新闻详情

新闻详情

首页 / 资讯中心 / 详情

Android与iOS端耗电量测试方法详解与步骤

发布时间:2026/11/20 8:26:45来源:尧图网络
Android与iOS端耗电量测试方法详解与步骤
一、Android端耗电量测试1、手机连接电脑清除手机耗电量数据adb shell dumpsys batterystats --enable full-wake-history #打开全量日志记录adb shell dumpsys batterystats --reset #清除已有的耗电量数据2、断开手机与电脑的连接在app中操作需要测试的场景操作完业务场景后杀掉该app进程3、手机连接电脑收集耗电量数据adb shell dumpsys batterystats batterystats.txt4、根据测试的包名找到对应的UIDadb shell ps | grep com.package.nameu0_a85 1836 990 1562948 60860 ffffffff 00000000 S com.package.nameUID为u0_a85去掉下划线即为u0a855、打开batterystats.txt文件找到Estimated power use并找到对应UID的耗电量情况下图2.71mAh即UID为u0a405操作该业务的耗电量6、不要忘了关闭全量记录唤醒。保持开启会造成性能问题adb shell dumpsys batterystats --disable full-wake-history二、iOS端耗电量测试Sysdiagnose是苹果的日志系统通过Sysdiagnose可以获取到电量消耗电流、电压、温度等1、苹果开发者网站 https://developer.apple.com/bug-reporting/profiles-and-logs/下载证书BatteryLife2、通过airdrop传送到手机并在设置-通用-VPN与设备管理安装该证书3、在app中操作需要测试的场景操作完后杀掉app进程静置约半小时因为数据库写入会有延迟4、手机连接电脑文件系统中选中手机将数据同步到电脑5、进入~/Library/Logs/CrashReporter/MobileDevice下的被测手机目录下找到powerlog6、使用DB Browser for SQLite可以查看数据将powerlog文件直接拖进去。7、获取appidappid表 :PLAccountingOperator_EventNone_Nodes8、查询app电量消耗电量消耗表 :PLAccountingOperator_Aggregate_RootNodeEnergynodeid是通过appid表中查询出来id字段。Energy即为耗电量数据每小时更新一次。查询语句如下select sum(energy) from PLAccountingOperator_Aggregate_RootNodeEnergy where nodeid10560 and timestamp1711482126.0;对于iOS开发使用专业的工具如KeyMob可以更高效地进行性能监控和耗电量分析它提供了实时能耗监控、日志分析等功能简化了数据收集和优化流程。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/20 0:44:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/19 15:17:14

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/19 20:26:12

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/19 15:16:22

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/19 18:03:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/20 0:44:55

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉