）：
pip3 install pocoui
注意：需要将Android手机开发者选项中的触摸反馈开关打开，这样就可以准确识别出点击应用icon的时刻。
阶段一
首次安装
由于应用第一次安装会有各种权限弹框，为了避免影响测试准确性，我们需要把第一次安装时候的弹框点掉，然后杀掉应用重新启动计算冷启动时间。
另外要模拟用户真实体感，首先要模拟用户真实的点击应用启动的过程，这时候不能通过adb直接唤起应用，我是通过poco框架来实现点击桌面应用icon的。
poco = AndroidUiautomationPoco() poco.device.wake() poco(text='应用名字').click() poco(text='下一步').click() poco(text='允许').click() poco(text='允许').click() poco(text='允许').click() os.system("adb shell am force-stop {}".format(package_name))
启动录屏
用adb命令开启录屏服务，—time-limit 20 表示录屏20秒，一般情况下20秒启动加首页基本能完成，如果是在低端机上可以适当延长时间。
录屏通过单独线程启动。
subprocess.Popen("adb shell screenrecord --time-limit 20 /sdcard/sample.mp4", shell=True, stdout=subprocess.PIPE, stderr=subprocess.STDOUT)
启动应用
测试前对被测应用进行安装，然后在点击完权限弹框后，杀掉进程重新点击桌面icon启动应用。
os.system("adb install -r {}".format(apk_path)) poco(text="应用名字").click()
等录屏结束后杀掉进程，然后重复上面的启动过程，根据采样率决定重复几次。
os.system("adb shell am force-stop {}".format(package_name))
视频分帧
将录制好的视频从手机中拉取到本地，然后通过ffmpeg进行分帧处理。
os.system("adb pull /sdcard/sample.mp4 {}".format(video_local_path)) os.system("ffmpeg -i {} -r 60 {}%d.jpeg".format(video_local_path, test_path)) -r 指定抽取的帧率，即从视频中每秒钟抽取图片的数量。60代表每秒抽取60帧。
提取训练集和测试集数据
我们一般把数据按照80%和20%的比例分为训练集和测试集，这里我们可以录制10组数据，把其中8组作为训练集，2组作为测试集。
