1. 核心需求复述

你在鸿蒙 6 下对含 Scene3D 的文博类应用做性能测试时，面临两大核心问题：一是 DevEco Studio 性能工具采集不到 3D 模型加载阶段的帧率数据，无法定位 < 50fps 的卡顿点；二是多次切换 3D 展馆后内存从 300MB 飙升至 450MB，但无法区分是模型资源未释放还是 AR 引擎未销毁导致的泄漏，需要搭建完整的性能测试流程，精准定位问题并输出符合上架审核要求的报告。

2. 完整解决方案（可落地）

一、工具准备（核心依赖）

二、步骤 1：解决 3D 模型加载阶段帧率数据缺失问题

核心思路：工具默认采样可能跳过模型加载的短时高耗时阶段，通过「自定义帧率埋点 + 工具精准采样」双维度采集。

1. 代码层添加帧率埋点（补充工具数据）

import { UIContext } from '@ohos.arkui';

@Entry
@Component
struct Museum3DPage {
  private frameCount: number = 0;
  private startTime: number = 0;
  private uiContext: UIContext = getContext(this) as UIContext;

  // 启动帧率采集（模型加载前调用）
  startFrameCollect() {
    this.startTime = Date.now();
    this.frameCount = 0;
    // 监听UI刷新帧回调（精准捕获每帧渲染）
    this.uiContext.on('frameCallback', () => {
      this.frameCount++;
      const duration = (Date.now() - this.startTime) / 1000;
      const fps = this.frameCount / duration;
      // 输出帧率日志（可被DevEco Logcat捕获）
      console.log(`3D帧率：${fps.toFixed(1)}fps，阶段：模型加载`);
      // 帧率<50时标记卡顿点
      if (fps < 50) {
        console.error(`卡顿：帧率${fps.toFixed(1)}fps，当前加载模型：${this.currentModelName}`);
      }
    });
  }

  // 加载3D模型（埋点包裹核心逻辑）
  async load3DModel(modelName: string) {
    this.currentModelName = modelName;
    this.startFrameCollect(); // 加载前启动采集
    try {
      await this.scene3D.loadModel(modelName); // 加载模型
    } finally {
      this.uiContext.off('frameCallback'); // 加载完成停止采集
    }
  }
}

2. DevEco Performance Profiler 精准采样配置

1. 打开 DevEco Studio → 连接测试设备 → 点击「Profiler」→ 选择「Performance」；
2. 采样配置：
   • 勾选「Frame Rate」「GPU Usage」「CPU Usage」；
   • 采样频率设为「10ms / 次」（默认 20ms，缩短采样间隔覆盖加载阶段）；
   • 触发条件：选择「Manual」，点击「Start」后手动操作触发模型加载，确保采样覆盖全加载流程；
3. 采集完成后，在「Frame Rate」面板筛选「模型加载时间段」，结合日志中的卡顿标记定位帧率 < 50 的具体环节（如模型解析、材质加载）。

三、步骤 2：精准定位 3D/AR 内存泄漏问题

核心思路：通过「内存快照对比 + 资源释放校验 + HiTrace 链路追踪」定位泄漏根因。

1. 内存快照对比（区分泄漏类型）

1. 打开 DevEco Memory Profiler → 连接设备 → 点击「Capture Snapshot」：
   • 快照 1：应用启动后未加载任何 3D 模型（基准内存，约 300MB）；
   • 快照 2：加载并切换 3 次 3D 展馆后（异常内存，约 450MB）；
2. 对比两份快照：
   • 若「Scene3D.Model」对象数量未归零 → 模型资源未释放；
   • 若「AREngine.Instance」对象数量增加 → AR 引擎未销毁；
   • 查看「Retained Size」列，数值最大的未释放对象即为泄漏核心。

2. 资源释放逻辑校验（修复泄漏）

// 错误示例：未释放模型/AR引擎
async switchExhibitionHall() {
  this.scene3D.loadModel(newModel); // 直接加载新模型，旧模型未释放
}

// 修复后：切换场景时强制释放资源
async switchExhibitionHall() {
  // 1. 释放当前3D模型
  if (this.currentModel) {
    this.currentModel.destroy(); // 销毁模型实例
    this.currentModel = null;
  }
  // 2. 重置AR引擎（非使用中时销毁）
  if (this.arEngine && !this.arEngine.isRunning) {
    this.arEngine.stop();
    this.arEngine.destroy();
    this.arEngine = null;
  }
  // 3. 手动触发GC（加速内存回收）
  await gc(); // 鸿蒙6支持手动触发垃圾回收
  // 4. 加载新模型
  await this.scene3D.loadModel(newModel);
}

3. HiTrace 追踪资源链路（定位未释放原因）

1. 打开鸿蒙开发者工具 → 启动 HiTrace → 配置追踪项：「Scene3D」「AR Engine」「Memory」；
2. 操作步骤：启动应用 → 切换 3 次展馆 → 停止追踪；
3. 分析链路：查看「Resource Release」节点，若某模型 / AR 引擎的「destroy」调用后仍有引用（如事件监听未解绑），即为泄漏根因。

四、步骤 3：输出符合上架审核的性能测试报告

报告模板（核心模块）：

鸿蒙6文博类应用性能测试报告

1. 测试环境

• 设备：Mate 60（鸿蒙6.0.0.120）、Lite Wearable 46mm（鸿蒙6.0 Lite）
• 工具：DevEco Studio 6.0、HiTrace 6.0
• 测试场景：3D展馆切换（5次）、AR文物试戴（持续5分钟）

2. 性能指标要求（上架标准）

• 帧率：手机端≥50fps，穿戴端≥40fps
• 内存：峰值≤400MB，无泄漏（切换场景后内存回落至基准值±10MB）

3. 测试结果与问题定位

3.1 帧率问题

• 异常点：青铜鼎模型加载阶段帧率低至42fps（卡顿）
• 根因：模型材质解析占用GPU 85%（正常≤70%），未做LOD分级
• 优化措施：模型材质压缩（ETC2格式）、开启LOD（距离>5m加载低模）

3.2 内存问题

• 异常点：切换3次展馆后内存升至450MB，回落至420MB（泄漏30MB）
• 根因：AR引擎实例未销毁（切换场景后仍保留2个实例）
• 优化措施：切换场景时销毁AR引擎，手动触发GC

4. 优化后数据

• 帧率：模型加载阶段58fps（达标）
• 内存：峰值390MB，切换后回落至305MB（无泄漏）

5. 附件

• 帧率采样截图、内存快照对比图、HiTrace链路追踪日志

# 3. 总结

1.  帧率问题：通过「自定义埋点 + 工具高频采样」覆盖模型加载阶段，精准定位卡顿环节；
2.  内存问题：「快照对比」区分泄漏类型，「HiTrace」定位未释放原因，「资源释放校验」修复泄漏；
3.  报告输出：按上架审核要求，明确测试环境、指标要求、问题定位、优化措施及验证数据，附工具截图 / 日志作为佐证。