最新版本:G5外链排名工具 正式版

　　最新版本:G5外链排名工具 正式版

　　G5外链排名工具是纯绿色免费的SEO辅助软件，无需安装，解压即可使用。

　　G5外链排名工具可以即时将你的网站提交到3000多个不同的网站目录，从而增加在线搜索引擎的曝光率，从而增加网站外链的效果。

　　这个软件的优点是占用系统资源少，目前可以支持自定义提交地址。

　　更*敏*感*词*正在一一开发中。欢迎来到官方论坛提交您的建议。

　　官方网站：

　　交流论坛：

　　==================================================== === =================

　　Q：如何使用G5外链排名工具的自定义外链配置？

　　A：目前支持自定义网站目录的自定义提交规则如下：

　　:{$url}

　　

　　：表示提交地址；目标站点的域名。

　　{$url} 代表你的域名（不带）；

　　==================================================== === =================

　　Q：提交后如何查看效果？

　　A：一般在提交后1-2天SE会看到。建议每周提交 3 次：

　　查看效果方法：在百度、google、yahoo、soso……按照以下方法搜索：

　　1: inurl:?url=添加你的网址

　　2：域：添加您的网址

　　3：网站：添加你的网址

　　4：链接：添加您的网址

　　5：搜索您的域名

　　

　　==================================================== === =================

　　Q：这样的提交会受到SE的惩罚吗？

　　A：有朋友问这个软件会不会被搜索引擎惩罚，答案是否定的！绝对不！为什么，请参见下面的示例：

　　你一定查过网站的ALEXA排名，但你没有查过吗？然后在下面查看。

　　（替换为您的域名进行查询）

　　我们看一下G5外链排名工具中的外链配置文件：url.txt。打开后你会发现里面的地址都是通过上面的链接连接起来的。

　　地址列表，如：{$url}；

　　这份名单是模仿人类提交的，所以不会被SE处罚。

　　==================================================== === =================

　　Q：G5排名工具如何使用？

　　A：G5排名工具是绿色免费软件，操作界面非常简单，您只需添加您的域名并点击即可开始工作。这个小工具可以完成其余的工作。同时，也可以通过暂停和停止按钮进行停止操作。

　　最近发布:抖音Android性能优化：新一代全能型性能分析工具Rhea

　　本文选自《抖音Android性能优化》系列文章。

　　《抖音Android性能优化》系列文章是抖音Android基础技术部技术专家打造的技术内容，与大家分享基础技术团队打造极致用户体验抖音 在抖音 的过程中，我收获了性能优化的方法论、工具和实践，并与所有技术类的同学交流和成长。

　　用户交互响应的耗时作为Android用户感知最深的一个性能指标，在日常开发中具有重要意义。为了打造极致的交互响应体验，抖音Android基础技术团队一直致力于极致性能的探索，包括如何打造极致的耗时检测工具。

　　概述

　　俗话说，欲行善事，必先利其器。要优化性能，首先要能够发现性能问题。这需要可靠的工具来帮助我们进行性能分析。市面上主流的性能分析工具有：Systrace、TraceView、Android Studio的CPU Profiler。相信做性能优化的同学应该对这些工具非常熟悉。抖音也是最早使用Systrace作为主要的分析工具，在优化前期也起到了比较大的作用。随着抖音的性能优化已经走到了深水领域，我们需要寻找和解决更细粒度、更多维度的性能问题。锁阻塞和 IO 等待问题。然而，市面上这些主流的性能分析工具，由于自身的局限性和较大的性能损失，已经无法满足抖音性能优化的需求。为了能够走得更远，我们需要开发更灵活、更精细、更多样化的信息和工具，以协助我们进行高效的优化工作。

　　在此背景下，抖音Android基础技术团队开发了Rhea（[ˈriːə] Rhea，意为时间女神）Tracer，这是一种通过静态代码插桩技术自动添加Trace的方法。用于分析APP运行耗时的性能分析工具，意味着成为功能全面、追求效率、人人喜爱的女神，也符合我们工具的核心设计原则。Rhea tracer不仅需要低性能损失来获取Trace，还可以在App端直接抓取，无需PC端工具。它还可以跟踪系统调用，例如锁信息、I/O 消耗，同时跟踪更常规功能的耗时。时间、Binder IPC 等。最后，

　　优势比较

　　Rhea 因其无侵入性、高性能、信息完整等优点，已经在很多字节 APP 中使用。效果很明显。它多次帮助您快速发现性能问题。它所收录的信息包括无限层次的应用层功能。、IO、锁、Binder、CPU调度等耗时信息，部分效果如下：

　　与其他Android性能排查工具相比，其具体优势如下：

　　目前Systrace只能监控特定的系统信息，应用层监控耗时长，需要人工管理；TraceView 性能与采样率密切相关，过于频繁的采样带来巨大的性能成本，而过低的采样则难以准确检测问题函数；Nanoscope虽然几乎没有性能损失，但是每次需要定制ROM刷机，使用成本非常高，而且这些工具只支持离线分析可调试的应用，这些工​​具对于APP性能优化并不完美，而且Rhea是一个Integrator，它结合了各种工具的优点，弥补了相关的缺陷。

　　架构演进第一阶段：基于Systrace补充功能的耗时Trace

　　Systrace是Android性能调试和优化的常用工具。可以采集进程活动信息，如函数调用时间、锁等；它还可以采集内核信息，例如CPU调度、IO活动、Binder调用信息等；这些信息将统一时间轴显示在Chrome浏览器中，方便工程师调试性能、优化冻结等工作。因此，抖音早期性能优化更倾向于Systrace作为主要工具。一般流程如下：

　　1.功能修改

　　Systrace 工具只能监控特定系统调用的耗时。它不支持对应用程序代码进行耗时的分析，因此在使用上有一定的局限性。Native Systrace 需要开发者在方法的开头和结尾手动添加 Trace.beginSection 和 Trace.endSection 方法对。这个过程变成了开发者对耗时位置的预判断，然后通过重复添加监控点的方式手动添加监控功能对。，打包，运行，采集data，从而一步一步完成耗时的方法定位，这也使得使用Systrace的成本极高。

　　为了提高 Systrace 的易用性，我们开发了 Rhea 1.0 对 Systrace 功能进行了改造，并增加了自动插桩机制：通过字节码插桩自动完成 Trace.beginSection 和 Trace.endSection 方法对的插入，并通过运行限时方法层次结构，有效控制引入监控带来的性能损失。

　　class Tracer{

    method_stack = list()

    max_size = 6

    methodIn(method_id, method_name){

        if(method_stack.size()0){

            method_stack.pop()

            Trace.end()

        }

    }

}

　　method1(){

    Tracer.methodIn(1,method1)

     ...

    Tracer.methodOut()

}

　　输出数据如下，指定层次结构中的所有方法都可以按预期显示在输出html中：

　　2.方法没有完成的问题

　　在使用修改后的systrace时，我们经常会遇到以下问题：

　　分析发现，主要原因是该方法在运行时执行过程中被中断。例如，在方法执行过程中发生异常后，被其调用者方法捕获，异常方法的Systracer.o方法没有被调用。如图： 执行测试方法中的error方法时，arr[2]的数组越界，导致测试方法中的instrumentation方法SysTracer.o(13L)没有被调用，并且异常被 onCreate 中的 catch 块捕获，导致测试方法失败。检测方法不是成对调用的，最终导致测试外的所有方法调用都无法正确关闭。（注：本小结中提到的stub方法，即SysTracer相关方法，

　　解决的办法是在外层捕获所有异常的位置插入额外的stub方法，然后重新调用这些异常链下的stub方法，这不是一个pair问题。如下所示：

　　3. 遗留问题

　　随着Rhea 1.0功能的深入使用，在带来极大便利的同时，功能本身的缺点也逐渐暴露出来。在采集数据过程中，其自身的性能损失会导致在一些实际的性能优化过程中出现偏向。经过我们的严格测试，它的性能损失约为11.5%，如下图：

　　在实际使用过程中发现，开启Systrace后，极端情况下对应的Sleep时间消耗会超过40%。一方面，由于 APP 锁定，Sleep 很耗时。例如，在抖音的启动路径上对SharedPreference进行优化过程中，在启用Rhea 1.0的Systrace功能后，发现SP调用存在显着的耗时锁。这并不明显。经过一系列排查，发现锁的耗时是由于开启了Systrace功能造成的。另一方面，IO带来的Uninterrupt Sleep时间比较耗时。例如，我们在一个性能优化过程中看到了很多 __fdget_pos 操作。计算了_fdget_pos操作相对于Uninterruptible Sleep的比例，这至少占不间断睡眠总时间的 60% 左右。我们花了很长时间添加了很多IO信息。定位的最后一个原因是，开启Systrace后，由于所有线程的trace都会写入同一个文件，所以所有线程会在内核态同步竞争文件pos lock。工具本身的性能问题误导了我们的排查方向，也暴露了排查这个IO Wait问题时，由于IO信息不全导致排查效率不高的问题。所有线程将在内核模式下同步竞争文件 pos 锁。工具本身的性能问题误导了我们的排查方向，也暴露了排查这个IO Wait问题时，由于IO信息不全导致排查效率不高的问题。所有线程将在内核模式下同步竞争文件 pos 锁。工具本身的性能问题误导了我们的排查方向，也暴露了排查这个IO Wait问题时，由于IO信息不全导致排查效率不高的问题。

　　Systrace的原理决定了当我们在应用层插入更多的函数instrumentation来定位应用层的耗时问题时，会造成非常严重的性能问题，所以当我们离线使用这个工具时，会限制instrumentation级别减少运行时性能损失。但由于层级的限制，超出既定层级的函数调用数据缺失，在分析调用层级较深的函数的耗时时无法定位准确的耗时点。

　　由于Systrace在处理采集数据的过程中需要依赖PC，对于一些需要与PC采集数据分离的场景，Systrace无法满足要求。比如我们产品运营的同学经常在离线场景下测试抖音的性能，比如地铁、餐厅、咖啡店等，systrace无法支持这些实际使用场景下的性能数据。

　　在对低端机进行耗时优化时，我们发现一些早期的低端机型如三星、OPPO 无法支持 systrace 的数据采集。

　　针对以上问题，我们对该工具进行了深入的探索和优化。至此，该工具的开发进入了第二阶段。

　　第二阶段：高性能全场景Trace爬虫 1.功能升级

　　为了弥补第一阶段的功能短板，进一步提升性能，满足更多的使用场景，我们找到了新的解决方案：在Java层，通过记录开始和结束的时间戳等信息方法，所在线程，过滤掉大于指定耗时阈值的函数后，将数据异步记录到文件中。数据采集完成后，将输出文件转换成指定格式后，可以通过SDK提供的Systrace工具转换成方便的Html格式，达到与Systrace一样的可视化效果。

　　二、实施原则

　　Rhea 2.0 如何采集data 并生成与Systrace 一样可视化的html？SDK中Systrace工具的--from-file命令可以将原创.trace格式的数据转换成html格式，分析.trace数据的内部格式：

　　经过多次尝试，得出的结论是SDK Systrace工具可以解析的.trace文件必须满足以下格式：

　　格式说明：

　　可以看出，mtrace采集的数据至少需要收录以上内容。

　　以下是对应的Trace格式：

　　depth,methodID,inTime,outTime,threadName,threadID

　　与Rhea 1.0 的Systrace 相比，Rhea 2.0 的Method Trace 性能损失显着降低，性能损失也从11.5% 降低到3%。效果如下：

　　3. 最佳实践

　　与Systrace相比，MTrace提供了更丰富的离线功能，包括：解决真实用户点对点耗时问题反馈功能，解决产品、运营、QA同学外出检查现场的问题反馈功能。

　　简而言之，无论您身在何处，性能反馈始终触手可及！图为完整的操作流程。

　　真实案例：抖音灰度版在线用户反馈卡顿，使用MTrace功能包分析解决远程卡顿问题！以下是用户配合返回的真实卡顿数据。经过分析，可以找到耗时的调用点：

　　4. 问题

　　由于现阶段采集只有Java方法层的数据，在抖音启动IO耗时的优化工作中，Method Trace无法提供哪些函数执行IO操作，哪些IO操作是读/写。哪些文件给优化工作带来了更大的难度。另外，在一些复杂的场景中，Method Trace只记录函数的执行时间，而无法准确定位多线程同步或系统IO等锁导致的较长执行时间。

　　针对以上问题，我们意识到一套优秀的Trace工具还需要集成更多的系统事件，于是工具进入了第三阶段的打磨。

　　第 3 阶段：动态集成跟踪工具规划

　　Rhea 1.0 和 2.0 在 抖音 早期的性能优化工作中取得了显著成果，但随着优化工作的深入，也暴露出很多局限和不便。

　　一方面，使用传统的 Systrace 工具进行性能优化有很多限制。首先，Trace 信息很少。默认只收录系统预设的耗时管理信息，不足以支持定期的耗时分析。需要在App端手动调用Trace.beginSection和Trace.endSection方法来获取更*敏*感*词*。耗时信息，为避免影响在线包大小，使用后需要手动删除。其次，Systrace本身的性能损失很大，尤其是当应用程序通过打桩的方式对业务代码进行大量管理时，极端情况下的性能损失会超过50%。三、Systrace完全依赖PC端工具进行抓包，这不够灵活。尤其是在需要能够稳定复现性能问题的场景下，对于一些只能在特定区域或特定用户群中复现的问题，无法直接高效地获取有效信息。即使在walk-through中也无法通过Systrace获取相应的信息，导致优化效率低。

　　另一方面，相比Systrace通过简单自定义Trace的采集功能，虽然有显着的性能提升和更高的灵活性，但数据只收录基本的耗时信息，并且在一些复杂的场景（如持有耗时由锁引起的），数据仍然有局限性。

　　以上工具均无法完全满足抖音的启动、初刷、低端机等核心场景的性能优化工作。我们需要重新设计和规划一个更强大的动态集成 Trace 工具来辅助分析性能。

　　该工具需要非常灵活。不依赖PC端的爬虫脚本，支持在线和离线。它可以在应用程序想要抓取数据时运行。作为一个平台工具，Rhea 还需要支持动态扩展，支持各种场景的配置和动态切换，可以采集 加上任何需要的信息。工具捕获的trace信息应该是全面的，可以采集跟踪各种信息，包括ATrace插桩、等待锁信息、I/O信息、Binder耗时等。支持统一格式的可视化、输出和格式化，最终在前端显​​示和使用兼容Systrace的结果，尽量不改变用户习惯。

　　因此，我们重新设计了新一代 Trace 分析工具：

　　整体来看，App集成了Rhea SDK，打包时无限层插入函数耗时stub方法，运行时插入IO、Binder、Lock等相关Trace信息，支持动态配置，统一Trace格式为atrace，并支持获取系统级别。Linux ftrace、Android Framework atrace和App插入的atrace信息可以不依赖PC进行抓取，最终提供可视化展示。具体实现如下：

　　1.不依赖PC捕获轨迹

　　为了实现不依赖PC的Trace的捕获，首先要了解Android atrace的实现机制。首先，atrace 收录的数据源包括：

　　

　　其中，用户空间中的数据包括应用层的自定义Trace、系统层的gfx渲染相关的trace、系统层的lock相关的trace信息等，最终通过调用记录下来Android SDK 提供的 Trace.beginSection 或 ATRACE_BEGIN 到同一文件点 /sys/kernel/debug/tracing/trace_marker。该节点允许用户层写入字符串，ftrace会记录写入操作的时间戳。当用户在上层调用不同的函数时，会写入不同的调用信息，比如函数的入口和出口是分开写的，那么ftrace就会记录trace函数的运行时间。atrace在用户层处理多个trace类别时，只是激活不同的TAG。如果选择了图形，

　　内核空间中的数据主要是一些补充分析数据freq、sched、binder等，常用的CPU调度等信息包括：

　　这个信息可以通过App直接读取/sys/devices/system/cpu节点下的相关信息来获取，而其他部分标识线程状态的信息只能通过system或者adb获取，而这些信息不受统一节点控制，需要激活对应的事件节点，让ftrace记录不同事件的tracepoint。内核在运行时，会根据节点的启用状态，在ftrace缓冲区中记录事件。例如激活线程调度状态信息记录，需要激活相关节点如下：

　　events/sched/sched_switch/enable

events/sched/sched_wakeup/enable

　　激活后可以获取线程调度状态的相关信息，如：

　　最终，以上两种事件记录在内核模式下被采集到同一个缓冲区中。PC端的Systrace工具脚本就是指定要捕获的trace类型等参数，然后在手机端触发/system/bin/atrace打开对应的文件节点。信息，然后atrace会读取ftrace缓存，生成只收录ftrace信息的atrace_raw信息，最后通过脚本转换成可视化的HTML文件。一般流程如下：

　　因此，基于Android atrace的实现原理，我们同步参考了Facebook在APP端直接获取atrace的profilo方案，实现了不依赖PC端抓取Trace的方法。

　　我们通过dlopen获取libcutils.so对应的句柄，通过对应符号找到atrace_enabled_tags和atrace_marker_fd对应的指针，设置atrace_enabled_tags打开atrace开关。具体实现如下：

　　

  std::string lib_name("libcutils.so");

  std::string enabled_tags_sym("atrace_enabled_tags");

  std::string marker_fd_sym("atrace_marker_fd");

  if (sdk  10000) {

    log_binder(ns2us(start), ns2us(end), flags);

    nsecs_t end_ = systemTime();

  }

  return status;

}

　　跟踪效果如图：

　　4.支持后续添加更多数据源

　　当然，仅支持以上信息并不能完全涵盖我们以后在性能优化过程中可能遇到的其他问题。因此，我们支持动态配置的功能。以后我们只需要简单的添加相应的配置项，它的功能就可以快速方便的采集到我们需要的信息。

　　enum TraceConfigKey {

  kIO = 0,

  kBinder,

  kThinLock,

  kStopTraceUnhook,

  kLockStack,

  kKeyEnd,

};

　　5. 仪器级别不限，获取功能耗时

　　限制instrumentation的级别可以提高运行时性能，但是限制级别后有两个问题：

　　因此，在用户态，为了获取更多App的Trace信息，方便进行性能优化。我们使用不限制级别的检测方案。开发了一个在编译阶段不限制分层插桩的插件。通过静态代码插桩，将 Trace.beginSection 和 Trace.endSection 分别插入到 App 调用方法的开始和结束位置。效果如下：

　　三、优化降低性能损失 1、仪器性能优化

　　在instrumentation阶段，我们做了以下优化：

　　2.优化App端启动和停止Trace的性能

　　由于app端抓取Trace的实现依赖于hook，所以我们参考了Facebook Profilo的实现，但是它的实现存在动态库太大、启动和停止Trace耗时的问题。因此，我们进一步优化了应用所依赖的动态库，以便在本地获取atrace。尺寸和性能。如下：

　　3.优化Trace写入性能

　　由于在App方法中插入了大量的trace信息，开启atrace后，所有线程都会将所有trace写入trace_marker文件，这样会带来IO损失急剧增加，掩盖了真正的性能问题，因为所有线程写入trace_marker文件的时间很短，在争夺内核态pos锁的同时，获取到的trace文件并不能真实反映性能问题，如下图所示：

　　因此，我们在用户态截取了原本直接写入内核态文件的Trace，缓存起来，以异步IO的形式dump。既避免了大量用户态和内核态切换造成的上下文丢失，又避免了直接IO造成的IO丢失。效果如下：

　　4. 可视化

　　由于我们将用户态的atrace和内核态的ftrace存储在对应空间的ringbuffer中，原生的systrace只能单独可视化，所以我们开发了一个脚本工具，将trace统一整合，转换多个trace信息到单个 html 文件中，在浏览跟踪信息时可以在 Chrome 中可视化（在 chrome://tracing 访问）。

　　未来的计划

　　目前，Rhea 对 Native 的支持还不够完善；性能优化不够极致，尤其是在分析卡顿问题时需要定位几毫秒甚至更细粒度的耗时的情况下，性能损失还是会有些大。一定程度上优化的方向会有偏差；目前，Trace 工具主要是离线使用。由于插桩过多，影响包装尺寸，我们的线上部分只能对小规模用户群开放，不能完全定位线上。在线大型用户的性能问题。未来，我们将重点解决以上问题，将 Trace 工具发挥到极致。

　　概括

　　新一代 Trace 分析工具 Rhea 的主要优点如下：

　　1、使用灵活，不依赖PC抓取脚本，支持多种在线离线模式和配置切换；

　　2.支持采集并跟踪各种信息，包括无限层ATrace函数的耗时检测、等待锁信息、I/O信息、Binder耗时；

　　3、兼容性高，支持API 16~30所有型号的trace capture；

　　4.零侵入代码，通过gradle完成所有插件的配置，无需任何代码直接调用。

　　加入我们

　　我们是负责抖音客户基础技术能力研发和前沿技术探索的客户团队。我们专注于性能、架构、稳定性、研发工具、编译构建等方面的深耕，保证超*敏*感*词*团队的研发效率和工程质量，让抖音被6亿人使用具有极致用户体验的产品。

　　如果您对技术充满热情，欢迎加入抖音基础技术团队，让我们一起打造亿级全球应用。目前我们在上海、北京、杭州、深圳均有招聘需求。对于内部推荐，您可以联系电子邮件： ; 电子邮件主题：姓名 - 工作年限 - 抖音 - 基本技术 - Android / iOS 。

　　欢迎来到“字节跳动技术团队”

　　简历投递联系邮箱“”