IOS 功耗采集介绍

王赛宇 included in Unity

2025-05-13 4094 words 9 minutes

Contents

市面上的 ios 功耗采集工具往往通过电池瞬时放电电流 x 电压来计算 IOS 系统的瞬时功耗。那么有没有一种方法在有线连接时也能反应设备的功耗呢？这篇文章介绍 SystemLoad参数，并验证其有效性。

这里主要对比：

perfdog
pymobiledevice3：一个开源库，基于usbmux, remotexpc开发，走官方协议来获取信息；
powerlog：官方提供的工具，安装一次描述文件可以用一个周，会自动记录手机的功耗信息，同步到电脑上可以查看；

测量方法

使用pymobiledevice3采集功耗

pymobiledevice3中可以使用pymobiledevice3 diagnostics battery single命令来获取瞬时电池数据，其中有重要数据如下：

字段名	含义（个人理解，无文档，有一定猜测成分）
`SystemCurrentIn`	整机瞬时输入电流
`SystemVoltageIn`	整机瞬时输入电压
`SystemLoad`	`SOC`功耗，取决于整机正在运行中的负载
`Voltage`	电池瞬时电压
`InstantAmperage`	电池瞬时电流
`BatteryPower`	电池功耗，等于`Voltage * InstantAmperage`
`IsCharging`	是否在充电

这里测试过程中采集后进行简单处理，上报两组数据：

字段名	获取方法	含义
`PyMobileDevice3_SystemLoad`	直接上报`SystemLoad`	SOC功耗
`PyMobileDevice3_Power`	`abs(Voltage * InstantAmperage // 1000)`	手机整机功耗

这里有两条路可以走：

无线时可以直接测试；
有线时如果电源已满，实际观测时发现IsCharging会始终保持为false，设备只走充电器供电，可以去取充电器功率即可；

有线采集

首先，将手机和电脑通过usb进行连接，输入：

$ sudo pymobiledevice3 remote tunneld

然后直接

pymobiledevice3 diagnostics battery single

即可进行采集

wifi 采集

首先，将手机和电脑通过usb进行连接，输入：

$ sudo pymobiledevice3 remote tunneld --no-usb --no-usbmux --protocol=tcp

等待一小段时间后，能够看到日志：

2025-05-06 17:13:08 panicwangdeMac-mini.local pymobiledevice3.tunneld.server[77092] INFO [start-tunnel-task-wifi-192.168.0.101] Created tunnel --rsd fd19:69b1:c01::1 54329

这表示已经与wifi的设备建立了连接，可以看到里面的 --rsd fd19:69b1:c01::1 54329，在后续的命令中加进去即可：

pymobiledevice3 diagnostics battery single  --rsd fd19:69b1:c01::1 54329

使用powerlog进行采集

工具安装

进入ProfilesAndLogs页面，下载Battery Life for iOS/iPadOS项，得到描述文件BatteryLife.mobileconfig。
通过隔空投送将描述文件传给iphone。
在iphone的设置中，安装刚才隔空投送的描述文件；

工具使用

将iphone的电量充满，静置一小段时间后断开充电线，屏幕亮度调整到最低，断开蓝牙，关闭通知，开始运行测试内容；
测试内容运行结束后，等待半小时左右，使用数据线将设备连接到mac电脑上；
在finder中打开手机，进行同步，等待同步结束即可；

数据查看

数据在/Library/Logs/CrashReporter/MobileDevice/${DeviceName}目录下，可以看到：

powerlog_2025-05-06_19-39_A42B5B23.PLSQL
powerlog_2025-05-07_10-29_2B3C75F3.PLSQL
powerlog_2025-04-25_0F64B4ED.PLSQL.gz

这种的，就是我们需要查看的性能数据。这个文件是一个sqlite的db，我们使用DB Browser for SQLite就可以查看里面的内容，其中重点的表有：

表名	内容
PLBatteryAgent_EventBackward_Battery	整机的电量信息，包含电流、电压、温度等信息。（每20秒记录一条数据）
PLBatteryAgent_EventBackward_Battery_UI	剩余电量百分比。（每20秒记录一条数据）
PLIOReportAgent_EventBackward_EnergyModel	整机不同硬件上的详细功耗数据。分别记录了 CPU、GPU、DRAM 等硬件的耗电量。
PLAccountingOperator_Aggregate_RootNodeEnergy	各个 App 的详细耗电数据。记录各个 App 在各个硬件上的耗电量。（每小时更新一次数据）
PLAccountingOperator_EventNone_Nodes	各个硬件对应的 Node ID，以及各个 App 的对应的 Node ID。
PLAccountingOperator_EventNone_AllApps	手机中安装的所有 App 的信息
PLApplicationAgent_EventForward_Application	App 运行状态记录。记录各个 App 在某个时间段以什么状态运行。
PLAppTimeService_Aggregate_AppRunTime	App 的运行时长统计。（每小时更新一次数据。
PLBatteryAgent_EventForward_LightningConnectorStatus	Lighting 接口连接状态
PLBatteryAgent_EventNone_BatteryConfig	电池的配置信息。包括电池容量、循环计数、电池寿命、电池温度等信息。
PLBatteryAgent_EventNone_BatteryShutdown	电池导致的意外关机记录。
PLButtonAgent_EventPoint_Button	疑似物理按键的点击记录。
PLCameraAgent_EventForward_Camera	相机使用记录。记录了相机类型和使用相机的 App
PLConfigAgent_EventNone_Config	本机的一些配置信息和一些系统设置。
PLDisplayAgent_Aggregate_UserTouch	屏幕点击计数。每 15 分钟记录一条数据。
PLDisplayAgent_EventForward_Display	屏幕亮度信息。包括流明、尼特、亮度滑竿值等信息。
PLProcessNetworkAgent_EventPoint_Connection	网络连接记录。记录了发起网络连接的 App、地址、端口等信息。
PLXPCAgent_EventPoint_CacheDelete	清除缓存的记录。包括申请的空间大小、清除缓存的耗时、清除的缓存大小、服务名称、紧急程度等信息。

注：此表来自于《iOS 最全面的功耗分析之——Power Log》

我们这里关注的重点是：PLBatteryAgent_EventBackward_Battery 这张表，这张表中每20s新增一条数据，记录着瞬时的电压、电流等信息。

通过电压，电流可以算出整机当前的功耗。

我们

结果对比

Perfdog VS PyMobileDevice3

无线

可以看到PerfDog和PyMobileDevice3_Power这两条曲线的数值是完全相同的，略有不同的原因是PyMobileDevice3数据自助获取，以10s为周期，获取时间点可能和PerfDog数据存在差异，所以看起来略有不同；

接下来对比一下SystemLoad和PerfDog的区别：

Label	perfdog(avg)	pymobiledevice3_systemload(avg)	perfdog(avg) - pymobiledevice3_systemload(avg)	error_rate(%)
`Label1`	1653	1659	-5	-0.4%
`0,0,0`	1682	1602	80	4.7%
`0,0,5`	4463	4180	282	6.3%
`0,0,10`	4096	4212	-115	-2.9%
`0,2,0`	2235	2511	-275	-12.4%
`0,2,5`	4617	4089	527	11.4%
`0,2,10`	4435	4483	-48	-1.1%
`0,4,0`	3949	3999	-49	-1.3%
`0,4,5`	4230	4104	126	2.9%
`0,4,10`	4202	4172	30	0.7%
`10,0,0`	3666	3723	-57	-1.6%
`10,0,5`	3937	4065	-127	-3.3%
`10,0,10`	4898	4723	174	3.5%
`10,2,0`	2906	3445	-539	-18.6%
`10,2,5`	3465	3414	50	1.4%
`10,2,10`	4485	4321	164	3.6%
`10,4,0`	3667	3534	132	3.5%
`10,4,5`	3932	4112	-180	-4.6%
`10,4,10`	4117	4120	-3	-0.1%
`20,0,0`	4228	4014	214	5.0%
`20,0,5`	4606	4407	199	4.3%
`20,0,10`	4253	4321	-67	-1.6%
`20,2,0`	3964	4111	-147	-3.8%
`20,2,5`	3881	3944	-63	-1.7%
`20,2,10`	4496	4433	62	1.3%
`20,4,0`	3952	4037	-85	-2.2%
`20,4,5`	3859	4001	-141	-3.7%
`20,4,10`	4266	4171	94	2.2%
`30,0,0`	3698	3772	-74	-2.1%
`30,0,5`	4188	4079	109	2.6%
`30,0,10`	4377	4206	171	3.9%
`30,2,0`	3648	3934	-286	-7.9%
`30,2,5`	4235	4099	135	3.1%
`30,2,10`	4532	4136	395	8.7%
`30,4,0`	3798	3812	-13	-0.4%
`30,4,5`	4031	4023	8	0.1%
`30,4,10`	4272	4100	171	4.0%
`40,0,0`	3884	3881	2	0.0%
`40,0,5`	4142	4030	112	2.7%
`40,0,10`	3965	4042	-77	-2.0%
`40,2,0`	3763	3900	-137	-3.7%
`40,2,5`	4130	3986	144	3.4%
`40,2,10`	4012	4036	-24	-0.6%
`40,4,0`	3462	3940	-478	-13.9%
`40,4,5`	4250	3925	324	7.6%
`40,4,10`	4111	3979	132	3.2%

总体来看：

误差平均值为：18.413043
误差标准差为: 196.414997

有线情况下的`SystemLoad` & `BatteryPower`情况

满电运行

除此之外，我们还探索了在有线满电过程中，运行相同测试过程中的SystemLoad, BatteryPower情况，如图所示：

图：满电运行状态下 SystemLoad, BatteryPower 曲线

亏电运行（边跑边充电）

这组测试从手机电量20%开始运行，通过USB连接，同样采集测试过程中的SystemLoad, BatteryPower情况：

图：亏电充电过程中 SystemLoad, BatteryPower 曲线

数据对比

值得关注的是，由于Power的计算方法是abs(Voltage * InstantAmperage // 1000)，而这里InstantAmperage存在两种情况：

InstantAmperage < 0：表示电池正在放电；
InstantAmperage > 0：表示电池正在充电；

通过亏电运行的折线图可以看出，InstantAmperage 当SystemLoad较高时，Battery的充电功率也会随之降低。

我们重点关注的目标还是SystemLoad这个指标是否能够反映功耗情况：

图：WIFI、USB满电运行、USB亏电运行曲线对比

可以看出，无论是否亏电，SystemLoad的趋势都是和原来正确的趋势相似的，能够与测试的负载情况相对应。

但是不同的点在于，看起来有USB供电的情况下，系统整体的功耗输出情况会更加的激进，无论是否满电，整体的功耗都要略高于WIFI情况。

与WIFI PerfDog数据的详细对比

满电

Label	perfdog(avg)	usb_full_battery(avg)	diff	error rate(%)
`Label1`	1653	1894	-240	-14.6%
`0,0,0`	1682	1920	-237	-14.1%
`0,0,5`	4463	4891	-427	-9.6%
`0,0,10`	4096	4704	-608	-14.9%
`0,2,0`	2235	2424	-188	-8.5%
`0,2,5`	4617	4888	-271	-5.9%
`0,2,10`	4435	4991	-555	-12.6%
`0,4,0`	3949	4254	-305	-7.8%
`0,4,5`	4230	4429	-198	-4.7%
`0,4,10`	4202	4618	-415	-9.9%
`10,0,0`	3666	4194	-527	-14.4%
`10,0,5`	3937	4467	-530	-13.5%
`10,0,10`	4898	4874	23	0.4%
`10,2,0`	2906	3439	-533	-18.4%
`10,2,5`	3465	3825	-360	-10.4%
`10,2,10`	4485	4583	-98	-2.2%
`10,4,0`	3667	3887	-220	-6.0%
`10,4,5`	3932	4699	-767	-19.6%
`10,4,10`	4117	4563	-446	-10.9%
`20,0,0`	4228	4471	-242	-5.8%
`20,0,5`	4606	4759	-152	-3.3%
`20,0,10`	4253	4702	-449	-10.6%
`20,2,0`	3964	4508	-543	-13.7%
`20,2,5`	3881	4338	-456	-11.8%
`20,2,10`	4496	4922	-425	-9.5%
`20,4,0`	3952	4437	-485	-12.3%
`20,4,5`	3859	4770	-910	-23.6%
`20,4,10`	4266	4602	-336	-7.9%
`30,0,0`	3698	4068	-369	-10.0%
`30,0,5`	4188	4494	-305	-7.3%
`30,0,10`	4377	4669	-291	-6.7%
`30,2,0`	3648	4435	-786	-21.6%
`30,2,5`	4235	4723	-488	-11.6%
`30,2,10`	4532	4517	15	0.3%
`30,4,0`	3798	4383	-584	-15.4%
`30,4,5`	4031	4382	-350	-8.7%
`30,4,10`	4272	4447	-175	-4.1%
`40,0,0`	3884	4290	-406	-10.5%
`40,0,5`	4142	4609	-466	-11.3%
`40,0,10`	3965	4527	-561	-14.2%
`40,2,0`	3763	4275	-512	-13.7%
`40,2,5`	4130	4293	-163	-4.0%
`40,2,10`	4012	4553	-541	-13.5%
`40,4,0`	3462	4214	-751	-21.7%
`40,4,5`	4250	4281	-31	-0.8%
`40,4,10`	4111	4349	-237	-5.8%

亏电

Label	perfdog(avg)	usb_low_battery(avg)	diff	error rate(%)
`Label1`	1653	None	None	None
`0,0,0`	1682	2212	-529	-31.5%
`0,0,5`	4463	4904	-441	-9.9%
`0,0,10`	4096	5094	-997	-24.4%
`0,2,0`	2235	3328	-1092	-48.9%
`0,2,5`	4617	4863	-246	-5.4%
`0,2,10`	4435	5394	-959	-21.7%
`0,4,0`	3949	4890	-940	-23.8%
`0,4,5`	4230	4911	-680	-16.1%
`0,4,10`	4202	4935	-732	-17.5%
`10,0,0`	3666	4475	-808	-22.1%
`10,0,5`	3937	4819	-882	-22.5%
`10,0,10`	4898	5616	-718	-14.7%
`10,2,0`	2906	3959	-1053	-36.3%
`10,2,5`	3465	4156	-691	-20.0%
`10,2,10`	4485	5102	-617	-13.8%
`10,4,0`	3667	4657	-990	-27.0%
`10,4,5`	3932	4608	-676	-17.2%
`10,4,10`	4117	4898	-780	-19.0%
`20,0,0`	4228	4697	-468	-11.1%
`20,0,5`	4606	4958	-351	-7.7%
`20,0,10`	4253	5116	-862	-20.3%
`20,2,0`	3964	4719	-755	-19.1%
`20,2,5`	3881	4725	-843	-21.8%
`20,2,10`	4496	5236	-740	-16.5%
`20,4,0`	3952	4670	-718	-18.2%
`20,4,5`	3859	4704	-844	-21.9%
`20,4,10`	4266	4863	-597	-14.0%
`30,0,0`	3698	4584	-885	-24.0%
`30,0,5`	4188	4683	-495	-11.9%
`30,0,10`	4377	4814	-436	-10.0%
`30,2,0`	3648	4641	-993	-27.3%
`30,2,5`	4235	4713	-478	-11.3%
`30,2,10`	4532	4805	-273	-6.1%
`30,4,0`	3798	4646	-848	-22.4%
`30,4,5`	4031	4585	-553	-13.8%
`30,4,10`	4272	4731	-458	-10.8%
`40,0,0`	3884	4566	-682	-17.6%
`40,0,5`	4142	4724	-581	-14.1%
`40,0,10`	3965	4674	-709	-17.9%
`40,2,0`	3763	4482	-719	-19.2%
`40,2,5`	4130	4601	-470	-11.4%
`40,2,10`	4012	4676	-664	-16.6%
`40,4,0`	3462	4570	-1107	-32.0%
`40,4,5`	4250	4605	-355	-8.4%
`40,4,10`	4111	4690	-578	-14.1%

与WIFI PerfDog 数据的对比总结

图：WIFI、USB满电运行、USB亏电运行在不同负载情况下的曲线对比

测试case	误差均值	误差标准差
USB 满电	`394.663`	`203.490`
USB 亏电运行	`695.94`	`217.63`

整体上来看，SystemLoad能够反映系统的整体功耗，但是在有线情况下的SystemLoad不能直接和无线仅电池放电情况下的BatteryPower划等号。

Powerlog VS PerfDog

使用PerfDog与Powerlog的数据进行对比可以发现：

两者的power数据趋势几乎完全相同，但是看起来时间上存在差异，于是将powerlog中的timestamp前移190s后发现：

两组数据完全一致，可以推测出，perfdog是通过某种方式可以实时获取到powerlog的数据，并且根据里面的:

AppleRawBatteryVoltage：瞬时电压；
InstantAmperage：瞬时电流；

来计算实时功耗的；

结论

这里记录了使用powerlog，pymoibledevice3采集功耗数据的过程，分析了它们采集的数据，与比较权威的perfdog进行了对比。

发现，在数据方面：

perfdog的Power数据计算方法为读取整机电流、 整机电压相乘后得到；
无论是powerlog还是pymobiledevice3都可以对上述数据进行采集，采集到的功耗数据与perfdog.Power完全一致；
powerlog数据的timestamp总是延后190s（在两次测试中得到验证）；
pymobiledevice3还支持对SystemLoad, SystemVoltage, SystemCurrentIn进行采集，SystemLoad能够反映系统运行的功耗情况；

在操作方面：

powerlog需要开发者自行安装描述文件，还需要开发者将手机数据同步到本地后，分析SQLite文件才能得到，较为繁琐；
pymobiledevice3不需要开发者进行过多操作，但是由于IOS历史迭代原因，IOS 18+, IOS 17+, IOS 17-的设备在连接方式、能否无线连接的问题上可能存在差异，目前已知IOS 18+设备的连接、采集流程，不知道其他版本的设备上能否跑通；
我们发现了pymobiledevice3可以采集SystemLoad字段，这个字段采集到的系统功耗与PerfDog.Power有一定的相似度，