耗电
耗电操作主要包含CPU、WIFI、流量、传感器（GPS NFC），以及应用屏幕wakelock等操作。我们更多的是关注应用本身是否劫持了系统的屏幕wakelock操作，没有及时释放屏幕wakelock，导致耗电。
电量测试监控方法可以简单的从设置->电池->使用情况中查看，手机中的每个部件运行时对应的能耗值都放在power_profile.xml文件中，而系统的设置->电池->使用情况中，统计的能耗使用情况也是以power_profile.xml的value作为基础参数的。通过命令监控app个部件的使用时长，然后结合设备耗电的基础参数进行加权计算，即可得到app使用的耗电量。至于更详细的耗电量测试，可以专门把耗电这一性能指标拿出来，专项测试。
流量
针对流量测试，首先要搞明白什么是流量？我们的收集通过运营商的网络访问Internet,运营商替我们的手机转发数据报文，数据报文的总大小（字节数）即流量，这里的数据报文包含手机上下行的报文。由于数据报文采用IP协议传输，运营商计算的流量一般是包含IP头的数据报文大小。
下面就介绍两种流量的测试方法：
1、tcpdump+Wireshark抓包测试法
流量测试最直接的方法就是抓包。在App运行期间，把手机收发的所有报文度抓取下来，再计算收发报文总大小，即App消耗的流量。但是如果我们需要测试某一个App消耗的流量需要禁用其他APP的连网权限。
1）限制其他app的联网权限，因为有些App的进程是常驻后台的，即使不运行，也会有网络报文。可以借助一些手机管家软件禁用网络。
2）手机上抓包，下载tcpdump，手机连接电脑，获得root权限。
3）将 tcpdump (forAndroid)上传至Android手机上，在命令提示符窗口中输入命令：adbpush <LocalPath of tcpdump> /data/local/tcpdump
4）给 tcpdump 增加可执行权限
adb shell
su
chmod 6755 /data/local/tcpdump
5）启动抓包，使用命令/data/local/tcpdump-v -i any -s 0 -w /sdcard/zhangyu.pcap
Got后面的数字表示当前抓到的包的数量。如果有变化，表示有网络流量。6）导出抓包结果adb pull /sdcard/zhangyu.pcap <LocalPathof PcapFile >
7）用Wireshark打开刚才的抓包结果，点击StatisticsàSummary，流量的数值为Bytes一行的Displayed一栏。
2、使用安卓自身提供的TCP收发长度统计功能
一般APP和后台服务器之间的通信都是基于TCP的，所以我们可以利用此统计来测试我们APP的流量，而且安卓提供的该统计功能是按照APP纬度来统计的，不需要禁止其他app的连网权限。
操作步骤如下：
1）使用ps命令查看所测app的uid,例如贴吧的uid为10000+191=10191
adbshell
su
ps |grep com.baidu.tieba
2）进入/proc/uid_stat/1191目录，cat获取当前tcp_snd和tcp_tcv的初始值
3）此时可以开始测试了，测试完成后再次获取tcp_snd和tcp_tcv的值
4）所测时间内的流量计算
发送流量：tcp_snd_new-tcp_snd_old=2032150-893233=1128917bytes
接收流量：tcp_rcv_new-tcp_rcv_old=18648825-1350829=17297996bytes
弱网环境
在进行手机应用测试时，经常需要模拟网络不稳定的状态下对测试执行的影响。调研了几款工具，可以通过手动设置数据丢包率，以及网络时延等参数，模拟弱网环境。如Charles、clumsy、netlimite、atc等。
1、几款工具的比较
1）Charles、Fiddler这样的软件只支持短连接，也就是说只有走短连接的接口才生效，长连接的不能使用。
缺点：不支持长连接
2）Atc工具和苹果自带的ios developer (开发者选项)的使用方法是一样的，需要在手机端操作，atc工具需要搭建一系列环境后，手机访问一个ip地址就能看见控制页面，然后修改相应的参数即可。
缺点：不宜操作，每次修改网络场景需要把被测app置于后台，切换到网络模拟界面改参数，然后再切回被测app。影响被测app的操作连贯性。
3） clumsy、netlimite等这类软件易安装，安装在电脑端，手机通过共享网络连接电脑，实时的将系统接收和发出的网络数据包拦截下来，人工的造成延迟，掉包和篡改操作后再进行发送。
4）购买一些仪器，在全公司范围搭建一个弱网环境。
缺点：搭建成本高，需要有专门的技术人员支持。
综合比较以上四类工具，第三类推荐在日常测试过程中使用。下面就拿clumsy举例，介绍一下环境的搭建及使用。
2、clumsy环境搭建及使用
1）环境准备
windows笔记本，clumsy安装文件，共享网络
2）安装clumsy
clumsy免安装程序，下载完成后，直接点击exe可执行文件即可。
下载地址：https://pan.baidu.com/s/1pLAjm2J密码: mk8i
3）创建共享网络
a、电脑连接网线，打开网络和共享中心
b、点击本地连接---属性---共享---勾选第一个，并选择一个家庭网络连接（此时本地连接会显示共享的字样）
c、cmd--输入命令（启动cmd,最好用管理者身份启动）
netshwlan set hostednetwork mode=allow ssid=zhangyu1 key=123456789（ssid和key对应共享网络的名称和密码，key不能低于8位）
netshwlan start hostednetwork
至此手机就会搜索到电脑共享的网络，然后连接即可。
3、clumsy参数说明及使用
界面如下：
clumsy 首先根据用户选择的 filter 来拦截指定的网络数据。在 filter 中可以设定你感兴趣的协议(tcp/udp)，端口号，是接收还是发出的端口。你也可以通过简单的逻辑语句来进一步缩小范围。当 clumsy 被激活时，只有符合这些标准的网络数据会被进行处理，而你不感兴趣的数据仍然会由系统正常传输。
当被 filter 的网络数据包被拦截后，你可以选择 clumsy 提供的功能来有目的性的调整网络情况：
1. 延迟(Lag)，把数据包缓存一段时间后再发出，这样能够模拟网络延迟的状况。
2. 掉包(Drop)，随机丢弃一些数据。
3. 节流(Throttle)，把一小段时间内的数据拦截下来后再在之后的同一时间一同发出去。
4. 重发(Duplicate)，随机复制一些数据并与其本身一同发送。
5. 乱序(Out of order)，打乱数据包发送的顺序。
6. 篡改(Tamper)，随机修改小部分的包裹内容。
类似模拟网络环境的软件很多，大家可以针对自己的情况选择，不要找环境搭建过于繁琐的工具，简单易用就好。
定位常用软件
在发现问题后，定位分析时，可以借助以下常用软件。
1、traceview使用简介
TraceView 是 Android 平台特有的数据采集和分析工具，它主要用于分析 Android 中应用程序的 hotspot，可以方便的查看线程的执行情况，某个方法执行时间、调用次数、在总体中的占比等，从而定位性能点。
使用方法：
使用Android studio->Android Device Monitor->进入DDMS->点击开始按钮
Case: 在微粉首页上下滑动，滑动过程中等待图片、视频加载完成 。
点击结束按钮出现结果如下（划分为上下两个面板，即Timeline Panel(时间线面板)和Profile Panel(分析面板)：
Timeline Panel又可细分为左右两个部分：
（1）左边显示的是测试数据中所采集的线程信息。
（2）右边所示为时间线，时间线上是每个线程测试时间段内所涉及的函数调用信息。
（3）可以在时间线中移动时间线纵轴。纵轴上边将显示当前时间点中某线程正在执行的函数信息。
Profile Panel(分析面板)
按调用次数由高到低排列结果如下图
按照占用CPU时间从高到低排列结果如下图：
2、Systrace使用简介
Systrace是Android4.1中新增的性能数据采样和分析工具。它可帮助开发者收集Android关键子系统（如surfaceflinger、WindowManagerService等Framework部分关键模块、服务，View系统等）的运行信息，从而帮助开发者更直观的分析系统瓶颈，改进性能。Systrace的功能包括跟踪系统的I/O操作、内核工作队列、CPU负载以及Android各个子系统的运行状况等。
使用方法：
使用Android studio->Android Device Monitor
进入DDMS->打开微粉APP->点击开始systrace
设置参数->点击OK
case: 在微粉首页滑动列表，滑动过程中需等待图片视频加载完成
在chrome地址栏中输入chrome://tracing 点击load打开trace.html文件
通过工具抓取的数据用浏览器打开后显示如下:
查看Frames这一行，可以看到这里展示了被绘制出来的每一帧，并且用绿、黄、红三颜色来区分它们在绘制时的性能
选一个红色帧在底部给出Alter信息：
展开“Inflation during ListViewrecycling”这条警告（警告部分的总耗时155毫秒，远高于了我们对保障60fps所需的16毫秒绘制时间）：
选择这一帧中最长的一块，对其进行进一步分析整个区块耗时98毫秒，而在这之中CPU只消耗了65毫秒的时间去运算