CPU调频、线程绑核、优先级控制实践-全球速讯

为了进一步优化App性能，最近针对如何提高应用对CPU的资源使用、以及在多线程环境下如何提高关键线程的执行优先级做了技术调研。本文是对技术调研过程的阶段性总结，将分别介绍普通应用如何调控App频率、如何将指定线程绑定到特定CPU、如何通过提升线程优先级获得更多CPU时间片。

通常更高的CPU频率代表了更快的运行速度，一个设备可能包含多个CPU，以我目前使用的Mi 11 Pro为例，它的CPU为8核分别为，1 x 2.84GHz (ARM 最新Cortex X1 核心)+3 x 2.4GHz (Cortex A78)+4 x 1.8GHz (Cortex A55)。这里列出的CPU频率为CPU物理理论上的最大频率，在实际运行过程中CPU的频率范围为governor动态控制的。目前的Androd设备普遍采用schedutil gover进行调频控制，它会根据运行过程的CPU负载进行调频，不过默认的调频存在一些限制，比如调频之间的间隔需>10ms, 并且根据schedutil的升频计算公式，并不保证能直接升频到最高频率。

(资料图片)

在实际应用中，如果我们已经知道接下来需要执行高CPU负载任务，通过提前主动升频来提升性能，就能减少卡顿或者提高任务的执行耗时。

在Android系统 ：可以通过

echo [频率]>/sys/devices/system/cpu/cpu*/cpufreq/scaling set  speed

来修改目标CPU的频率，但这需要root权限才能执行。对于普遍的应用程序，经过调研发现，高通提供了一套针对高通芯片的性能Jon告知SDKPower，利用这个套机制可以实现CPU频率等资源的管理。

关于高通这套Framework的具体架构，可以参考最后附录中的参考资料的相关文章，我们只需要知道：

在Java层 /android/util/BoostFramework.java类封装了一些基本的API提供给framework层调用。

通过阅读BoostFramework的源码，可以发现其实现主要是对QPerformance.jar 和UxPerformance.ja r中的 API 进行了一层反射调用包装。那么一样的，我们也可以通过封装对BoostFrameWork类的调用提供提频能力。

不过这些函数似乎并不是默认公开的内容，直接通过google搜索 并没有找到关于BoostFramwork或者高通Performance API的相关信息。最后还是通过其他各种关键字检索，终于找到了部分有效信息。

图片

图片

通过对应API文档及使用示例得知perfLocakAcquire 该函数接受 2个参数，第一个参数为持续时间、第二个参数为一个int数组，表示具体的操作，数组中的内容为 k-v 结构形式，比如 [config1,value,config2,value] . 该函数执行时会返回一个 PerfLock句柄，后续通过调用 perfLockReleaseHandler 可以提前取消之前的操作。

这里简单罗列一些配置项对应的值:

/**         * 是否允许CPU进入深度低功耗模式， 对应 /dev/cpu_dma_latency, 默认空，不允许则设置为1         */const val MPCTLV3_ALL_CPUS_PWR_CLPS_DIS = 0x40400000/**         * 对应控制小核最小频率         */const val MPCTLV3_MIN_FREQ_CLUSTER_LITTLE_CORE_0 = 0x40800100/**         * 对应控制小核最大频率         */const val MPCTLV3_MAX_FREQ_CLUSTER_LITTLE_CORE_0 = 0x40804100/**         * 对应控制大核最小频率         */const val MPCTLV3_MIN_FREQ_CLUSTER_BIG_CORE_0 = 0x40800000/**         * 对应控制大核最大频率         */const val MPCTLV3_MAX_FREQ_CLUSTER_BIG_CORE_0 = 0x40804000/**         * 对应控制超大核最小频率         */const val MPCTLV3_MIN_FREQ_CLUSTER_PLUS_CORE_0 = 0x40800200;/**         * 对应控制超大核最小频率         */const val MPCTLV3_MAX_FREQ_CLUSTER_PLUS_CORE_0 = 0x40804200/**         * 不太清楚，似乎是调度加速         */const val MPCTLV3_SCHED_BOOST = 0x40C00000;

完整的配置项定义，可以参考：https://github.com/Knight-ZXW/AppOptimizeFramework/blob/master/docs/qualcomms.txt。

另外，如何确定我们的设备包含高通的这套性能调控SDK呢？可以通过查看你的Android设备存储路径/system/framework/路径，如果包含了 QPerformance.jar 及 QXPerformance.jar 就表示接入了SDK。

图片

根据上面的知识点，最终该工具类完整的实现代码如下：

首先在init 函数中反射并获取 "android.util.BoostFramework”类的相应函数

提供 boostCpu 函数，该函数传入一个参数，表示提升CPU频率持续多久，该函数内部调用perfLockAcquire 函数 将所有CPU频率提升到最高值

提供 stopBoost 函数，该函数会将前面调用的boostCpu 效果提前取消。

package com.knightboost.optimize.cpuboostimport android.content.Contextimport java.lang.reflect.Methodimport java.util.concurrent.CopyOnWriteArrayListclass QcmCpuPerformance : CpuPerformance {    companion object {        const val TAG = "QcmCpuPerformance";        /**         * 是否允许CPU进入深度低功耗模式， 对应 /dev/cpu_dma_latency, 默认空，不允许则设置为1         */        const val MPCTLV3_ALL_CPUS_PWR_CLPS_DIS = 0x40400000        /**         * 设置小核最小频率，十六进制         */        const val MPCTLV3_MIN_FREQ_CLUSTER_LITTLE_CORE_0 = 0x40800100        /**         * 设置小核最大频率, 十六进制         */        const val MPCTLV3_MAX_FREQ_CLUSTER_LITTLE_CORE_0 = 0x40804100        /**         * 设置大核最小频率，十六进制         */        const val MPCTLV3_MIN_FREQ_CLUSTER_BIG_CORE_0 = 0x40800000        /**         * 设置大核最大频率，十六进制         */        const val MPCTLV3_MAX_FREQ_CLUSTER_BIG_CORE_0 = 0x40804000        const val MPCTLV3_MIN_FREQ_CLUSTER_PLUS_CORE_0 = 0x40800200;        const val MPCTLV3_MAX_FREQ_CLUSTER_PLUS_CORE_0 = 0x40804200        /**         * 调度优化?  启动 值为01         */        const val MPCTLV3_SCHED_BOOST = 0x40C00000;    }    var initSuccess = false    lateinit var acquireFunc: Method    lateinit var mPerfHintFunc: Method    lateinit var releaseFunc: Method    lateinit var frameworkInstance: Any    var boostHandlers = CopyOnWriteArrayList()    /**     * 配置: 请求将所有CPU核心频率拉满,并禁止进入深入低功耗模式     */    private var CONFIGS_FREQUENCY_HIGH = intArrayOf(        MPCTLV3_SCHED_BOOST, 1,        MPCTLV3_ALL_CPUS_PWR_CLPS_DIS, 1,        MPCTLV3_MAX_FREQ_CLUSTER_BIG_CORE_0, 0xFFF,        MPCTLV3_MAX_FREQ_CLUSTER_LITTLE_CORE_0, 0xFFF,        MPCTLV3_MIN_FREQ_CLUSTER_BIG_CORE_0, 0xFFF,        MPCTLV3_MIN_FREQ_CLUSTER_LITTLE_CORE_0, 0xFFF,        MPCTLV3_MIN_FREQ_CLUSTER_PLUS_CORE_0, 0xFFF,        MPCTLV3_MAX_FREQ_CLUSTER_PLUS_CORE_0, 0xFFF,    )    var DISABLE_POWER_COLLAPSE = intArrayOf(MPCTLV3_ALL_CPUS_PWR_CLPS_DIS, 1)    /**     * 初始化CpuBoost 核心功能     */    override fun init(context: Context): Boolean {        try {            val boostFrameworkClass = Class.forName("android.util.BoostFramework")            val constructor = boostFrameworkClass.getConstructor(Context::class.java)                ?: return false            frameworkInstance = constructor.newInstance(context)            acquireFunc = boostFrameworkClass.getDeclaredMethod(                "perfLockAcquire", Integer.TYPE, IntArray::class.java            )            mPerfHintFunc = boostFrameworkClass.getMethod(                "perfHint", Int::class.javaPrimitiveType, String::class.java, Int::class.javaPrimitiveType, Int::class.javaPrimitiveType            )            releaseFunc = boostFrameworkClass.getDeclaredMethod(                "perfLockReleaseHandler", Integer.TYPE            )            initSuccess = true            return true        } catch (e: Exception) {            initSuccess = false            CpuBoostManager.boostErrorLog(TAG, "init failed", e)            return false        }    }    /**     * 提升所有核心CPU频率到最高频率     */    override fun boostCpu(duration: Int): Boolean {        if (!initSuccess) return false        return try {            perfLockAcquire(duration, DISABLE_POWER_COLLAPSE)            perfLockAcquire(duration, CONFIGS_FREQUENCY_HIGH)            return true        } catch (e: Exception) {            CpuBoostManager.boostErrorLog(TAG, "boostCpuFailed", e)            false        }    }    /**     *   Toggle off all optimizations requested Immediately.     *   Use this function if you want to release before the time duration ends.     *     *   这个函数并不强制调用，只用于提前取消所有已配置的加速效果。     */    override fun stopBoost() {        val handlers = boostHandlers.toTypedArray()        for (handler in handlers) {            try {                releaseFunc.invoke(frameworkInstance, handler)            } catch (e: Exception) {                e.printStackTrace()            }        }    }    /**     * Toggle on all optimizations requested.     * @param duration: The maximum amount of time required to hold the lock.     *       Only a positive integer value in milliseconds will be accepted.     *       You may explicitly call perfLockRelease before the timer expires.     * @param list Enter all optimizations required. Only the optimizations in the     *       table below are supported. You can only choose one optimization     *       from each of the numbered sections in the table. Incorrect or     *       unsupported optimizations will be ignored.     *     *       NOTE: Enter the optimizations required in the order they appear in the table.     */    private fun perfLockAcquire(duration: Int, list: IntArray): Int {        val handler = acquireFunc.invoke(frameworkInstance, duration, list) as Int;        if (handler > 0) {            boostHandlers.add(handler)        }        return handler    }}

通过读取：

/sys/devices/system/cpu/cpu$cpuIndex/cpufreq/下的文件可以获取对应CPU所能运行的最小、最大、以及当前的频率。

在提频前，当前设备的CPU频率信息如下：

可以发现提频前，0~3 这些小核中，3个运行在最大调频频率，1个运行在最小调频频率。4~6中核都运行在最小频率，7号大核直接摸鱼运行在最小频率。

在提频后，运行数据如下：

可以看出，进行提频后，所有核心都运行在最大频率上，整机频率相比之前提升30%, 当然在实际运行过程中，提频前的工作频率并不会这么低，这里的数据是从CPU几乎空闲状态到直接满频的情况。

根据wikipedia上的解释，通过设置CPU亲和性可以控制线程在哪些CPU上运行。

通过CPU亲和性的概念可以提高线程的运行效率，比如由于CPU存在缓存机制，通过CPU亲和性(CPU Affinity)让同一个线程被重新调度时，尽量调度到同一个处理器上，这样就可以可以避免不必要的 Cache Miss。另一种情况，比如对于一组相同的任务，它们需要访问的内存大部分是相同的，如果控制这组任务调度在相同的CPU上，也可以共享相同的cache，从而提高程序的访问效率。

CPU亲和性分为2种，分别为软亲和性和硬亲和性：

在下文中，我们讨论的亲和性控制将只涉及到硬亲和性。

在linux系统中，可以通过taskset命令或者程序中调用 sched_setaffinity 指定线程的CPU亲和性。

taskset的具体用法为 taskset [-ap] [mask] [PID]

这里的mask指的是CPU掩码，CPU掩码描述了具体哪些CPU，以8核CPU为例，

二进制 00000011 (十进制值为3)， 表示CPU序号1 和2, 当调用命令 tasket -p 3 2001 表示序号为2001的进程将只会运行在 cpu 1 或2 上。也就是说CPU掩码根据对应二进制位置及其0或1的值，表示某个线程的CPU相关亲和性。

当我尝试在 Android设备上直接调用 taskset命令，系统提示无权限。

为了进一步了解 taskset程序的实现，为后续我们自己实现CPU控制提供参考，这里研究了一下其实现代码。该工具的实现源码在 util-linux项目中。

上面提示的 `failed to get xx"s affinity`其实是在调用 sched_getaffinity 函数时就失败了。这里我的设备未Root，因此猜测原因为 sched_setaffinity 、sched_getaffinity 底层涉及的系统调用只有当前进程才有权限控制其自身的affinity属性。

通过其源码实现可以发现该工具实现就是套了层皮，底层实现还是调用的 sched_setaffinity函数。

有了上述背景，在native层编写一个CPU亲和性控制的函数就比较简单了，主要涉及到sched.h头文件的几个函数， 以下为最终实现示例代码

#include #include "unistd.h"#include "sched.h"#include "android/log.h"Java_com_knightboost_optimize_cpuboost_ThreadCpuAffinityManager_setCpuAffinity(JNIEnv *env,                                                                            jclass clazz,                                                                            jint tid,                                                                            jintArray cpu_set) {  if (tid <= 0) {    tid = gettid();  }  // 获取当前CPU核心数  int cpu_count = sysconf(_SC_NPROCESSORS_CONF);  jsize size = env->GetArrayLength(cpu_set);  jint bind_cpus[size];  env->GetIntArrayRegion(cpu_set, 0, size, bind_cpus);  cpu_set_t mask;  CPU_ZERO(&mask);  for (jint cpu : bind_cpus) {    if (cpu > 0 && cpu < cpu_count) {      CPU_SET(cpu, &mask); //设置对应cpu位置的值为1    } else {      __android_log_print(ANDROID_LOG_ERROR,                          "TCpuAffinity",                          "try bind illegal cpu index %d",cpu);    }  }  int code = sched_setaffinity(tid, sizeof(mask), &mask);  if (code == 0) {    // return success    return JNI_TRUE;  } else {    __android_log_print(ANDROID_LOG_ERROR,                        "TCpuAffinity",                        "setCpuAffinity() failed code %d",code);    // return failed    return JNI_FALSE;  }}

该函数中，首先获取了当前的CPU核心数，接下来创建一个 cpu_set_t mask变量，调用宏函数 CPU_SET 将对应位置的二进制值设置为1, 最后调用 sched_setaffinity 设置相应线程的CPU亲和性。

在实际应用场景中，我们可以将某个线程需要执行繁重任务时，将它绑定到大核上，当任务执行结束时，再还原原始的CPU亲和性值或者将其CPU亲和性值重置为所有CPU。

到目前所讲的都还是理论阶段，那么我们如何确认修改线程的CPU亲和性之后，这个线程确实被迁移到目标CPU上执行了呢？

在之前写过的一篇CPU相关的文章《Android 高版本采集系统CPU使用率的方式》中，我们提及了 stat文件记录了线程当前指向状态的相关信息。根据linux手册， 第 39 处的值就表示了该线程最后运行的CPU。

因此通过读取该文件，我们就可以获取线程所运行在哪个CPU上：

/**     * 获取目标线程最后运行在哪个CPU     */    fun getLastRunOnCpu(tid:Int):Int{        var path = "/proc/${android.os.Process.myPid()}/task/${tid}/stat"        try {            val content = File(path).readText()            var arrays = StringUtil.splitWorker(content," ")            var cpu = arrays[38]            return cpu.toInt()        }catch (e:Exception){            // this task  may already have ended            return -1;        }    }

这里我们需要获取Java线程对应操作系统的线程id(tid),关于 tid 的获取可以参考之前的文章：《Android虚拟机线程启动过程解析, 获取Java线程真实线程Id的方式》。

我们通过获取Java Thread对象的 nativePeer值，这个地址对应了Android native层的Thread对象指针地址，再根据tls_32bit_sized_values结构的tid属性偏移值，进行类型强转，从而获取系统线程id。

在demo中，在修改目标线程CPU后，我们可以持续打印这个值，以验证绑核是否成功。

这里我尝试将目标线程的 affinity修改为大核(CPU序号7)，打印结果如下：

可以看到，在执行修改前，目标线程的CPU亲和性为0~7核心，且最近1秒基本运行在CPU核心2上，在修改CPU亲和性为CPU7后， 目标线程只会运行在CPU7 上。这验证了功能确实生效了。

除了CPU频率、线程CPU亲和性，线程的优先级也会影响线程对CPU的使用，线程优先级更高意味该线程有更高的概率获得CPU的执行，分配到更多的CPU时间片。

在Android平台下，可以通过Process.setThreadPriority(int tid, int priority) ，这适用于无法获取目标线程的Thread对象，只知道目标线程tid的情况。

当然，如果能够获取到Thread对象，也可以通过 Thred对象的 setPriority(int newPriority)设置。

需要注意的是，这2个函数优先级int值的定义和范围是不同的，第一个函数是Android系统提供的Java接口，它的优先级沿用linux对线程的优先级定义 (-20~19)，而第二个函数是Java jdk提供的，它的优先级范围为1~10。

另外，Process.setThreadPriority(int tid, int priority) 这里的tid 需要的是实际的操作系统线程ID，而不是Java中Thread的id。

另一方面，Thread.setPriority(int newPriority) 函数设置的优先级并没有达到最大值，我们测试下使用Thread对象的设置优先级函数为最高值(Thread.MAX_PRIORITY) 之后的nice值 ，并和 Process.setThreadPriority进行比较,测试代码如下:

Thread{            var currentThread = Thread.currentThread()            var tid = ArtThread.getTid(currentThread)            Log.e("priorityTest","当前线程 $tid" +                    " java优先级 ${currentThread.priority} nice值 ${ThreadUtil.getNice(tid)}")            currentThread.priority=Thread.MAX_PRIORITY;            Log.e("priorityTest","使用 Thread.setPriority 设置最高优级10 后  nice值 ${ThreadUtil.getNice(tid)}")            Process.setThreadPriority(tid,-20)            Log.e("priorityTest","使用 Process.setThreadPriority 设置最高优级-20 后  nice值 ${ThreadUtil.getNice(tid)}")        }.start()

测试结果如下：

由此可见，如果希望最大程度提高线程优先级的话，还是需要使用Process的函数。

那么这里为什么Android系统下通过Thread.setPriority 设置的最高优先级nice值为什么为-8呢？通过跟踪native层代码路径发现，这里Java线程优先级的1~10 在底层的取值 其实是映射了使一个数组，该数组存储了对应设置的nice优先级，其中的最高优先级10对应的 ANDROID_PRIORITY_URGENT_DISPLAY 对应的nice值就为-8

Android系统对于什么情况下使用什么nice值 完整定义如下：

为了验证设置线程优先级对线程获得CPU时间片的提升效果，我们创建一组工作线程，并同时执行，每个线程会执行一个类似死循环的工作，这样每个线程都不会主动让出CPU，工作5秒后，计算当前线程得到CPU执行的时间。为了更好对比线程优先级对CPU时间片分配的影响，我们将这组线程统一绑定到一个核心上，这样可以更好的观测线程优先级对CPU时间片分配的的影响。

根据输出结果可以发现，优先级为-20的线程占用了cpu98%的执行时间，其他线程几乎没得到执行。

而如果将线程优先级修改为0，也就是默认的线程优先级，那么这4个线程将会得到几乎相同的执行时间。

图片

从这个结果看，线程优先级的效果还是比较明显的。

不过在实际情况中，如果这些线程并没有特别指定在某个CPU执行，那么它们可能会在任何CPU上执行，系统会自动将线程调度到其他不繁忙的CPU上。

以下是指定了 task4的优先级，但并没有绑定CPU核的情况输出的结果:

图片

这里有2个信息：

从这里我们也可以看出，不合理的强绑定CPU核心， 有时候可能会起到相反的效果。

本文分享了Android系统下自主控制CPU频率、线程指定核心和优先级的方式，不过这些能力需要具体落实到业务场景才能够获得实际的收益。后续我们将在进程冷启动、Activity启动阶段、页面滑动、帧渲染线程优化、等业务场景进行尝试。

参考资料：