前言
最近高德地圖APP完成了一次啟動優化專項，超預期将雙端啟動的耗時都降低了65%以上，iOS在iPhone7上速度達到了400毫秒以内。就像産品們用後說的，快到不習慣。算一下每天為使用者省下的時間，還是蠻有成就感的，本文做個小結。
（文中配圖均為多才多藝的技術哥哥手繪）
啟動階段性能多元度分析
要優化，首先要做到的是對啟動階段的各個性能緯度做分析，包括主線程耗時、CPU、記憶體、I/O、網絡。這樣才能更加全面的掌握啟動階段的開銷，找出不合理的方法調用。
啟動越快，更多的方法調用就應該做成按需執行，将啟動壓力分攤，隻留下那些啟動後方法都會依賴的方法和庫的初始化，比如網絡庫、Crash庫等。而剩下那些需要預加載的功能可以放到啟動階段後再執行。
啟動有哪幾種類型，有哪些階段呢？
啟動類型分為：
- Cold：APP重新開機後啟動，不在記憶體裡也沒有程序存在。
- Warm：APP最近結束後再啟動，有部分在記憶體但沒有程序存在。
- Resume：APP沒結束，隻是暫停，全在記憶體中，程序也存在。
分析階段一般都是針對Cold類型進行分析，目的就是要讓測試環境穩定。為了穩定測試環境，有時還需要找些穩定的機型，對于iOS來說iPhone7性能中等，穩定性也不錯就很适合，Android的Vivo系列也相對穩定，華為和小米系列資料波動就比較大。
除了機型外，控制測試機溫度也很重要，一旦溫度過高系統還會降頻執行，影響測試資料。有時候還會設定飛行模式采用Mock網絡請求的方式來減少不穩定的網絡影響測試資料。最好是重新開機後退iCloud賬号，放置一段時間再測，更加準确些。
了解啟動階段的目的就是聚焦範圍，從使用者體驗上來确定哪個階段要快，以便能夠讓使用者可視和響應使用者操作的時間更快。
簡單來說iOS啟動分為加載Mach-O和運作時初始化過程，加載Mach-O會先判斷加載的檔案是不是Mach-O，通過檔案第一個位元組，也叫魔數來判斷，當是下面四種時可以判定是Mach-O檔案：
- 0xfeedface對應的loader.h裡的宏是MH_MAGIC
- 0xfeedfact宏是MH_MAGIC_64
- NXSwapInt(MH_MAGIC)宏MH_GIGAM
- NXSwapInt(MH_MAGIC_64)宏MH_GIGAM_64
Mach-O主要分為：
- 中間對象檔案（MH_OBJECT）
- 可執行二進制（MH_EXECUTE）
- VM 共享庫檔案（MH_FVMLIB）
- Crash 産生的Core檔案（MH_CORE）
- preload（MH_PRELOAD）
- 動态共享庫（MH_DYLIB）
- 動态連結器（MH_DYLINKER）
- 靜态連結檔案（MH_DYLIB_STUB）符号檔案和調試資訊（MH_DSYM）這幾種。
确定是Mach-O後，核心會fork一個程序，execve開始加載。檢查Mach-O Header。随後加載dyld和程式到Load Command位址空間。通過 dyld_stub_binder開始執行dyld，dyld會進行rebase、binding、lazy binding、導出符号，也可以通過DYLD_INSERT_LIBRARIES進行hook。
dyld_stub_binder給偏移量到dyld解釋特殊位元組碼Segment中，也就是真實位址，把真實位址寫入到la_symbol_ptr裡，跳轉時通過stub的jump指令跳轉到真實位址。dyld加載所有依賴庫，将動态庫導出的trie結構符号執行符号綁定，也就是non lazybinding，綁定解析其他子產品功能和資料引用過程，就是導入符号。
Trie也叫數字樹或字首樹，是一種搜尋樹。查找複雜度O(m)，m是字元串的長度。和散清單相比，散列最差複雜度是O(N)，一般都是 O(1)，用 O(m)時間評估 hash。散列缺點是會配置設定一大塊記憶體，内容越多所占記憶體越大。Trie不僅查找快，插入和删除都很快，适合存儲預測性文本或自動完成詞典。
為了進一步優化所占空間，可以将Trie這種樹形的确定性有限自動機壓縮成确定性非循環有限狀态自動體（DAFSA），其空間小，做法是會壓縮相同分支。
對于更大内容，還可以做更進一步的優化，比如使用字母縮減的實作技術，把原來的字元串重新解釋為較長的字元串；使用單鍊式清單，節點設計為由符号、子節點、下一個節點來表示；将字母表數組存儲為代表ASCII字母表的256位的位圖。
盡管Trie對于性能會做很多優化，但是符号過多依然會增加性能消耗，對于動态庫導出的符号不宜太多，盡量保持公共符号少，私有符号集豐富。這樣維護起來也友善，版本相容性也好，還能優化動态加載程式到程序的時間。
然後執行attribute的constructor函數。舉個例子：
#include <stdio.h>
__attribute__((constructor))
static void prepare() {
printf("%s\n", "prepare");
}
__attribute__((destructor))
static void end() {
printf("%s\n", "end");
}
void showHeader() {
printf("%s\n", "header");
} 運作結果：
ming@mingdeMacBook-Pro macho_demo % ./main "hi"
prepare
hi
end 運作時初始化過程分為：
- 加載類擴充。
- 加載C++靜态對象。
- 調用+load函數。
- 執行main函數。
- Application初始化，到applicationDidFinishLaunchingWithOptions執行完。
- 初始化幀渲染，到viewDidAppear執行完，使用者可見可操作。
高德APP啟動耗時剖析與優化實踐（iOS篇）
也就是說對啟動階段的分析以viewDidAppear為截止。這次優化之前已經對Application初始化之前做過優化，效果并不明顯，沒有本質的提高，是以這次主要針對Application初始化到viewDidAppear這個階段各個性能多緯度進行分析。
工具的選擇其實目前看來是很多的，Apple提供的System Trace會提供全面系統的行為，可以顯示底層系統線程和記憶體排程情況，分析鎖、線程、記憶體、系統調用等問題。總的來說，通過System Trace能清楚知道每時每刻APP對系統資源的使用情況。
System Trace能檢視線程的狀态，可以了解高優線程使用相對于CPU數量是否合理，可以看到線程在執行、挂起、上下文切換、被打斷還是被搶占的情況。虛拟記憶體使用産生的耗時也能看到，比如配置設定實體記憶體，記憶體解壓縮，無緩存時進行緩存的耗時等。甚至是發熱情況也能看到。
System Trace還提供手動打點進行資訊顯式，在你的代碼中導入sys/kdebug_signpost.h後，配對kdebug_signpost_start和kdebug_signpost_end就可以了。這兩個方法有五個參數，第一個是id，最後一個是顔色，中間都是預留字段。
Xcode11開始XCTest還提供了測量性能的Api。蘋果在
2019年WWDC啟動優化專題：
也介紹了Instruments裡的最新模闆App launch如何分析啟動性能。但是要想達到對啟動資料進行留存取均值、Diff、過濾、關聯分析等自動化操作，App launch目前還沒法做到。
下面針對主線程耗時、CPU、網絡、記憶體、I/O 等多元度進行分析：
- 主線程耗時
多個緯度性能分析中最重要、最終使用者體感到的是主線程耗時分析。對主線程方法耗時可以直接使用Massier，這是
everettjf開發的一個Objective-C方法跟蹤工具生成trace json進行分析，或者參看這個代碼
GCDFetchFeed/SMCallTraceCore.c at master · ming1016/GCDFetchFeed · GitHub自己手動hook objc_msgSend生成一份Objective-C方法耗時資料進行分析。還有種插樁方式，可以解析IR（加快編譯速度），然後在每個方法前後插入耗時統計函數。
文章後面我會着重介紹如何開發工具進一步分析這份資料，以達到監控啟動階段方法耗時的目的。
hook所有的方法調用，對詳細分析時很有用，不過對于整個啟動時間影響很大，要想擷取啟動每個階段更準确的時間消耗還需要依賴手動埋點。
為了更好的分析啟動耗時問題，手動埋點也會埋的越來越多，也會影響啟動時間精确度，特别是當團隊很多，子產品很多時，問題會突出。但是每個團隊在排查啟動耗時往往隻會關注自己或相關某幾個子產品的分析，基于此，可以把不同子產品埋點分組，靈活組合，這樣就可以照顧到多種需求了。
- CPU
為什麼分析啟動慢除了分析主線程方法耗時外，還要分析其它緯度的性能呢？
我們先看看啟動慢的表現，啟動慢意味着界面響應慢、網絡慢（資料量大、請求數多）、CPU超負荷降頻（并行任務多、運算多），可以看出影響啟動的因素很多，還需要全面考慮。
對于CPU來說，WWDC的
What’s New in Energy Debugging - WWDC 2018 - Videos - Apple Developer介紹了用Energy Log來查CPU耗電，目前台三分鐘或背景一分鐘CPU線程連續占用80%以上就判定為耗電，同時記錄耗電線程堆棧供分析。還有一個MetrickKit專門用來收集電源和性能統計資料，每24小時就會對收集的資料進行彙總上報，Mattt在
NShipster網站上也發了篇文章專門進行介紹：
那麼，CPU的詳細使用情況如何擷取呢？也就是說哪個方法用了多少CPU。
有好幾種擷取詳細CPU使用情況的方法。線程是計算機資源排程和配置設定的基本機關。CPU使用情況會提現到線程這樣的基本機關上。task_theads的act_list數組包含所有線程，使用thread_info的接口可以傳回線程的基本資訊，這些資訊定義在thread_basic_info_t結構體中。這個結構體内的資訊包含了線程運作時間、運作狀态以及排程優先級，其中也包含了CPU使用資訊cpu_usage。
擷取方式參看：
objective c - Get detailed iOS CPU usage with different states - Stack Overflow GT GitHub - Tencent/GT也有擷取CPU的代碼。
整體CPU占用率可以通過host_statistics函數取到host_cpu_load_info，其中cpu_ticks數組是CPU運作的時鐘脈沖數量。通過cpu_ticks數組裡的狀态，可以分别擷取CPU_STATE_USER、CPU_STATE_NICE、CPU_STATE_SYSTEM這三個表示使用中的狀态，除以整體CPU就可以取到CPU的占比。
通過NSProcessInfo的activeProcessorCount還可以得到CPU的核數。線上資料分析時會發現相同機型和系統的手機，性能表現卻截然不同，這是由于手機過熱或者電池損耗過大後系統降低了CPU頻率所緻。
是以，如果取得CPU頻率後也可以針對那些降頻的手機來進行針對性的優化，以保證流暢體驗。擷取方式可以參考：
https://github.com/zenny-chen/CPU-Dasher-for-iOS- 記憶體
要想擷取APP真實的記憶體使用情況可以參看
WebKit的源碼JetSam會判斷APP使用記憶體情況，超出門檻值就會殺死APP，JetSam[擷取門檻值的代碼在這裡](
https://github.com/apple/darwin-xnu/blob/0a798f6738bc1db01281fc08ae024145e84df927/bsd/kern/kern_memorystatus.c)：
整個裝置實體記憶體大小可以通過NSProcessInfo的physicalMemory來擷取。
- 網絡
對于網絡監控可以使用Fishhook這樣的工具Hook網絡底層庫CFNetwork。網絡的情況比較複雜，是以需要定些和時間相關的關鍵的名額，名額如下：
- DNS時間
- SSL時間
- 首包時間
- 響應時間
有了這些名額才能夠有助于更好的分析網絡問題。啟動階段的網絡請求是非常多的，是以HTTP的性能是非常要注意的。以下是WWDC網絡相關的Session：
Your App and Next Generation Networks - WWDC 2015 - Videos - Apple Developer Networking with NSURLSession - WWDC 2015 - Videos - Apple Developer Networking for the Modern Internet - WWDC 2016 - Videos - Apple Developer Advances in Networking, Part 1 - WWDC 2017 - Videos - Apple Developer Advances in Networking, Part 2 - WWDC 2017 - Videos - Apple Developer Optimizing Your App for Today’s Internet - WWDC 2018 - Videos - Apple Developer- I/O
對于I/O可以使用
Frida • A world-class dynamic instrumentation framework | Inject JavaScript to explore native apps on Windows, macOS, GNU/Linux, iOS, Android, and QNX這種動态二進制插樁技術，在程式運作時去插入自定義代碼擷取I/O的耗時和處理的資料大小等資料。Frida還能夠在其它平台使用。
關于多元度分析更多的資料可以看看曆屆WWDC的介紹。下面我列下16年來 WWDC關于啟動優化的Session，每場都很精彩。
Using Time Profiler in Instruments - WWDC 2016 - Videos - Apple Developer Optimizing I/O for Performance and Battery Life - WWDC 2016 - Videos - Apple Developer Optimizing App Startup Time - WWDC 2016 - Videos - Apple Developer App Startup Time: Past, Present, and Future - WWDC 2017 - Videos - Apple Developer Practical Approaches to Great App Performance - WWDC 2018 - Videos - Apple Developer Optimizing App Launch - WWDC 2019 - Videos - Apple Developer延後任務管理
經過前面所說的對主線程耗時方法和各個緯度性能分析後，對于那些分析出來沒必要在啟動階段執行的方法，可以做成按需或延後執行。
任務延後的處理不能粗犷的一口氣在啟動完成後在主線程一起執行，那樣使用者僅僅隻是看到了頁面，依然沒法響應操作。那該怎麼做呢？套路一般是這樣，建立四個隊列，分别是：
- 異步串行隊列
- 異步并行隊列
- 閑時主線程串行隊列
- 閑時異步串行隊列
有依賴關系的任務可以放到異步串行隊列中執行。異步并行隊列可以分組執行，比如使用dispatch_group，然後對每組任務數量進行限制，避免CPU、線程和記憶體瞬時激增影響主線程使用者操作，定義有限數量的串行隊列，每個串行隊列做特定的事情，這樣也能夠避免性能消耗短時間突然暴漲引起無法響應使用者操作。使用dispatch_semaphore_t在信号量阻塞主隊列時容易出現優先級反轉，需要減少使用，確定QoS傳播。可以用dispatch group替代，性能一樣，功能不差。異步程式設計可以直接GCD接口來寫，也可以使用阿裡的協程架構
coobjc GitHub - alibaba/coobjc閑時隊列實作方式是監聽主線程runloop狀态，在kCFRunLoopBeforeWaiting時開始執行閑時隊列裡的任務，在kCFRunLoopAfterWaiting時停止。
優化後如何保持？
攻易守難，就像剛到新團隊時将包大小減少了48兆，但是一年多一直能夠守住，除了決心還需要有手段。對于啟動優化來說，将各個性能緯度通過監控的方式盯住是必要的，但是發現問題後快速、便捷的定位到問題還是需要找些突破口。我的思路是将啟動階段方法耗時多的按照時間線一條一條排出來，每條包括方法名、方法層級、所屬類、所屬子產品、維護人。考慮到便捷性，最好還能友善的檢視方法代碼内容。
接下來我通過開發一個工具，詳細介紹下怎麼實作這樣的效果。
-
解析json
如前面所說在輸出一份Chrome trace規範的方法耗時json後，先要解析這份資料。這份json資料類似下面的樣子：
{"name":"[SMVeilweaa]upVeilState:","cat":"catname","ph":"B","pid":2381,"tid":0,"ts":21},
{"name":"[SMVeilweaa]tatLaunchState:","cat":"catname","ph":"B","pid":2381,"tid":0,"ts":4557},
{"name":"[SMVeilweaa]tatTimeStamp:state:","cat":"catname","ph":"B","pid":2381,"tid":0,"ts":4686},
{"name":"[SMVeilweaa]tatTimeStamp:state:","cat":"catname","ph":"E","pid":2381,"tid":0,"ts":4727},
{"name":"[SMVeilweaa]tatLaunchState:","cat":"catname","ph":"E","pid":2381,"tid":0,"ts":5732},
{"name":"[SMVeilweaa]upVeilState:","cat":"catname","ph":"E","pid":2381,"tid":0,"ts":5815},
… 通過Chrome的Trace-Viewer可以生成一個火焰圖。其中name字段包含了類、方法和參數的資訊，cat字段可以加入其它性能資料，ph為B表示方法開始，為E表示方法結束，ts字段表示。
很多工程在啟動階段會執行大量方法，很多方法耗時很少，可以過濾那些小于10毫秒的方法，讓分析更加聚焦。
耗時的高低也做了顔色的區分。外部耗時指的是子方法以外系統或沒源碼的三方方法的耗時，規則是父方法調用的耗時減去其子方法總耗時。
目前為止通過過濾耗時少的方法調用，可以更容易發現問題方法。但是，有些方法單次執行耗時不多，但是會執行很多次，累加耗時會大，這樣的情況也需要展現在展示頁面裡。另外外部耗時高時或者碰到自己不了解的方法時，是需要到工程源碼裡去搜尋對應的方法源碼進行分析的，有的方法名很通用時還需要花大量時間去過濾無用資訊。
是以接下來還需要做兩件事情，首先累加方法調用次數和耗時，展現在展示頁面中，另一個是從工程中擷取方法源碼能夠在展示頁面中進行點選顯示。
完整思路如下圖：
- 展示方法源碼
在頁面上展示源碼需要先解析.xcworkspace檔案，通過.xcworkspace檔案取到工程裡所有的.xcodeproj檔案。分析.xcodeproj檔案取到所有.m和.mm源碼檔案路徑，解析源碼，取到方法的源碼内容進行展示。
解析.xcworkspace
開.xcworkspace，可以看到這個包内主要檔案是contents.xcworkspacedata。内容是一個xml：
<?xml version="1.0" encoding="UTF-8"?>
<Workspace
version = "1.0">
<FileRef
location = "group:GCDFetchFeed.xcodeproj">
</FileRef>
<FileRef
location = "group:Pods/Pods.xcodeproj">
</FileRef>
</Workspace> 解析.xcodeproj
通過XML的解析可以擷取FileRef節點内容，xcodeproj的檔案路徑就在FileRef節點的location屬性裡。每個xcodeproj檔案裡會有project工程的源碼檔案。為了能夠擷取方法的源碼進行展示，那麼就先要取出所有project工程裡包含的源檔案的路徑。
xcodeproj的檔案内容看起來大概是下面的樣子。
![daiming10.png]
(
https://ucc.alicdn.com/pic/developer-ecology/42f8c632d18c4e3088e2e9a6b483c82b.png)其實内容還有很多，需要一個個解析出來。
考慮到xcodeproj裡的注釋很多，也都很有用，是以會多設計些結構來儲存值和注釋。思路是根據XcodeprojNode的類型來判斷下一級是key value結構還是array結構。如果XcodeprojNode的類型是dicStart表示下級是key value結構。如果類型是arrStart就是array結構。當碰到類型是dicEnd，同時和最初dicStart是同級時，遞歸下一級樹結構。而arrEnd不用遞歸，xcodeproj裡的array隻有值類型的資料。
有了基本節點樹結構以後就可以設計xcodeproj裡各個section的結構。主要有以下的section：
- PBXBuildFile：檔案，最終會關聯到PBXFileReference。
- PBXContainerItemProxy：部署的元素。
- PBXFileReference：各類檔案，有源碼、資源、庫等檔案。
- PBXFrameworksBuildPhase：用于framework的建構。
- PBXGroup：檔案夾，可嵌套，裡面包含了檔案與檔案夾的關系。
- PBXNativeTarget：Target的設定。
- PBXProject：Project的設定，有編譯工程所需資訊。
- PBXResourcesBuildPhase：編譯資源檔案，有xib、storyboard、plist以及圖檔等資源檔案。
- PBXSourcesBuildPhase：編譯源檔案（.m）。
- PBXTargetDependency：Taget的依賴。
- PBXVariantGroup：.storyboard檔案。
- XCBuildConfiguration：Xcode編譯配置，對應Xcode的Build Setting面闆内容。
- XCConfigurationList：建構配置相關，包含項目檔案和target檔案。
得到section結構Xcodeproj後，就可以開始分析所有源檔案的路徑了。根據前面列出的section的說明，PBXGroup包含了所有檔案夾和檔案的關系，Xcodeproj的pbxGroup字段的key是檔案夾，值是檔案集合，是以可以設計一個結構體XcodeprojSourceNode用來存儲檔案夾和檔案關系。
接下來需要取得完整的檔案路徑。通過recusiveFatherPaths函數擷取檔案夾路徑。這裡需要注意的是需要處理 ../ 這種檔案夾路徑符。
解析.m .mm檔案
對Objective-C解析可以參考LLVM，這裡隻需要找到每個方法對應的源碼，是以自己也可以實作。分詞前先看看LLVM是怎麼定義token的。定義檔案在這裡：
https://opensource.apple.com/source/lldb/lldb-69/llvm/tools/clang/include/clang/Basic/TokenKinds.def根據這個定義我設計了token的結構體，主體部分如下：
// 切割符号 [](){}.&=*+-<>~!/%^|?:;,#@
public enum OCTK {
case unknown // 不是 token
case eof // 檔案結束
case eod // 行結束
case codeCompletion // Code completion marker
case cxxDefaultargEnd // C++ default argument end marker
case comment // 注釋
case identifier // 比如 abcde123
case numericConstant(OCTkNumericConstant) // 整型、浮點 0x123，解釋計算時用，分析代碼時可不用
case charConstant // ‘a’
case stringLiteral // “foo”
case wideStringLiteral // L”foo”
case angleStringLiteral // <foo> 待處理需要考慮作為小于符号的問題
// 标準定義部分
// 标點符号
case punctuators(OCTkPunctuators)
// 關鍵字
case keyword(OCTKKeyword)
// @關鍵字
case atKeyword(OCTKAtKeyword)
} 完整的定義在這裡：
MethodTraceAnalyze/ParseOCTokensDefine.swift
https://github.com/ming1016/MethodTraceAnalyze/blob/master/MethodTraceAnalyze/OC/ParseOCTokensDefine.swift分詞過程可以參看LLVM的實作：
clang: lib/Lex/Lexer.cpp Source File
http://clang.llvm.org/doxygen/Lexer_8cpp_source.html我在處理分詞時主要是按照分隔符一一對應處理，針對代碼注釋和字元串進行了特殊處理，一個注釋一個token，一個完整字元串一個token。我分詞實作代碼：
MethodTraceAnalyze/ParseOCTokens.swift
https://github.com/ming1016/MethodTraceAnalyze/blob/master/MethodTraceAnalyze/OC/ParseOCTokens.swift由于隻要取到類名和方法裡的源碼，是以文法分析時，隻需要對類定義和方法定義做解析就可以，文法樹中節點設計：
// OC 文法樹節點
public struct OCNode {
public var type: OCNodeType
public var subNodes: [OCNode]
public var identifier: String // 辨別
public var lineRange: (Int,Int) // 行範圍
public var source: String // 對應代碼
}
// 節點類型
public enum OCNodeType {
case `default`
case root
case `import`
case `class`
case method
} 其中lineRange記錄了方法所在檔案的行範圍，這樣就能夠從檔案中取出代碼，并記錄在source字段中。
解析文法樹需要先定義好解析過程的不同狀态：
private enum RState {
case normal
case eod // 換行
case methodStart // 方法開始
case methodReturnEnd // 方法傳回類型結束
case methodNameEnd // 方法名結束
case methodParamStart // 方法參數開始
case methodContentStart // 方法内容開始
case methodParamTypeStart // 方法參數類型開始
case methodParamTypeEnd // 方法參數類型結束
case methodParamEnd // 方法參數結束
case methodParamNameEnd // 方法參數名結束
case at // @
case atImplementation // @implementation
case normalBlock // oc方法外部的 block {}，用于 c 方法
} 完整解析出方法所屬類、方法行範圍的代碼在這裡：
MethodTraceAnalyze/ParseOCNodes.swift解析.m和.mm檔案，一個一個串行解的話，對于大工程，每次解的速度很難接受，是以采用并行方式去讀取解析多個檔案。經過測試，發現每組在60個以上時能夠最大利用我機器（2.5 GHz雙核Intel Core i7）的CPU，記憶體占用隻有60M，一萬多.m檔案的工程大概2分半能解完。
使用的是dispatch group的wait，保證并行的一組完成再進入下一組。
現在有了每個方法對應的源碼，接下來就可以和前面trace的方法對應上。頁面展示隻需要寫段js就能夠控制點選時展示對應方法的源碼。
頁面展示
在進行HTML頁面展示前，需要将代碼裡的換行和空格替換成HTML裡的對應的和 。
let allNodes = ParseOC.ocNodes(workspacePath: “/Users/ming/Downloads/GCDFetchFeed/GCDFetchFeed/GCDFetchFeed.xcworkspace”)
var sourceDic = [String:String]()
for aNode in allNodes {
sourceDic[aNode.identifier] = aNode.source.replacingOccurrences(of: “\n”, with: “</br>”).replacingOccurrences(of: “ “, with: “ ”)
} 用p标簽作為源碼展示的标簽，方法執行順序的編号加方法名作為p标簽的id，然後用display: none; 将p标簽隐藏。方法名用a标簽，click屬性執行一段js代碼，當a标簽點選時能夠顯示方法對應的代碼。這段js代碼如下：
function sourceShowHidden(sourceIdName) {
var sourceCode = document.getElementById(sourceIdName);
sourceCode.style.display = “block”;
} 最終效果如下圖：
将動态分析和靜态分析進行了結合，後面可以通過不同版本進行對比，發現哪些方法的代碼實作改變了，能展示在頁面上。還可以進一步靜态分析出哪些方法會調用到I/O函數、起新線程、新隊列等，然後展示到頁面上，友善分析。
讀到最後，可以看到這個方法分析工具并沒有用任何一個輪子，其實有些是可以使用現有輪子的，比如json、xml、xcodeproj、Objective-C文法分析等，之是以沒有用是因為不同輪子使用的語言和技術差別較大，當格式更新時如果使用的單個輪子沒有更新會影響整個工具。開發這個工具主要工作是在解析上，是以使用自有解析技術也能夠讓所做的功能更聚焦，不做沒用的功能，減少代碼維護量，所要解析格式更新後，也能夠自主去更新解析方式。更重要的一點是可以親手接觸下這些格式的文法設計。
結語
本文小結了啟動優化的技術手段，總的來說，對啟動進行優化的決心的重要程度是遠大于技術手段的，決定着是否能夠優化的更多。技術手段有很多，我覺得手段的好壞差別隻是在效率上，最差的情況全用手動一個個去查耗時也是能夠解題的。