docs: 新增盲盒主路径性能基线测试指南及记录模板

specs/perf_baseline.md

@@ -0,0 +1,149 @@
+# perf-1 基线测试指南与记录模板
+
+更新时间：2025-09-09 12:25 +08
+
+本文件用于后续进行盲盒主路径的性能基线采集与分析，包含目标范围、事件口径、采集步骤、分析方法、优化建议以及可直接填写的记录模板。
+
+---
+
+## 1. 目标与范围
+- 场景 A（Image 盲盒）：冷启动 → 准备（Unopened）→ 开启 → 展示图片
+- 场景 B（Video 盲盒）：冷启动 → 准备（Unopened）→ 开启 → 播放视频
+- 输出：关键阶段耗时（T_*）、帧率/掉帧、CPU 热点、潜在瓶颈与改进建议
+
+## 2. 现有埋点（OS Signpost）
+Perf 工具位于 `wake/Core/Diagnostics/Performance.swift`（`subsystem: app.wake`，`category: performance`）。以下事件可在 Instruments 的 OS Signpost 中看到：
+
+- 视图（`wake/Features/BlindBox/View/BlindBoxView.swift`）
+  - `BlindBox_Appear`
+  - `BlindBox_Status_Unopened`
+  - `BlindBox_Status_Preparing`
+  - `BlindBox_Opening_Begin`
+  - `BlindBox_Opening_ShowMedia`
+- 视图模型（`wake/Features/BlindBox/ViewModel/BlindBoxViewModel.swift`）
+  - `BlindVM_Load_Begin` / `BlindVM_Load_End`
+  - `BlindVM_Bootstrap_Done`
+  - `BlindVM_Poll_Single_Yield` / `BlindVM_Poll_List_Yield`
+  - `BlindVM_Open`（begin/end 包裹 openBlindBox 调用）
+
+## 3. 指标口径（阶段耗时定义）
+- `T_bootstrap = BlindBox_Appear → BlindVM_Bootstrap_Done`
+- `T_ready = 首次出现 BlindBox_Status_Unopened`（或 `.Preparing → .Unopened` 的跃迁）
+- `T_open_api = BlindVM_Open(begin) → BlindVM_Open(end)`（开盒 API 往返）
+- `T_open_anim = BlindBox_Opening_Begin → BlindBox_Opening_ShowMedia`（动画到媒体展示）
+- `T_prepare_media`（建议新增埋点后再测，见第 7 节）
+
+建议阈值（参考）：
+- Image：`T_bootstrap ≤ 800ms`，`T_prepare_media ≤ 300ms`
+- Video：`T_bootstrap ≤ 1200ms`，`首帧可播放 ≤ 1.0s`
+- Core Animation：每 1 秒内掉帧 < 3；主线程占用峰值 < 80%
+
+## 4. 环境与准备
+- 设备：实体机（建议 iPhone 13 及以上），保持温度和电量稳定
+- 构建：Release/Profile（Xcode → Product → Scheme → Edit Scheme → Run = Release）
+- 关闭调试开关（如 Metal API Validation）
+
+## 5. 数据采集（Xcode Instruments）
+1) Xcode 菜单 `Product → Profile`，选择模板：
+   - OS Signpost（主时间轴）
+   - Time Profiler（CPU/主线程占用）
+   - Core Animation（FPS 与掉帧）
+   - 选配：Network（若要看请求耗时）
+2) 运行路径：
+   - 场景 A（Image）
+     - 冷启动 App → 进入 `BlindBoxView` → 等待状态到 Unopened → 点击开启 → 等待图片展示 → 停止录制
+   - 场景 B（Video）
+     - 冷启动 App → 进入 `BlindBoxView` → 等待状态到 Unopened → 点击开启 → 视频开始播放 → 停止录制
+3) 标注与导出：
+   - 在 OS Signpost 轨道上对齐事件（见第 2 节），测量 T_* 并记录
+   - 导出 A/B 两条 trace 作为基线归档
+
+## 6. 可选 CLI（xctrace）
+- 查看模板与设备：
+```bash
+xcrun xctrace list templates
+xcrun xctrace list devices
+```
+- 采集 Time Profiler（将占位符替换为实际 Bundle ID）：
+```bash
+xcrun xctrace record \
+  --template "Time Profiler" \
+  --output "~/Desktop/wake_timeprofiler.trace" \
+  --launch com.your.bundle.id
+```
+
+## 7. 分析方法
+- OS Signpost：筛选 `subsystem = app.wake`，`category = performance`，沿时间轴读取 T_*。
+- Time Profiler：关注主线程热点（Lottie 渲染、SVG 绘制、SwiftUI 布局、图片解码、AVAsset 初始化等）。
+- Core Animation：查看帧时间直方图与掉帧分布，对应时间截面回到 Time Profiler 交叉验证 CPU 热点。
+
+## 8. 建议新增埋点（便于下一轮更精细分析）
+- `prepareMedia()`（`BlindBoxViewModel`）中增加 begin/end：
+  - 图片：`BlindVM_PrepareMedia_Image`
+  - 视频：`BlindVM_PrepareMedia_Video`
+- `BlindBoxView` 的开启动画链路，如需更细，可在 `BlindBox_Opening_Begin → BlindBox_Opening_ShowMedia` 之间插入阶段性事件（例如某帧/进度阈值）。
+
+## 9. 常见瓶颈与建议
+- 图片解码在主线程：
+  - 现状：`prepareMedia()` 标注了 `@MainActor`，`UIImage(data:)` 可能阻塞主线程。
+  - 建议：使用后台队列/`Task.detached(priority: .userInitiated)` 解码，回主线程赋值；或使用 `CGImageSource` 增量解码。
+- AVAsset 初始化与尺寸计算：
+  - 建议：使用异步属性加载（如 `await asset.load(.tracks)`），后台计算宽高比后再回主线程设置。
+- Lottie 渲染：
+  - 建议：仅在可见时播放（当前已实现），检查 JSON 体量与层数，必要时优化资源。
+- SVG 渲染：
+  - 建议：大面积静态背景预栅格化为 PNG，交互区域保留矢量；或增加缓存层。
+- OnBoarding 去重：
+  - 现状：用 `uiImage.pngData()` 做去重，计算较重。
+  - 建议：改用轻量哈希（缩略图 + 平均哈希/pHash）或文件 URL/尺寸 + 字节总量近似判重。
+- 网络与缓存：
+  - 建议：图片设置合理 `URLCache`；视频首帧使用低码率预览或占位图，降低等待感；网络层收集 `URLSessionTaskMetrics` 做 RTT/吞吐量观测。
+
+## 10. 记录模板（直接复制并填写）
+```markdown
+# perf-1 基线（日期：____ / 设备：____ / 系统：____ / 构建：Release）
+
+## 场景 A（Image）
+- T_bootstrap：____ ms
+- T_ready：____ ms
+- T_open_api：____ ms
+- T_open_anim：____ ms
+- T_prepare_media（若有）：____ ms
+- Core Animation（平均 FPS / 掉帧）：____ / ____
+- Time Profiler 热点（主线程 Top3）：
+  - 1) ____（____%）
+  - 2) ____（____%）
+  - 3) ____（____%）
+- 结论与问题：
+
+## 场景 B（Video）
+- T_bootstrap：____ ms
+- T_ready：____ ms
+- T_open_api：____ ms
+- T_open_anim：____ ms
+- T_prepare_media（若有）：____ ms
+- Core Animation（平均 FPS / 掉帧）：____ / ____
+- Time Profiler 热点（主线程 Top3）：
+  - 1) ____（____%）
+  - 2) ____（____%）
+  - 3) ____（____%）
+- 结论与问题：
+
+## 归纳与下一步
+- 瓶颈总结：
+- 优化优先级（P0/P1/P2）：
+- 行动项：
+```
+
+## 11. 下次继续（执行清单）
+- 采集 A/B 各 1 条 trace 并填写第 10 节模板
+- （可选）为 `prepareMedia()` 增加图片/视频的 begin/end 埋点
+- 将图片解码移至后台线程，回主线程赋值
+- 使用 AVAsset 异步加载 track/时长并后台计算尺寸
+- 检查 Lottie/SVG 资源与渲染负载（必要时优化）
+- 调整 OnBoarding 去重逻辑，避免 `pngData()` 重计算
+- 配置 `URLCache` 与视频首帧占位方案
+
+---
+
+附注：本指南依赖现有 `Perf` 工具（`Performance.swift`）与相关事件；若需要我直接提交“后台解码 + 细粒度埋点”的实现，请在下次迭代时告知，我会以最小改动提交补丁。