Android Perfetto 系列 12：Trace 数据流与丢失排查
内容提要
本文介绍 Perfetto Trace 数据丢失的排查方法。数据流经内核 ftrace、producer 共享内存、central buffer 到写文件，任一环节处理不及时都会导致丢数据，且 flush 不等于落盘。建议分析前先查看 stats，定位丢失环节并判断指标可信度。ftrace 丢失会降低调度与唤醒结论的可信度；central buffer 覆盖或丢弃会挤掉低频关键数据。优化措施包括减少事件、增大或拆分 buffer、周期性写文件，并在报告中标注证据可信度与限制。
延伸解读
为什么 Trace 有数据不等于证据完整
Perfetto 的写入路径是异步的：producer 先写共享内存，再提交到 central buffer，最后落盘。任一环节处理不及时都会丢数据，而 flush 只保证数据提交到 tracing service，并不等于写入文件。因此，打开 Trace 后应先查 stats，定位丢失发生在 ftrace、central buffer 还是解析阶段，再判断哪些指标可信。忽略这一步，后续 SQL 分析可能只是把缺失证据包装成表格。
ftrace 丢失对调度类结论的影响
当 stats 出现 ftrace_cpu_has_data_loss，说明内核 per-CPU buffer 到用户态读取之间发生了丢失。这会影响 CPU 调度、Runnable 时间、唤醒关系和 Binder 内核事件等判断。已观察到的 sched 行可作为残留线索，但负向结论必须降级：不能写“没有 Runnable 等待”“没有 wakeup 延迟”。要讨论 CPU busy，还需在同一窗口检查 sched、thread_state、CPU idle 等覆盖情况。
central buffer 覆盖与低频数据被挤掉
central buffer 的 RING_BUFFER 策略会覆盖旧数据，DISCARD 则丢弃新数据。当高频 sched 事件与低频的 process stats、log、FrameTimeline、App Track Event 混放在同一 buffer 时，低频关键数据可能被挤掉，导致线程名、进程名、内存采样或帧指标缺失。建议按 buffer idx 查看 traced_buf_chunks_overwritten 等统计，并将高频与低频数据源分到不同 target_buffer，以隔离竞争。
报告里如何标注 Trace 可信度
有数据丢失的 Trace 不一定完全作废，但报告必须写明边界。建议固定字段记录 trace_quality_status、affected_sources、affected_metrics、usable_metrics、unusable_metrics、evidence_grade、recapture_required 等。例如 ftrace 丢失时，调度归因降级，但 FrameTimeline 若覆盖完整且无 parser 异常仍可使用。每个关键结论都应附上证据来源、可信度和限制条件，避免把“没有看到”写成“没有
Q&A
Perfetto Trace 数据丢失可能发生在哪些环节？
数据丢失可能发生在四个环节：内核 ftrace per-CPU buffer、producer 共享内存、central buffer（Ring 覆盖或 Discard 丢弃）、输出文件与解析阶段。此外，增量状态（如 track descriptor、interned strings）丢失也会导致事件只剩 ID 或无法解析。
如何用 stats 检查 Perfetto Trace 的数据质量？
使用 Trace Processor 查询 stats 表，筛选非零且 severity 为 error 或 data_loss 的项，以及关键 info 项如 traced_buf_chunks_overwritten、ftrace_setup_errors、frame_timeline_event_parser_errors 等。根据统计项名称和 source 判断丢失环节，并评估对结论的影响。
ftrace 数据丢失会影响哪些分析结论？
ftrace 丢失会影响 CPU 调度、Runnable 时间、唤醒关系、Binder 内核事件等判断。已观察到的 sched 行可作为残留线索，但负向结论要全部降级，不能写“没有 Runnable 等待”“没有 wakeup 延迟”“没有调度阻塞”。
central buffer 的 Ring 覆盖和 Discard 丢弃有什么区别？
Ring 覆盖（traced_buf_chunks_overwritten）是写满后覆盖旧数据，Discard（traced_buf_chunks_discarded）是写满后丢弃新数据。两者都会导致数据丢失，但影响不同：覆盖会挤掉低频关键数据，丢弃会丢失后续事件。
如何优化 Perfetto 抓取配置以减少数据丢失？
优化措施包括：减少不必要的事件、增大或拆分 buffer（如高频和低频数据分开）、设置周期写文件（write_into_file 和 file_write_period_ms）、调整 flush_period_ms、使用 incremental_state_config 的 clear_period_ms 定期重发描述信息。对于 ftrace，可增大 buffer_size_kb 和减小 drain_period_ms。
在分析报告中如何标注 Trace 的可信度？
报告应包含结构化字段如 trace_quality_status、affected_sources、affected_metrics、usable_metrics、unusable_metrics、evidence_grade、fallback_used、recapture_required 等，并附自然语言说明，明确哪些结论可信、哪些只能参考、下一次如何补采。每个关键结论都应附上证据来源、可信度和限制条件。
