Jetpack Compose Performans Analizi ve Android MVVM Optimizasyon Rehberi

Sorunun tanımı: neden Compose uygulamanızda jank olur? (android eğitimi perspektifi)

Compose tabanlı UI'lerde jank kaynağı iki ana mekanizma ile ilgilidir: gereksiz recomposition (composables sıkça yeniden oluşturuluyor) ve ana iş parçacığında çalışan expensive hesaplamalar. Bu bölümde Android Studio Profiler, Perfetto ve adb gfxinfo ile nasıl nesnel bir baseline alacağınızı gösteriyorum; örneğin Android Studio'da Profile > CPU Profiler ile 30s kayıt alın, ardından Trace'i Perfetto UI'ye export edin. Araç: Android Studio Profiler (Profile).

Profiling adımları: Android Studio, Perfetto ve adb gfxinfo ile baseline alma

Somut adımlar: 1) Uygulamayı debuggable build ile cihazda çalıştırın. 2) Android Studio'da Profile butonuna tıklayın ve CPU Profiler'da 'Record Java/Kotlin' seçeneğiyle 20-30s kayıt alın. 3) Aynı senaryo için bir Perfetto trace alın: Android Studio trace penceresinden 'Export to Perfetto' seçin veya komut satırıyla perfetto kullanın. Örnek adb komutu:

adb shell perfetto -o /data/misc/perfetto-traces/trace.pb -c /data/local/tmp/trace_config.pb

Alternatif hızlı metrik: gfxinfo framestats ile frame süresi dağılımını alın:

adb shell dumpsys gfxinfo com.example.app framestats > framestats.txt

Daha sonra yüzde 90 frame zamanını hesaplamak için basit bir Python snippet'i çalıştırabilirsiniz; bu size 'neden' sorusuna somut mekanizma verir: UI pipeline hangi aşamada bekliyor. Araçlar: adb, dumpsys gfxinfo, Perfetto UI.

Compose seviyesinde optimizasyon: recomposition azaltma ve heavy-lifting amortize etme (jetpack compose)

Ana fikir: gereksiz recomposition'ları engellemek için state dağılımını daraltın ve hesaplama/formatlama gibi expensive işler için memoization kullanın. Aşağıdaki örnek, her keystroke'ta yeniden hesaplanan expensiveTransform'u derivedStateOf ile sadece input değiştiğinde çalıştırır. Kodunuzu Android Studio'da açıp CPU Profiler ile önce/sonra trace alın, 'Main' thread activity'yi karşılaştırın. Araç: Android Studio Profiler, Kotlin stdlib.

@Composable
fun ItemView(data: List, filter: String) {
  // expensiveTransform sadece filter değişince çalışır
  val filtered by remember(filter) {
    derivedStateOf { expensiveTransform(data, filter) }
  }
  LazyColumn {
    items(filtered) { item ->
      Text(item.title)
    }
  }
}

fun expensiveTransform(data: List, filter: String): List {
  // CPU-bound iş: büyük koleksiyonlar üzerinde map/filter
  return data.filter { it.title.contains(filter) }
    .map { heavyFormat(it) }
}

Neden işe yarar: derivedStateOf, Snapshot mekanizmasıyla sadece ilgili state değiştiğinde recomposition tetikler; bu sayede Compose'un composition diff işleri azalarak ana thread CPU kullanımını düşürür. Deney: Profiling ile önce 95th percentile frame time 140ms iken, derivedStateOf uygulandıktan sonra 95th percentile 28-35ms aralığına düşebilir. Ölçülendir: aynı senaryoyu 5 kez kayıt edip medyanı raporlayın.

ViewModel, Coroutines ve Flow ile iş yükünü ana iş parçacığından uzaklaştırma (android mvvm mimarisi, kotlin kursu)

Android MVVM mimarisi içinde ağ, parse ve CPU-bound işlemleri ViewModel tarafında Dispatchers.IO veya Dispatchers.Default ile taşıyın ve UI'ya sadece minimal, immutable state yayın. Aşağıdaki ViewModel örneği, network+parse işini IO üzerinde yapıp UI'ya StateFlow ile sadece değişiklikleri yayınlıyor. Araçlar: Kotlin Coroutines, kotlinx-coroutines-core, Android Studio Profiler.

class ItemsViewModel(private val repo: Repo): ViewModel() {
  private val _uiState = MutableStateFlow>(emptyList())
  val uiState: StateFlow> = _uiState
    .map { it } // placeholder for possible mapping
    .distinctUntilChanged()
    .stateIn(viewModelScope, SharingStarted.Lazily, emptyList())

  fun refresh() {
    viewModelScope.launch {
      val items = withContext(Dispatchers.IO) {
        repo.fetchAndParse() // network + parsing off main
      }
      _uiState.value = items
    }
  }
}

Profiling yöntemi ve karşılaştırma: Android Studio CPU Profiler ile 'refresh' tetiklendiğinde main thread'te geçirilen toplam CPU süresini ölçün. Değişiklik: repo.fetchAndParse'i Dispatchers.Default'a kaydırmak ağır parsing'i paralel hale getirir; örneğin önce main-thread aktif süresi 200ms ise, doğru dispatcher ile 20-30ms civarına düşer. Ölçümleri reproducible yapmak için adb shell am start -W komutu ile başlatıp, profili her koşuda 5 tekrar alın.

Release optimizasyonu ve Play Store hazırlıkları: boyut, R8 ve yayın akışı (play store yayınlama, android studio eğitimi)

Play Store yayınlama öncesi ölçülebilir kontroller: AAB oluşturun, universal APK oluşturup boyutu ölçün, R8 ProGuard kurallarını ekleyin ve resource shrinking etkinleştirin. Gradle komutu ile release bundle oluşturun:

./gradlew clean bundleRelease

BundleTool ile apk üretip inceleyin:

bundletool build-apks --bundle=app-release.aab --output=app.apks --mode=universal
bundletool dump --apks=app.apks --output=apks.txt

build.gradle örneği (module):

android {
  buildTypes {
    release {
      minifyEnabled true
      shrinkResources true
      proguardFiles getDefaultProguardFile('proguard-android-optimize.txt'), 'proguard-rules.pro'
    }
  }
}

Ayrıca Compose için R8 kuralları ekleyin:

-keepclassmembers class androidx.compose.* { *; }
-keepnames class androidx.compose.** { *; }

Son adım: Play Console'a AAB yüklemeden önce size raporu alın, Artifact library'den split boyutlarını kontrol edin. Araçlar: Gradle, bundletool, Play Console.

Sık Sorulan Sorular

Jetpack Compose performansını ölçmek için hangi android studio eğitimi araçlarını kullanmalıyım?

Öncelik Android Studio Profiler (CPU Profiler ile 'Record Java/Kotlin' kaydı) ve Perfetto UI. Hızlı metrik için:

adb shell dumpsys gfxinfo com.your.app framestats > framestats.txt

Bu veriyi Python veya awk ile yüzde 90 frame zamanını hesaplayın. Profiling sırasında her test için 3-5 tekrar alın ve medyanı raporlayın.

Compose uygulamasında recomposition azaltmak için kotlin eğitimi kapsamında hangi teknikleri öğrenmeliyim?

Öğrenilecek somut teknikler: remember ve derivedStateOf kullanımı, State hoisting ile state granularize etme, key parametreleri ile item identity kontrolü. Örnek kod: derivedStateOf kullanımı için yukarıdaki Compose örneğini kopyalayın ve Android Studio Profiler ile önce/sonra 'Main' thread CPU süresini karşılaştırın.

play store yayınlama öncesi uygulama boyutunu azaltmak için hangi adımları takip etmeliyim (android kursu arayanlar için)?

Adımlar: 1) build.gradle içinde minifyEnabled true ve shrinkResources true yapın; 2) R8(proguard) kurallarını düzenleyin; 3) ./gradlew bundleRelease ile .aab üretin; 4) bundletool ile .apks oluşturup içerikleri inceleyin:

bundletool build-apks --bundle=app-release.aab --output=app.apks --mode=universal

5) Play Console'un Artifact size raporlarını kontrol edin. Bu süreç boyut optimizasyonunu nesnel olarak ölçmenizi sağlar.