如何优化淘宝直播 PC 推流端性能

由于 Electron 集成了 Chromium，因此天然支持多进程架构。当淘宝直播 PC 推流端运行起来后，通过查看任务管理器就可以知道除主进程、Utility、GPU 进程外，每新建一个页面窗口就会多一个 renderer 进程，如下图所示：

如何优化淘宝直播 PC 推流端性能

▐  启动耗时优化

• 应用启动耗时优化

当我们双击打开淘宝直播 PC 推流端应用时，需要初始化一系列的逻辑（如设置缓存、登录所需环境、创建目录、检测内网环境创建系统设置菜单、启动本地服务、初始化 IPC、创建首页、预热推流页面等），整体可交互耗时需要 10s 左右，体验不是很好，用户满意度方面很差。因此，我们进行了一轮优化：

1. 启动流程优化

   检测内网环境创建系统设置菜单优化：请求接口获取是否内网环境比较耗时，同步改为异步

   electron log 日志输出优化：涉及 IO 操作，多条合并为一条

   electron store 删除及设置优化：涉及 IO 操作，多条合并为一条

   删除本地过期目录及杀掉残留独立进程优化：启动执行改为退出时执行

   创建首页窗口流程优化：首页显示后再执行预热推流页面逻辑

2. 包体积压缩优化

   使用 webpack 配合插件 loader 将 js、css 等资源进行压缩，并通过抽离公共模块，整个 asar 大小从 18M 压缩至 2.5M 左右。这样可以提升 js 加载速度。

3. V8 code cache

   V8 代码提前编译并进行缓存，等加载执行时速度就快很多了。不过由于 Node.js 启动流程已经针对内置模块的 V8 代码进行编译并缓存了，因此项目中设置也没收益。

经过以上优化后，应用启动耗时从 10s 降低到 2.5s。

• 推流页面启动耗时优化

淘宝直播 PC 推流端刚上线时，从首页进入推流页面需要经过数据加载（如通过请求获取直播间配置等数据）、初始化 SDK（C++ 推流 SDK）、页面渲染等流程，整体可交互耗时需要 5s 以上，核心页面 loading 时间比较长：

于是我们进行了一轮优化，通过数据预加载（首页提前加载推流页面数据）、减少 SDK 的初始化耗时（把非关键路径代码改为异步执行），从首页进入推流页面从 5s 以上降至 2s 左右：

但经过优化后还是没有达到秒开效果，主要原因是初始化 SDK 比较耗时，那有人会问为啥 SDK 不能在首页提前初始化呢？这是因为首页和推流页面都运行在各自的 render 进程里，如果要在首页提前初始化 SDK 的话，就得把 SDK 对象传给推流页面进程，而进程间通信传不了对象，因此该方案行不通。

那还有没其他方案呢？其实我们可以参考预加载的能力，将推流页面进行预热，这样就可以做到提前初始化 SDK 了。通过预热方案后，从首页进入推流页面只需要将隐藏的推流窗口进行显示就行，整体耗时在 50 ms，实现秒开效果。

▐  运行时性能优化

其中测试指标包括 CPU、单帧耗时、渲染输出帧率、GPU、内存、页面帧率、页面卡顿率等，而我们最关心的 CPU 是通过系统 api 获取（对齐业界通用的 ProcessExplorer 三方测试工具），需要在锁频情况下进行测试，CPU 锁频脚本如下：

@echo off
set key1=HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\services\intelppmset key2=HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\services\Processorset value=startset newvalue=4
reg add "%key1%" /v "%value%" /t REG_DWORD /d %newvalue% /f >nul 2>&1if %errorlevel% equ 0 (    echo Successfully changed %key1%\%value% to %newvalue%) else (    echo Failed to change %key1%\%value% to %newvalue%)
reg add "%key2%" /v "%value%" /t REG_DWORD /d %newvalue% /f >nul 2>&1if %errorlevel% equ 0 (    echo Successfully changed %key2%\%value% to %newvalue%) else (    echo Failed to change %key2%\%value% to %newvalue%)pause

• 前端页面性能优化

由于 Electron 集成了 Chromium 内核，因此 Electron 应用的前端页面也可以用 performance 面板来分析性能问题，并进行性能优化。

场景元素操作耗时优化

当我们推纯净流时，推流页面创建的场景元素越多导致操作耗时越长。通过 performance 面板录制后分析发现会重复调用 DuplicateSource NAPI 接口，而该接口调用一次需要花费 100 ms ~ 500 ms。

因此，针对纯净流场景进行性能优化，当场景元素变换时只 copy 变更的元素，将 DuplicateSource 接口调用次数降为 1 次，且不会随着场景元素的增加而增加，‍‍‍‍经测试发现场景中有 50 个元素时操作耗时从 30s 降为 1s。

baxia 安全逻辑耗时优化

在性能摸底测试时，发现 PM 消息推送过程存在 CPU 间隔性飙升的情况：‍‍‍‍

一开始怀疑是 PM 解析消息时消耗 CPU，但通过 performance 面板录制后（下图左侧是长任务，右侧是各个 js 耗时占比），分析原因发现是 baxia 引入的 fireye.js 里调用的 getFYToken 接口（采集底层及硬件信息）非常消耗性能。

那为啥是 PM 消息推送时会有这个性能问题呢？原来是因为 PM SDK 也用到了 baxia 的 fireye.js 脚本（AWSC），而该脚本是为了防爬、防刷、人机等安全能力。

由于我们应用接的 baxia 并没有使用到 AWSC，评估后可以将相关耗时（采集底层及硬件信息）接口函数置空即可：

(window as any).AWSC = { use: () => {}, configFYEx: () => {} }

经过处理后，baxia 模块耗时占比只有 0.5%，而且 CPU 使用率非常平稳，不再有飙升情况：

• 客户端性能优化

前面所介绍到的是以前端视角进行性能优化的，那客户端有没像 performance 类似的性能分析工具呢？常用的主要是 Visual Studio 和 Windows Performance Analyzer。

Visual Studio：除了用来日常开发外，调试面板还有个性能分析器功能，可用于帮助开发者分析和优化程序的性能。但是测试发现将 pdb 调试符号映射上后也只能解析出系统动态库及 electron 框架自身的代码，无法进一步解析出应用业务模块代码。

了解完客户端常用性能分析工具后，我们就可以利用这些工具进行性能优化。由于我不直接参与客户端底层的性能优化，只是从应用层面配合优化，因此我只是介绍下整个应用经过一轮性能优化后，大盘 CPU 超过 65% 的直播场次占比从 13% -> 6.7%，工程侧 CPU 占比从 34.5% 降为 9.4%：

• 前处理切独显渲染

• 电脑配置较差时美颜相关算法策略调整

• 采集输入帧率及输出帧率优化

• 端智能智能看点下线及安全相关算法频次调整

• 纯净流默认策略调整

• ARTC 日志优化

• 推流低帧率治理及 264 ultrafast

• ......

上文提到的只是应用里众多性能问题的几个 case，然后基于本地性能工具进行 case by case 分析优化。那我们是不是可以把性能监控起来，主动发现运行时性能问题并制定一些降级策略呢？

首先我们要明确哪些是应用关心的性能指标，比如淘宝直播 PC 推流端主要看重如下几个性能指标：

前端性能指标

1. 页面帧率及卡顿率

2. NAPI 及长任务耗时

客户端性能指标

1. CPU

2. GPU

3. 单帧耗时

4. 画面帧率

5. 内存

其次我们应该如何采集这些性能数据呢？

▐  采集性能数据

• 前端性能指标

页面帧率及卡顿率

我们知道 chrome performance 工具的 Rendering 面板里把 FPS meter 选项勾选上之后，就可以统计出页面帧率。

那从代码层面要如何获取呢？其实可以通过 requestAnimationFrame API 来统计一段时间内的页面帧率（如一秒内有多少帧，就是我们常见的 fps），实现代码如下：

const detectPageFPS = () => {  let lastFameTime = performance.now()  const loop = () => {    const curFrameTime = performance.now()    // 统计每一帧耗时    const fpsTime = curFrameTime - lastFameTime    lastFameTime = curFrameTime    window.requestAnimationFrame(loop)  }  loop()}

然后我们参考业界定义卡顿的标准，当帧与帧之间间隔超过 200 ms 时就认为一次卡顿。最后就可以通过卡顿时间总和 / 总时长得出页面卡顿率。

NAPI 及长任务耗时

首先我们先来了解下 NAPI 是 Node.js 官方提供的一个用来编写 C/C++ 插件的稳定模块，而在淘宝直播 PC 推流端中，推流页面里（如场景元素操作）都是通过 NAPI 接口调用 C++ 的 obs、race、artc 等模块，目前有 200 个 NAPI 接口。

那我们要怎么统计这么多 NAPI 接口耗时呢？Chrome 提供了一个专门用于性能监控的 web API：PerformanceObserver。PerformanceObserver 主要用于监测性能度量事件，在浏览器的性能时间轴记录新的 performanceEntry 时会以回调的方式通知 observer，通过 PerformanceObserver 我们就可以用代码的方式拿到用户本地真实的性能耗时数据了。

首先在每个 NAPI 接口前后标记 mark，并注册 measure 事件：

performance.mark(`${NAPI} startTime`)// NAPI 接口调用performance.mark(`${NAPI} endTime`)performance.measure(`[PerformanceMeasureSdk]${NAPI}`, `${NAPI} startTime`, `${NAPI} endTime`)

然后监听 measure 事件，就可以获取到所有已经标记的 NAPI 接口耗时了：

const performanceObserver = new PerformanceObserver(async (list, _obj) => {    const perfEntries = list.getEntries()    for (let i = 0; i < perfEntries.length; i++) {      const p = perfEntries[i]      logger.info(`[Performance]performanceObserver ${p.entryType}`, p.duration)    }})performanceObserver.observe({ type: 'measure', buffered: true })

1. 长耗时的事件回调
2. 代价高昂的回流和其他重绘
3. 浏览器在超过 50 毫秒的事件循环的相邻循环之间所做的任务

介绍完长任务后，我们可以通过以下代码来获取：

let profiler = new (window as any).Profiler({ sampleInterval: 10, maxBufferSize: 10000 })const performanceObserver = new PerformanceObserver(async (list, _obj) => {    const perfEntries = list.getEntries()    for (let i = 0; i < perfEntries.length; i++) {      const p = perfEntries[i]      const trace = await profiler.stop()      logger.info('[Performance]performanceObserver longtask', trace)      // 重新开始记录      profiler = new (window as any).Profiler({ sampleInterval: 10, maxBufferSize: 10000 })    }})performanceObserver.observe({ type: 'longtask', buffered: true })

在此基础上，我们还可以在触发长任务事件时，使用 js-self-profiling API 把 js 堆栈也一起 dump 下来分析。但因安全问题浏览器默认是不开启的，需要通过拦截请求添加 Document-Policy: js-profiling 响应头来实现：

// 拦截请求，添加 Document-Policy: js-profiling 响应头win.webContents.session.webRequest.onHeadersReceived(  {    urls: ['*://*/*'],  },  (details: Electron.OnHeadersReceivedListenerDetails, callback: any) => {    if (details.responseHeaders) {      details.responseHeaders['Document-Policy'] = ['js-profiling']    }    callback({ cancel: false, responseHeaders: details.responseHeaders })  },)

最终就可以采集到长任务耗时并抓取 js 堆栈了：

在此基础上，我们还可以利用 PerformanceObserver API 监听 resource 来收集网络请求的信息，也可以监听用户触发的 click 事件来获取用户触发的 DOM 元素，结合前面的 js 堆栈综合分析长任务耗时的性能问题。

• 客户端性能指标

目前应用内的 CPU、GPU、单帧耗时、画面帧率、内存等性能指标都是通过 SDK 获取的，获取方式也比较简单，就不再赘述。

▐  上报性能数据进行算力管控

上文已经介绍了前端、客户端性能指标是如何采集的，接下来就会每隔 10 秒用 UT 接口汇总上报这些性能数据到 Medialab 平台进行监控。

同时，我们也实现了一套算力管控策略。当开始推流时，编码器检测到每 2 分钟内编码帧率 < 15 fps（720p）、18 fps （1080p）（可配置） 时，回调算力状态及原因给前端，进行算力管控（所有管控策略都支持动态配置，包括管控等级和顺序、管控指标、管控项等）：

1. 第一级：当前应用 CPU < 30% 时，检查是否存在高消耗外部应用，提示用户手动关闭占用高的外部应用

2. 第二级：低采集帧率提示，检测到当前摄像头设备帧率过低时给与提示

3. 第三级：切硬编

4. 第四级：降帧率（720p 最低 20 fps，1080p 最低 25 fps，自动降级不提示），并自动关闭端智能、纯净流、礼物特效播放等功能

5. 第五级：开启了美妆、AI磨皮等高功耗功能时，提示用户手动关闭这些功能

6. 第六级：降分辨率（toast 提示用户已降级，已有功能）

经过算力管控优化后，我们大盘推流卡顿率降低了很多。  

▐  总结

基于线上用户反馈的性能问题，我们运用本地性能工具优化了启动耗时（应用启动耗时从 10s -> 2.5s，推流页面启动耗时从 5s -> 50 ms）、运行时性能优化（包括前端页面交互耗时优化、客户端性能优化），并提出可以把性能指标（包括页面帧率及卡顿率、NAPI 及长任务耗时、CPU、单帧耗时等）监控起来主动发现运行时性能问题并制定一些降级策略。

▐  展望

接下来还可以做的事情是继续优化应用的 NAPI 及长任务耗时，优化应用 CPU、单帧耗时等性能指标，针对应用性能风险提示可以分系统、应用、功能模块进行降级处理。

团队介绍

我们是淘天业务技术淘宝直播B端终端团队，负责淘系增长非常快的直播业务，业务上升空间非常大。在技术方面，我们在探索直播间互动、游戏互动、数据可视化、音视频播放器、微前端、智能搭建、Web 3D、Electron跨端开发、桌面推流客户端开发、跨 PC/H5/Native 的多端架构等。在这里你有机会通过一行代码为业务创造亿级 GMV 增量，期待优秀的你！

¤ 拓展阅读 ¤

3DXR技术 | 终端技术 | 音视频技术

服务端技术 | 技术质量 | 数据算法