Datadog ให้ข้อมูลเชิงลึกด้านประสิทธิภาพเชิงลึกนับล้านรายการด้วย ProfilingManager

การถดถอยของประสิทธิภาพเป็นเรื่องยากที่จะจำลองขึ้นมาใหม่ ซึ่งทำให้การถดถอยเป็นปัญหาคอขวดขนาดใหญ่สำหรับนักพัฒนาแอปบนอุปกรณ์เคลื่อนที่ แม้ว่าสัญญาณต่างๆ เช่น อัตรา ANR จะบ่งบอกถึง ปัญหา ที่เกิดขึ้นในสภาพแวดล้อมจริง แต่การระบุบรรทัดโค้ดที่เฉพาะเจาะจงซึ่งทำให้เกิดปัญหาด้านประสิทธิภาพนั้นในอดีตจำเป็นต้องมีการจำลองขึ้นมาใหม่ด้วยตนเองอย่างละเอียดหรือการทดลองแบบลองผิดลองถูก

Datadog ได้ร่วมมือกับ Google เพื่อลดความไม่สะดวกนี้ด้วยการผสานรวม ProfilingManager API (พร้อมใช้งานในอุปกรณ์ Android 15 ขึ้นไป) เข้ากับแพลตฟอร์ม Real User Monitoring (RUM) และ Continuous Profiling การผสานรวมนี้จะเปลี่ยนเวิร์กโฟลว์การแก้ไขข้อบกพร่อง โดยช่วยให้นักพัฒนาแอปสามารถก้าวข้ามลักษณะปัญหาระดับพื้นผิวไปสู่การตรวจหา สาเหตุ ที่อยู่เบื้องหลังจุดคอขวดด้านประสิทธิภาพได้

Datadog ใช้ประโยชน์จาก API ระดับระบบนี้ในการประมวลผลโปรไฟล์การใช้งานจริงนับล้านรายการต่อสัปดาห์ทั่วโลกตามข้อมูลภายในของ Datadog ในเดือนมิถุนายน 2026 ซึ่งจะช่วยให้ทีมวิศวกรรมมองเห็นประสิทธิภาพในโลกแห่งความเป็นจริงได้ในระดับใหม่ ขณะเดียวกันก็ยังคงค่าใช้จ่ายในการรันไทม์ต่ำสำหรับการตรวจสอบประสิทธิภาพในระดับการใช้งานจริง

ผลกระทบของ ProfilingManager

ProfilingManager เป็นบริการของระบบที่เปิดตัวใน Android 15 ซึ่งช่วยให้แอปสามารถรวบรวมข้อมูลประสิทธิภาพ เช่น ตัวอย่างสแต็กการเรียกใช้ การติดตามฟิลด์ และการดัมพ์ฮีปหน่วยความจำจากสภาพแวดล้อมการใช้งานจริงโดยตรงผ่านโปรแกรม ความสามารถนี้จะเปลี่ยนกระบวนทัศน์ด้านวิศวกรรมจากการจำลองขึ้นมาใหม่ด้วยตนเองเชิงรับเป็นการวิเคราะห์ฟิลด์เชิงรุก

ตัวอย่างเช่น แอปการสื่อสารของ Google ใช้การติดตามฟิลด์เพื่อตรวจสอบว่าเหตุใดเวลา Cold Start จึงช้าลงในฮาร์ดแวร์รุ่นใหม่ที่มีประสิทธิภาพมากขึ้น เมื่อเจาะลึกการติดตามที่รวบรวมจากฟิลด์และเปรียบเทียบการติดตามในอุปกรณ์ประเภทต่างๆ วิศวกรพบปัญหาการจัดกำหนดการที่ซ่อนอยู่ นั่นคือ ระบบจะอุ่นเครื่องล่วงหน้าบริการแปลงข้อความเป็นคำพูดในเบื้องหลังโดยไม่จำเป็นระหว่างการเริ่มต้นแอป การติดตามเผยให้เห็นว่ากระบวนการเบื้องหลังนี้กำลังใช้คอร์ CPU ขนาดใหญ่ที่มีประสิทธิภาพสูงสุดของอุปกรณ์แต่เพียงผู้เดียว ซึ่งบังคับให้เทรดหลักของแอปต้องหยุดทำงานชั่วคราวขณะที่การอุ่นเครื่องล่วงหน้าเกิดขึ้น

การแก้ปัญหาความท้าทายด้านการมองเห็นระดับโค้ดของ Android

ก่อนการใช้งาน ProfilingManager, Real User Monitoring (RUM) ของ Datadog มุ่งเน้นไปที่สถานะแอปพลิเคชันระดับสูงและข้อมูลการวัดและส่งข้อมูลระดับเซสชันเพื่อประเมินเส้นทางของผู้ใช้ ทีมวิศวกรรมสามารถตรวจสอบสัญญาณประสิทธิภาพของ Android เช่น เวลาที่ใช้ในการแสดงผลครั้งแรก อัตรา ANR, การโหลด CPU และเฟรมที่หยุดนิ่ง ข้อมูลเชิงลึกเหล่านี้ครอบคลุมการโต้ตอบแบบละเอียด เช่น เวลาในการตอบสนองของเครือข่าย เหตุการณ์การสัมผัส และการหยุดทำงานของเทรดหลัก อย่างไรก็ตาม แม้ว่าข้อมูลนี้จะไฮไลต์ปัญหาคอขวดด้านประสิทธิภาพที่เกิดขึ้นในฟิลด์ได้อย่างมีประสิทธิภาพ แต่ก็ไม่ได้ให้เส้นทางที่ชัดเจนในการระบุสาเหตุหลักของความล้มเหลวเหล่านี้

Datadog จึงจำเป็นต้องมีเครื่องมือสร้างโปรไฟล์ที่สามารถบันทึกการติดตามของ Android ได้โดยตรงจากอุปกรณ์ในการใช้งานจริงโดยมีผลกระทบต่อประสิทธิภาพน้อยที่สุด หลังจากประเมินแนวทางอื่น เช่น การเขียนโปรเซสเซอร์การติดตามของตนเองโดยใช้ Android Debug API ทีมได้เลือก ProfilingManager เนื่องจากเป็นโซลูชันที่มีประสิทธิภาพสูงสุดในตัวเลือกการสร้างโปรไฟล์ที่ทีมประเมิน และยังช่วยลดค่าใช้จ่ายในการตัดสินใจเกี่ยวกับการสุ่มตัวอย่างให้กับระบบปฏิบัติการ

ProfilingManager รองรับวิธีการรวบรวมที่หลากหลาย ซึ่งรวมถึงการติดตาม CPU, การสุ่มตัวอย่างสแต็กการเรียกใช้, การวิเคราะห์หน่วยความจำผ่านการดัมพ์ฮีปของ Java และโปรไฟล์ฮีปแบบเนทีฟ ซึ่งช่วยให้นักพัฒนาแอปสร้างโปรไฟล์บิลด์การใช้งานจริง อัปโหลดไฟล์การติดตามไปยังพื้นที่เก็บข้อมูลภายนอก และตรวจสอบไฟล์เหล่านั้นใน UI ของเครื่องมือวิเคราะห์การติดตาม Perfetto ได้ ในฐานะผู้ให้บริการ SaaS, Datadog จะอัปโหลด แสดงข้อมูลผ่านภาพ และวิเคราะห์โปรไฟล์เหล่านี้ที่รวบรวมผ่าน SDK ซึ่งจะช่วยให้เห็นมุมมองแบบรวมของสถานะแอปพลิเคชัน

ProfilingManager ช่วยให้ Datadog และลูกค้าสามารถตรวจสอบ สืบสวน และแก้ไขการถดถอยของประสิทธิภาพที่ซับซ้อนของ Android ได้อย่างเชิงรุกผ่านข้อได้เปรียบทางเทคนิคที่สำคัญดังนี้ โดยการรวมข้อมูลการวัดและส่งข้อมูลที่มีความเที่ยงตรงสูงไว้ใน API การสังเกตการณ์แบบรวม

• การวินิจฉัยเซสชันแบบละเอียด:  ProfilingManager ช่วยเพิ่มความสามารถในการแก้ไขข้อบกพร่องด้วยการแสดงข้อมูลการติดตามระดับระบบปฏิบัติการโดยตรง ซึ่งช่วยแก้ปัญหาความท้าทายด้านการมองเห็นและการจัดแนวที่มักเกิดขึ้นกับการบันทึกแบบกำหนดเองด้วยบริการของระบบ หากต้องการเจาะลึก นักพัฒนาแอปสามารถดาวน์โหลดการติดตามเหล่านี้จาก Datadog เพื่อตรวจสอบเพิ่มเติมในเครื่องมือแสดงภาพ เช่น Perfetto UI
• ทริกเกอร์ข้อมูลการวัดและส่งข้อมูลอัตโนมัติ:  Datadog ใช้ประโยชน์จากเหตุการณ์ของระบบแบบเนทีฟเพื่อเริ่มการบันทึกการติดตามที่จุดการเพิ่มประสิทธิภาพที่สำคัญ ซึ่งช่วยลดความจำเป็นในการสร้างตรรกะการรวบรวมแบบกำหนดเอง แม้ว่าการเปิดตัวครั้งแรกจะมุ่งเน้นไปที่สัญญาณ APP_FULLY_DRAWN แต่เราก็มีแผนที่จะขยายความสามารถในการสังเกตนี้ให้ครอบคลุมทริกเกอร์ ANR, OOM และ COLD_START แล้ว
• สแนปช็อตการติดตามเชิงรุก: ProfilingManager ทำงานร่วมกับบริการ Perfetto ระดับระบบ (traced) โดยตรง จึงใช้โมเดลการบันทึกเบื้องหลังเชิงรุกที่ออกแบบมาเพื่อบันทึกปัญหาที่คาดเดาไม่ได้ ซึ่งจะช่วยให้นักพัฒนาแอปเห็นภาพเหตุการณ์ที่นำไปสู่ความผิดปกติของประสิทธิภาพได้อย่างแม่นยำ โดยให้ข้อมูลเชิงลึกในระดับที่สูงกว่าการใช้เครื่องมือด้วยตนเอง
• การตรวจหาจุดคอขวดในระดับการใช้งานจริง: Datadog สามารถสังเคราะห์ข้อมูลการวัดและส่งข้อมูลจากฐานลูกค้าทั่วโลกของ Datadog เพื่อค้นหาการเกิดปัญหาซ้ำที่เกิดขึ้นภายใต้การกำหนดค่าฮาร์ดแวร์ที่ไม่ซ้ำกันและสภาพแวดล้อมเครือข่ายที่เปลี่ยนแปลงได้เท่านั้น
• ความเสถียรของทรัพยากรที่ระบบบังคับใช้:  API ใช้ประโยชน์จากการรวบรวมการติดตามแบบสุ่มตัวอย่างเพื่อให้มั่นใจว่าผลกระทบต่อประสิทธิภาพและประสบการณ์ของผู้ใช้จะยังคงไม่สังเกตเห็น
• การควบคุมข้อมูลในอุปกรณ์:  ProfilingManager จะกรองข้อมูลที่ไม่เกี่ยวข้องออกจากกระบวนการอื่นๆ ในอุปกรณ์ก่อนที่จะส่งโปรไฟล์ไปยังแอป ซึ่งจะช่วยลดขนาดไฟล์และรับประกันว่าระบบจะแสดงเฉพาะข้อมูลที่เกี่ยวข้องกับกระบวนการของแอปเท่านั้น

การประมวลผลโปรไฟล์นับล้านรายการต่อสัปดาห์เพื่อเพิ่มประสิทธิภาพแอปในโลกแห่งความเป็นจริง

การผสานรวม API การสร้างโปรไฟล์ระดับระบบเข้ากับ SDK การตรวจสอบทั่วโลกจำเป็นต้องแก้ปัญหาด้านโครงสร้างพื้นฐาน เนื่องจาก ProfilingManager สร้างการติดตามประสิทธิภาพที่มีรายละเอียดสูง ทีมวิศวกรรมของ Datadog จึงต้องสร้างไปป์ไลน์ที่สามารถแยกวิเคราะห์และวิเคราะห์โปรไฟล์เหล่านี้ในฝั่งเซิร์ฟเวอร์ในระดับการใช้งานจริงได้ นอกเหนือจากการรวบรวมโปรไฟล์แล้ว Datadog ยังเน้นย้ำถึงความสำคัญของการปรับความถี่ในการสุ่มตัวอย่างให้สมดุลกับการรวบรวมข้อมูลที่เพียงพอเพื่อสร้างข้อมูลเชิงลึกที่มีความหมายเกี่ยวกับแอปพลิเคชันของคุณ Datadog อาศัยการจำกัดอัตราคำขอในตัวของ ProfilingManager เป็นการป้องกันความเสถียรที่สำคัญ ซึ่งจะป้องกันไม่ให้คำขอข้อมูลการวัดและส่งข้อมูลที่มากเกินไปทำให้เกิดภาระหนักกับอุปกรณ์ของผู้ใช้

ทีมได้สร้างโปรไฟล์แอปพลิเคชัน Android แบบเนทีฟของ Datadog เองและแอปพลิเคชันของผู้ใช้ช่วงแรกๆ เป็นเวลาหลายเดือน โดยรวบรวมโปรไฟล์นับล้านรายการเพื่อให้มั่นใจว่าประสบการณ์การเปิดตัวจะรวดเร็วและไม่มีข้อผิดพลาด รวมถึงปรับแต่งอัลกอริทึมการตรวจหาประสิทธิภาพ ปัจจุบัน การผสานรวมการใช้งานจริงสามารถปรับขนาดได้อย่างราบรื่นในอุปกรณ์ Android ที่หลากหลาย

บทสรุป

Datadog ได้ผสานรวม ProfilingManager API ของ Android ซึ่งช่วยลดช่องว่างด้านการมองเห็นระหว่างระบบแบ็กเอนด์และแอปพลิเคชันไคลเอ็นต์บนอุปกรณ์เคลื่อนที่สำหรับลูกค้าได้สำเร็จ Datadog ประมวลผลโปรไฟล์นับล้านรายการต่อสัปดาห์โดยมีค่าใช้จ่ายในการทำงานของอุปกรณ์น้อยมาก ซึ่งช่วยให้นักพัฒนาแอป Android ได้รับข้อมูลเชิงลึกระดับโค้ดที่จำเป็นในการวินิจฉัยข้อบกพร่องด้านประสิทธิภาพที่ซับซ้อนได้ทันที ช่วยให้นักพัฒนาแอปสร้างแอปพลิเคชันที่ราบรื่นขึ้นและปรับปรุงสัญญาณประสิทธิภาพของแอปใน Play Store หากต้องการใช้ ProfilingManager API ในเฟรมเวิร์กความสามารถในการสังเกตประสิทธิภาพโดยตรง โปรดดู เอกสารประกอบ

ในอนาคต Datadog ตั้งเป้าที่จะทำให้ข้อมูลการสร้างโปรไฟล์ของ Android เป็นอินพุตระดับเฟิร์สคลาสสำหรับเอเจนต์การเขียนโค้ดเพื่อแก้ไขปัญหาคอขวดด้านประสิทธิภาพโดยอัตโนมัติ ซึ่งจะช่วยปิดวงจรความคิดเห็นระหว่างการตรวจหาและการแก้ไข Datadog กำลังพยายามทำให้การสร้างโปรไฟล์ของ Android เข้าถึงได้โดยทั่วไปสำหรับนักพัฒนาแอป

หากต้องการเริ่มต้นใช้งานฟีเจอร์การตรวจสอบผู้ใช้จริงของ Datadog ที่ขับเคลื่อนโดย ProfilingManager โปรดไปที่ Datadog Mobile Real User Monitoring