一、UI卡优化

1.1、图像显示原理

CPU和GPU是通过总线连接起来的，CPU输出的结果往往是一个位图，经由总线，在合适的时机上传给GPU，GPU拿到位图后做相应的图层渲染，包括纹理的合成等，把结果放到帧缓冲区(Frame Buffer)当中，由视图控制器根据信号，在指定时间之前去帧缓冲区提取要显示的内容，然后显示到屏幕上面。

CPU：UI布局计算、文本的计算和排版、图片的格式转换和解码、图像的绘制，输出位图，然后把这个位图提交到GPU上面。
GPU：纹理渲染。

1.2、UI卡顿、掉帧

VSync垂直信号，页面滑动流畅要求：60fps，每秒60帧画面更新，即每16.7ms就要产生一帧画面，在16.7ms中，要CPU和GPU共同协同完成一帧的数据。

CPU花费一定的时间完成UI布局，文本计算等，包括一些视图的绘制以及图片解码等产生的位图提交给GPU，再由GPU花费一定的时间进行相应的图层的合成和纹理的渲染，然后准备好下一帧画面，然后在下一帧VSync信号到来的时候显示这一帧画面。

如果CPU在UI布局及文本计算的时候花费了过多的时间，那在这16.7ms中留给GPU的时间就非常少，GPU要完成相应的图层的合成和纹理的渲染，总时间就会超过16.7ms，那么在下一帧VSync信号到来的时候，还没有准备好这一帧的画面，这样就会产生掉帧的情况。

UI卡顿、掉帧的原因：
在规定的16.7ms之内，在下一帧VSync信号到来之前，CPU和GPU并没有共同完成下一帧画面的合成，于是就会导致卡顿或者掉帧的问题。

1.3、滑动优化方案

CPU：
1、尽量用轻量级的对象，比如可以用int的就不要用NSNumber，比如用不到事件处理的地方，可以考虑使用CALayer取代UIView
2、不要频繁地调用UIView的相关属性，比如frame、bounds、transform等属性，尽量减少不必要的修改
3、尽量提前计算好布局，在有需要时一次性调整对应的属性，不要多次修改属性
4、Autolayout会比直接设置frame消耗更多的CPU资源
5、图片的size最好刚好跟UIImageView的size保持一致
6、控制一下线程的最大并发数量
7、尽量把耗时的操作放到子线程
对象的创建、调整、销毁，可以放到子线程当中去做。
预排版：（布局计算、文本计算）放到子线程当中，这样，主线程就有更多的时间响应用户的交互。
预渲染：文本等异步绘制、图片解码等（放到子线程当中）。
GPU：
1、尽量避免短时间内大量图片的显示，尽可能将多张图片合成一张进行显示
2、GPU能处理的最大纹理尺寸是4096x4096，一旦超过这个尺寸，就会占用CPU资源进行处理，所以纹理尽量不要超过这个尺寸
3、尽量减少视图数量和层次
4、减少透明的视图（alpha<1），不透明的就设置opaque为YES
5、尽量避免出现离屏渲染

1.4 离屏渲染

在OpenGL中，GPU有2种渲染方式
On-Screen Rendering：当前屏幕渲染，在当前用于显示的屏幕缓冲区进行渲染操作
Off-Screen Rendering：离屏渲染，在当前屏幕缓冲区以外新开辟一个缓冲区进行渲染操作
离屏渲染消耗性能的原因
需要创建新的缓冲区
离屏渲染的整个过程，需要多次切换上下文环境，先是从当前屏幕（On-Screen）切换到离屏（Off-Screen）；等到离屏渲染结束以后，将离屏缓冲区的渲染结果显示到屏幕上，又需要将上下文环境从离屏切换到当前屏幕
哪些操作会触发离屏渲染？
光栅化：layer.shouldRasterize = YES
遮罩：layer.mask
圆角：同时设置layer.masksToBounds = YES、layer.cornerRadius大于0
考虑通过CoreGraphics绘制裁剪圆角，或者叫美工提供圆角图片
阴影：layer.shadowXXX
如果设置了layer.shadowPath就不会产生离屏渲染

1.5 卡顿检测

平时所说的“卡顿”主要是因为在主线程执行了比较耗时的操作
可以添加Observer到主线程RunLoop中，通过监听RunLoop状态切换的耗时，以达到监控卡顿的目的
LXDAppFluecyMonitor -- 卡顿检测

二、耗电优化

2.1 耗电的主要来源

CPU处理：Processing
网络：Networking
定位：Location
图像：Graphics

2.2 耗电优化

1、尽可能降低CPU、GPU功耗
2、少用定时器
3、优化I/O操作(文件的读和写)
1、尽量不要频繁写入小数据，最好批量一次性写入
2、读写大量重要数据时，考虑用dispatch_io，其提供了基于GCD的异步操作文件I/O的API。用dispatch_io系统会优化磁盘访问
3、数据量比较大的，建议使用数据库（比如SQLite、CoreData）
4、网络优化
1、减少、压缩网络数据
2、如果多次请求的结果是相同的，尽量使用缓存
3、使用断点续传，否则网络不稳定时可能多次传输相同的内容
4、网络不可用时，不要尝试执行网络请求
5、让用户可以取消长时间运行或者速度很慢的网络操作，设置合适的超时时间
6、批量传输，比如，下载视频流时，不要传输很小的数据包，直接下载整个文件或者一大块一大块地下载。如果下载广告，一次性多下载一些，然后再慢慢展示。如果下载电子邮件，一次下载多封，不要一封一封地下载
5、定位优化
1、如果只是需要快速确定用户位置，最好用CLLocationManager的requestLocation方法。定位完成后，会自动让定位硬件断电
2、如果不是导航应用，尽量不要实时更新位置，定位完毕就关掉定位服务
3、尽量降低定位精度，比如尽量不要使用精度最高的kCLLocationAccuracyBest
4、需要后台定位时，尽量设置pausesLocationUpdatesAutomatically为YES，如果用户不太可能移动的时候系统会自动暂停位置更新
5、尽量不要使用startMonitoringSignificantLocationChanges，优先考虑startMonitoringForRegion:
6、硬件检测优化
用户移动、摇晃、倾斜设备时，会产生动作(motion)事件，这些事件由加速度计、陀螺仪、磁力计等硬件检测。在不需要检测的场合，应该及时关闭这些硬件

三、启动优化

3.1 APP的启动可以分为2种

冷启动（Cold Launch）：从零开始启动APP
热启动（Warm Launch）：APP已经在内存中，在后台存活着，再次点击图标启动APP

3.2 APP启动时间的优化，主要是针对冷启动进行优化

通过添加环境变量可以打印出APP的启动时间分析（Edit scheme -> Run -> Arguments -> Environment Variables）
DYLD_PRINT_STATISTICS设置为1
如果需要更详细的信息，那就将DYLD_PRINT_STATISTICS_DETAILS设置为1
DYLD_PRINT_STATISTICS设置为1
Total pre-main time: 48.88 milliseconds (100.0%) // main函数调用前所耗时时间
dylib loading time: 38.52 milliseconds (78.8%) // 动态库加载时间
rebase/binding time: 126687488.9 seconds (371845102.5%)
ObjC setup time: 10.14 milliseconds (20.7%) // OC结构体准备
initializer time: 41.04 milliseconds (83.9%) // 初始化耗时
slowest intializers : // 比较慢的加载
libSystem.B.dylib : 2.92 milliseconds (5.9%)
libBacktraceRecording.dylib : 6.00 milliseconds (12.2%)
libMainThreadChecker.dylib : 28.13 milliseconds (57.5%)
DYLD_PRINT_STATISTICS_DETAILS设置为1
total time: 348.32 milliseconds (100.0%) // 总时间
total images loaded: 318 (311 from dyld shared cache) // 镜像加载
total segments mapped: 21, into 385 pages // 每个块的映射时间
total images loading time: 220.02 milliseconds (63.1%)
total load time in ObjC: 8.23 milliseconds (2.3%)
total debugger pause time: 181.48 milliseconds (52.1%)
total dtrace DOF registration time: 0.16 milliseconds (0.0%)
total rebase fixups: 17,964
total rebase fixups time: 0.37 milliseconds (0.1%)
total binding fixups: 436,893
total binding fixups time: 82.68 milliseconds (23.7%)
total weak binding fixups time: 0.01 milliseconds (0.0%)
total redo shared cached bindings time: 123.35 milliseconds (35.4%)
total bindings lazily fixed up: 0 of 0
total time in initializers and ObjC +load: 36.83 milliseconds (10.5%)
libSystem.B.dylib : 2.59 milliseconds (0.7%)
libBacktraceRecording.dylib : 6.13 milliseconds (1.7%)
libobjc.A.dylib : 0.97 milliseconds (0.2%)
CoreFoundation : 1.00 milliseconds (0.2%)
libMainThreadChecker.dylib : 24.47 milliseconds (7.0%)
total symbol trie searches: 1056706
total symbol table binary searches: 0
total images defining weak symbols: 32
total images using weak symbols: 84

3.3 APP的冷启动可以概括为3大阶段

1、dyld
2、runtime
3、main

APP的启动 - dyld
dyld（dynamic link editor），Apple的动态链接器，可以用来装载Mach-O文件（可执行文件、动态库等）。
启动APP时，dyld所做的事情有：
装载APP的可执行文件，同时会递归加载所有依赖的动态库
当dyld把可执行文件、动态库都装载完毕后，会通知Runtime进行下一步的处理
APP的启动 - runtime
启动APP时，runtime所做的事情有：
调用map_images进行可执行文件内容的解析和处理
在load_images中调用call_load_methods，调用所有Class和Category的+load方法
进行各种objc结构的初始化（注册Objc类、初始化类对象等等）
调用C++静态初始化器和attribute((constructor))修饰的函数

到此为止，可执行文件和动态库中所有的符号(Class，Protocol，Selector，IMP，…)都已经按格式成功加载到内存中，被runtime 所管理

APP的启动 - main
APP的启动由dyld主导，将可执行文件加载到内存，顺便加载所有依赖的动态库
并由runtime负责加载成objc定义的结构
所有初始化工作结束后，dyld就会调用main函数
接下来就是UIApplicationMain函数，AppDelegate的application:didFinishLaunchingWithOptions:方法

3.4 APP的启动优化

按照不同的阶段

dyld
减少动态库、合并一些动态库（定期清理不必要的动态库）
减少Objc类、分类的数量、减少Selector数量（定期清理不必要的类、分类）
减少C++虚函数数量
Swift尽量使用struct
runtime
用+initialize方法和dispatch_once取代所有的attribute((constructor))、C++静态构造器、ObjC的+load
main
在不影响用户体验的前提下，尽可能将一些操作延迟，不要全部都放在finishLaunching方法中
按需加载

四、安装包优化

4.1 安装包瘦身

安装包（IPA）主要由可执行文件、资源组成

资源（图片、音频、视频等）
采取无损压缩
去除没有用到的资源： https://github.com/tinymind/LSUnusedResources
可执行文件瘦身
编译器优化
Strip Linked Product、Make Strings Read-Only、Symbols Hidden by Default设置为YES。
去掉异常支持，Enable C++ Exceptions、Enable Objective-C Exceptions设置为NO， OtherC Flags添加-fno-exceptions。
利用AppCode（https://www.jetbrains.com/objc/）检测未使用的代码：菜单栏 -> Code -> Inspect Code。
编写LLVM插件检测出重复代码、未被调用的代码。

4.2 LinkMap

生成LinkMap文件，可以查看可执行文件的具体组成

可借助第三方工具解析LinkMap文件： https://github.com/huanxsd/LinkMap

iOS性能优化