Android性能优化需分线定位：线上首先用Android Vitals锁定最差机型与问题类型，对比崩溃率/卡顿分位数/电量消耗等核心指标。本地开发阶段通过Studio Profiler进行快速验证，结合Perfetto/Systrace分析卡帧时序（区分主线程布局、动画计算、系统回调三类耗时），配合GPU Inspector排查过绘制与带宽瓶颈。内存优化需区分泄漏（LeakCanary/MAT定位引用链）与峰值（Bitmap采样/TrimMemory分区），网络优化关注请求频次、传输体积及缓存策略。开发过程中随身用Macrobenchmark固化修复结果，测试时需固定设备及编译模式。核心要点： 1. 工具选择遵循"定位问题-关键路径验证-固化回归"流程，线上优先看Vitals分地域型号拆解数据； 2. 卡顿分析需同时捕捉CPU调度链（RenderThread负载）与GPU指标（DrawCall/带宽占位），避免误判空方法或日志干扰； 3. 内存/OOM优化需结合堆转储与内存分布分析，优先处理长生命周期单例的静态Context持有，再优化布局分配与图片缓存策略； 4. 网络性能需系统性识别并发连接频次（Network Monitor采样），平衡体积压缩与响应速度，避免过度依赖缓存导致更新延迟。

技术点 Application 懒加载 Jetpack Startup 异步初始化 SDK SplashScreen API 结果 冷启动 2.5s → 1.2s 用户留存率提升