解读

1. 业务场景：国内 App 普遍采用“连续定位+后台保活”策略，10 min 耗电 20% 已触发各大应用商店（华为、小米、OPPO）的“高耗电提醒”阈值，可能被强制下架或限流。
2. 性能指标：电量消耗属于“资源利用率”维度，需量化定位功耗（mAh/min）并拆解到芯片、系统、应用三层。
3. 面试考点：
   • 能否把“20%→5%”拆成可验证的子目标（降低 75% 功耗）；
   • 能否给出“测试-定位-优化-回归”闭环，而非罗列参数；
   • 是否熟悉国内 ROM 的权限管控与厂商接口，避免“实验室有效、线上失效”。

知识点

1. 功耗拆解公式
   总电量 = GPS 芯片功耗 × 定位时长 + CPU 唤醒功耗 × 唤醒次数 + 网络发包功耗 × 数据字节 + 其他传感器功耗
   其中 GPS 芯片功耗 ≈ 捕获阶段（冷启 120 mW、热启 60 mW）+ 跟踪阶段（30 mW）；CPU 唤醒一次 200 ms≈50 mJ；4G 发包 1 KB≈60 mJ。
2. 安卓电源统计机制
   BatteryStatsService 通过 UID 级 GPS sensor 时间戳与 PowerProfile.xml 中 gps.on 系数（mAh/s）计算功耗，线下可用 adb shell dumpsys batterystats --reset + battery-historian 量化。
3. 国内厂商后台管控
   • 华为 PowerGenie、小米 MACE、OPPO Doze 深度定制，后台定位 5 min 无前台服务即冻结；
   • 需申请 android.permission.ACCESS_BACKGROUND_LOCATION 并加入厂商白名单，否则采集周期被强制降至 0.1 Hz。
4. 定位模式与芯片指令
   • Android 9+ 支持 GNSS Raw Measurement，可关闭不必要的 BeiDou 频段（B1C）降低 15% 电流；
   • 高通骁龙 8+ 芯片支持“Duty-Cycle Tracking”：跟踪阶段每 1 s 只打开 200 ms，功耗下降 50%，精度 RMS 增加 2 m，满足外卖/打车场景。
5. 融合定位与缓存策略
   • 基站+Wi-Fi+IMU 的 Fused Location Provider 在 CBD 场景可替代 GPS 90% 时间；
   • 10 min 轨迹可压缩为 3 个关键帧（起点、拐点、终点），中间用线性插值+IMU 推算，网络发包从 60 次降到 3 次，功耗下降 70%。

答案

【测试阶段】

1. 建立基线：同一台国行小米 13（MIUI14，Android 13），关闭自适应电池，屏幕亮度 0，飞行模式仅开 GPS，使用 Monsoon 高精度电源仪采样，10 min 纯 GPS 持续定位平均电流 168 mA，电池 4000 mAh，耗电 ≈ 168×10/60/4000 = 7%，与系统统计 20% 偏差源于 CPU 唤醒与网络上报。
2. 拆解热点：Battery Historian 显示 GPS 芯片占 42%，CPU 唤醒 38%，4G 小包 20%。

【优化方案】

1. 芯片层
   • 采用“Duty-Cycle Tracking”策略：跟踪阶段 1 Hz 降频到 0.2 Hz，占空比 20%，芯片功耗从 30 mW 降到 6 mW；
   • 关闭 BeiDou B1C 频段，保留 GPS L1+L5，电流再降 3 mA。
2. 系统层
   • 申请 FOREGROUND_SERVICE_TYPE_LOCATION 前台服务，使用 LocationManager.registerGnssStatusCallback 监听，确保厂商电源白名单；
   • 批量上报：用 JobScheduler.setMinimumLatency(300000) 把 10 min 内所有定位点一次性压缩上传，减少 4G 唤醒 17 次。
3. 应用层
   • 动态精度降级：速度<5 km/h 且 HDOP>10 时，主动切换为“低功耗模式”，精度 100 m 以内业务可接受；
   • 缓存+推算：10 min 轨迹用 Kalman 滤波+IMU 积分，实际调用 GPS 仅 2 min，剩余 8 min 用融合定位，CPU 唤醒次数从 600 降到 120。

【验证结果】
Monsoon 复测：平均电流 42 mA，10 min 耗电 42×10/60/4000 ≈ 1.75%，系统电量统计 4.8%，满足“5% 以内”目标，且通过华为 PowerGenie 后台 30 min 强杀测试，定位服务未被冻结。

拓展思考

1. 如果业务要求 1 s 实时上报（如网约车合规），无法在应用层做批量，需下沉到 HAL 层把 NMEA 数据通过 QMI 口直接写入 modem RAM，由基带批量封装 TCP 包，绕过 AP 侧唤醒，可将 CPU 功耗再降 25%。
2. 对于 iOS 端，Core Location 的 allowsBackgroundLocationUpdates 受系统 “Location-Push” 限制，10 min 最多 3 次回调，优化重点转向“降低定位精度”与“减少回调处理耗时”，否则系统会在 15 min 后强制挂起。
3. 性能测试需建立“功耗 SLA”与“业务 SLA”映射表：例如外卖骑手场景，用户可接受 50 m 误差，测试用例就应把精度阈值写进脚本，用自动化遍历 100 条真实路线，确保优化后 95th 误差<50 m，避免“省电但不可用”。