Prezentacija o optimiziranju performansi mobilnih aplikacija.

1. Optimiziranje mobilnih aplikacija
Iskustva iz aplikacije Photomath
Jurica Cerovec, 13. 04. 2016

2. Instant rezultat za skenirani
matematički zadatak

3. Ne zbog
Photomatha!
Razvijali smo business naše
tvrtke MicroBlink.
Htjeli smo unaprijediti naše
tadašnje proizvode.
Prvi naš proizvod - PhotoPay
Computer vision tehnologija
za mobilne uređaje

4. Optimiziranje
mobilnih aplikacija
- Optimiziranje korisničkog
sučelja
- Optimiziranje mrežnih zahtjeva
- App store optimizacije
- Optimiziranje performansi
client-side algoritama

6. Cilj:
Poboljšati korisničko
iskustvo i omogućiti
funkcionalnosti koje bez
optimizacija nisu moguće.

7. Rules of Optimization
- 2nd rule (for experts only!):
Don't do it yet.
- 1st rule: Don't do it.
Jon Bentley: Programming
Pearls (2nd Edition)

8. Osim ako vam kompletan
proizvod ne ovisi o
optimizacijama!

9. Načini optimizacija
1. Odabir odgovarajuće tehnologije
2. Optimiranje složenosti algoritama
3. Pipelining obrade podataka
4. Assemblerske optimizacije

10. 1. Odabir odgovarajuće tehnologije
- HTML5, Javascript (Phonegap)
- C# (Xamarin)
- Java, Objective-C
- Swift, Kotlin
- C++, C
- Assembly

11. Photomath iOS
(Objective C)
Photomath Android
(Java)
Core components (C++)
OCR, image processing, math solver
O
bjective
C++
Java
N
ative
Interface
(JN
I)

12. 2. Složenosti algoritma
- Potrebno je znati koji algoritmi i
strukture podataka su optimalni za vaše
podatke
- Krivi odabir može rezultirati trzanjem i
lošim korisničkim iskustvom
- Nitko ne želi koristiti aplikaciju koja
ne radi glatko!

13. Složenost algoritama
Rezolucija 945x272
257.040 pixela
- Potrebno predobraditi sliku (image processing)
- Segmentirati individualne znakove (image
processing)
- Prepoznati o kojim znakovima se radi (machine
learning klasifikacija)
- Spojiti znakove u matematički izraz (heuristika)
- Riješiti matematički izraz i dobiti step-by-step
rješenje (eksperni sustav)
- Izrenderirati matematički izraz i rješenje u sučelju
(LaTeX like rendering engine)
Sve to barem 3 puta u sekundi.

14. 3. Pipelining obrade
- Ako je potrebno obrađivati veću količinu podataka,
pipeline obrade je iznimno bitan
- Dobar pipeline omogućuje obradu veće količine
podataka
- Pipeliningom je moguće dobro iskoristiti nove
višejezgrene procesore

15. Camera Queue
Frame Analysis Queue
Processing Queue
Main (Result) Queue

16. 4. Assemblerske operacije
- Za najkritičnije dijelove source koda,
one koji predstavljaju bottleneck u
obradi
- dodatno optimiranje implementacijom
u assembly jeziku
- komplicirano, ali potencijalno jako veliki
benefiti!

19. Assemblerske operacije
- Današnji compileri rade vrlo dobar posao u
optimizaciji strojnog koda
- Assembly optimizacije potrebno je provoditi samo
na zaista kritičnim mjestima
- Dodatni performance boost (do 4x!) može se dobiti
korištenjem SIMD jedinice!

20. Bez mjerenja performansi
optimizacija može biti potpuno
krivo ulaganje vremena

21. Mjerenje performansi
- Prije optimizacija, obavezno je mjerenje
- Subjektivno mjerenje - najvažnije!
- Profiliranje
- Timeri i specijalizirani alati (Traceview, Instruments)

23. Zaključak
- Optimiziranje uvelike ovisi o
odabiru tehnologije s kojom radite
- Prije postupka optimiranja, bitno je
obaviti mjerenja
- Optimiziranje može biti ključan
korak u uspjehu vaše aplikacije

24. Photomath, Inc.
MicroBlink, Ltd.
jurica.cerovec@microblink.com
photomath.net/jobs
microblink.com/jobs