启动流程
iOS App 的启动我们都知道分为pre-main 和 main() 两个阶段，并且在这两个阶段中，系统会进⾏⼀系列的加载操作，过程如下：
1、 pre-main阶段
1、加载应⽤的可执⾏⽂件
2、加载dyld动态连接器
3、dyld递归加载应⽤所有依赖的动态链接库dylib
2、 main()阶段
1、dyld调⽤ main()
2、调⽤ UIApplicationMain()
3、调⽤ applicationWillFinishLaunching
4、调⽤ didFinishLaunchingWithOptions
阶段优化项
1、 pre-main阶段
针对 pre-main 阶段做优化时，我们需要先详细了解其加载过程，这个可以在2016年WWDC 的Optimizing App Startup Time 中详细了解到相关材料
1.1 Load dylibs
这⼀阶段dyld会分析应⽤依赖的 dylib （xcode7以后.dylib已改为名.tbd），找到其 mach-o ⽂件，打开和读取这些⽂件并验证其有效性，接着会找到代码签名注册到内核，最后对 dylib 的每⼀个segment 调⽤ mmap() 。不过这⾥的 dylib ⼤部分都是系统库，不需要我们去做额外的优化。
优化结论：
1、尽量不使⽤内嵌的dylib，从⽽避免增加 Load dylibs开销
2、合并已有的dylib和使⽤静态库（static archives），减少dylib的使⽤个数
3、懒加载dylib，但是要注意dlopen()可能造成⼀些问题，且实际上懒加载做的⼯作会更多
1.2 Rebase/Bind
在dylib的加载过程中，系统为了安全考虑，引⼊了ASLR （Address Space Layout Randomization）技术和代码签名。由于ASLR的存在，镜像（Image，包括可执⾏⽂件、dylib和bundle）会在随机的地址上加载，和之前指针指向的地址（preferred_address）会有⼀个偏差（slide）， dyld需要修正这个偏差，来指向正确的地址。Rebase在前，Bind在后，Rebase做的是将镜像读⼊内存，修正镜像内部的指针，性能消耗主要在IO。 Bind做的是查询符号表，设置指向镜像外部的指针，性能消耗主要在CPU计算。
在此过程中，我们需要注意的是尽量减少指针数量，⽐如：
1、减少ObjC类（class）、⽅法（selector）、分类（category）的数量
2、减少C++虚函数的的数量（创建虚函数表有开销）
3、使⽤ Swift struct （内部做了优化，符号数量更少）
1.3 Objc setup
⼤部分ObjC初始化⼯作已经在Rebase/Bind阶段做完了，这⼀步dyld会注册所有声明过的ObjC类，将分类插 ⼊到类的⽅法列表⾥，再检查每个selector的唯⼀性。
在这⼀步倒没什么优化可做的， Rebase/Bind阶段优化好了，这⼀步的耗时也会减少。
1.4 Initializers
在这⼀阶段，dyld开始运⾏程序的初始化函数，调⽤每个Objc类和分类的+load⽅法，调⽤C/C++ 中的构造器 函数（⽤attribute((constructor))修饰的函数），和创建⾮基本类型的C++静态全局变量。Initializers阶段执⾏ 完后，dyld开始调⽤main()函数。
优化结论：
1、少在类的+load⽅法⾥做事情，尽量把这些事情推迟到+initiailize
2、减少构造器函数个数，在构造器函数⾥少做些事情
3、减少构造器函数个数，在构造器函数⾥少做些事情
main()阶段
在这⼀阶段⾥，主要优化重点放在 SDK初始化、业务⼯具注册、整体didFinishLaunchingWithOptions ⽅法中，因为我们的⼀些第三⽅ app ⻛格配置、启动引导⻚显示状态逻辑、版本更新逻辑等等基本⽅都会在这⾥进⾏，如果这部分逻辑没有做好优化梳理，随着业务不断拓展，臃肿的业务逻辑会直接导致启动时 间加⻓。
优化结论：
在满⾜业务需求的前提下，尽量减少 didFinishLaunchingWithOptions ⽅法在主线程中的事件处理逻辑， ⽐如：
1、根据实际业务状况，梳理各个⼆⽅/三⽅库，找到可以延迟加载的库，做延迟加载处理，⽐如放到⾸⻚控制器 的viewDidAppear⽅法⾥。
2、梳理业务逻辑，把可以延迟执⾏的逻辑，做延迟执⾏处理。⽐如检查新版本、注册推送通知等逻辑
3、避免进⾏⼀些复杂/多余的计算逻辑，这类逻辑尽量进⾏异步延迟处理
4、避免在⾸⻚控制器的viewDidLoad和viewWillAppear做太多容易阻塞主线程的事情，这2个⽅法执⾏完，⾸⻚控制器才能显示
场景补充
另外，在我们实际开发过程中，很多项⽬的⾸⻚控制器都会有⼀些后台可配、较为丰富的结构或者推荐数据 进⾏展示，⽽且我们的⾸⻚展示速度通常也会被纳⼊启动优化的⼀部分，其实对于这种类型的优化，如果我 们还只是⽤传统的api -> data -> UI ⽅式进⾏的话，就很难有明显的改善空间，因为⽤户的⽹络状态 并不是可控项，如果不做其他处理的话，那在很多场景下对⽤户来说，即使我们放上⼀些占位图，展示的样 式也是很不友好的，毕竟⾸⻚控制器对⽤户的第⼀视觉冲击影响还是⽐较⼤的。
对于这种场景下的优化来说，⼀般我们可以采取 Local + Network + Update 的⽅式在⼀定程度上优化⾸⻚加载速度即：
1、 app更新过程中，⾸先进⾏本地内嵌处理逻辑，内嵌⾸⻚数据结构（ localDataBase）、内嵌⾸⻚样式所需资源（ localStorage）
2、在安装启动之后，对本地与线上数据更新记录进⾏对⽐，检测是否需要更新本地内嵌数据结构
3、检测到有需要更新的数据时，才会对指定结构进⾏静默更新，并且同步更新本地数据结构
这样做的好处是：
1、⾸⻚数据直接从本地加载，减少⽹络数据等待时间
2、仅检测数据key值变化，⼩数据量对⽐定向更新结构，减少api数据交互频次及数据包体积
3、能够保证⾸⻚对于⽤户来说会⼀直处于⼀个友好的展示状态
当然这种也并不是唯⼀的应对⽅式，⽽且也并⾮对所有场景都适⽤，只是提供⼀种思路⽽已，还是需要根据 项⽬的实际场景选择适合的优化⽅案。
统计时长
另外如果在开发过程中，我们想直观的查看 app 启动期间，各阶段的耗时情况，也可以在 的 edit scheme 设置添加 DYLD_PRINT_STATISTICS 为1 ，打印启动时⻓，例如
优化前启动时⻓：
优化前启动时⻓：
当然，这些log我们仅仅只能在开发调试阶段查看打印，那么在实际项⽬中，我们需要对线上项⽬的启动数据 进⾏监控，以便及时的定位和优化那些影响 app 启动时⻓的环节，这时我们应该怎样更好的处理呢？
当然我们可以通过服务器埋点上报的⽅式⾃⾏统计分析，不过这样⼀来会发现我们的统计成本就会⼤⼤增加，⽽且结果分析也会变得不那么灵活。所以这⾥推荐⼀种简单的监控⽅式，那就是友盟的 U-APM 应能性 能监控SDK ，只需要我们进⾏简单的pod集成之后，便可根据我们的实际需要进⾏⼿动或者⾃动监控启动数 据，详情可以参考 U-APM， 并且为了⽅便我们对数据进⾏分析，友盟后台已经根据这些数据帮我们绘制出 了对应的分布图，我们可以⼀⽬了然的得出启动耗时分布、启动类型占⽐等等，如图：
除此之外，我们还可以通过SDK进⾏崩溃分析、ANR分析、监控告警、卡顿分析、内存分析等等诸多功能， 有了 U-APM 这个监控平台，其实在实际开发过程中很⼤程度的提升了我们对线上 app 的优化分析效率。
当然本⽂的介绍也只是⽐较浅显的优化项，仅供参考以及思路引导，优化之路任重⽽道远，还需要我们不断 的去探索、发现、提⾼。不过最后还是要提醒⼀句：在实际项⽬开发过程中，不要为了优化⽽优化，要根据 项⽬情况有针对性的进⾏优化。
