Se ha publicado un vídeo en el que se puede ver cómo analiza Google si el funcionamiento de los dispositivos con Android es bueno o no (en lo que se refiere a su respuesta al manipular la pantalla táctil). Esto lo hace mediante el uso de un robot que ejecuta acciones predeterminadas para medir los tiempos que se tardan en efectuar. El objetivo es cuantificar latencias táctiles desde el primer contacto hasta la representación en pantalla.
La grabación la ha publicado François Beaufort que es un ingeniero de la compañía de Mountain View y que sabe, por lo tanto, bastante bien de lo que habla. El robot que se utiliza para ejecutar las acciones predeterminadas se llama Chrome Touchbot y ha sido creado por la compañía finlandesa OptoFidelity para conocer las latencias de funcionamiento de los productos que utilizan Android y, también, Chrome OS. El bot simula toques, deslizamientos y arrastres, capturando el tiempo de respuesta del sistema y la precisión del recorrido del dedo.
A continuación os dejamos el vídeo para que vosotros mismo podáis ver qué es lo que hace Google para revisar y analizar la respuesta de sus dispositivos móviles -y de terceros- y establecer si su funcionamiento es el adecuado:
Diferentes mediciones
Lo cierto es que como se ha podido comprobar, las mediciones que realiza Google son de lo más amplias, ya que van desde la propia pulsación de la pantalla táctil hasta la respuesta y eficiencia a la hora de arrastrar desde un punto del panel. El caso, es que se puede establecer un baremo aproximado de la capacidad de que ofrece un dispositivo y su hardware a la hora de utilizar el sistema operativo Android. Lo cierto es que con algunas versiones, los resultados no han debido ser muy concretos, como por ejemplo con Lollipop, ya que no hay que olvidar que con este desarrollo se han detectados algunos problemas de funcionamiento.
El caso es que existen unos protocolos (que se pueden conseguir aquí) con los que Google mide el funcionamiento de los dispositivos con sus sistemas operativos, y Chrome Touchbot de Google se encarga de aplicarlos. ¿Os parece una buena idea el utilizar este robot para comprobar si Android funciona correctamente en ciertos conjuntos de hardware?
Pruebas de campo y pruebas locales: qué medir y con qué herramientas
Para evaluar una app conviene combinar pruebas de campo (métricas reales de usuarios) y pruebas locales (laboratorio). En campo, Google Play Vitals y Firebase Performance Monitoring ofrecen KPIs como inicio, red y bloqueos. Con la biblioteca de AndroidX Tracing puedes añadir puntos de seguimiento; y con ApplicationStartInfo y ApplicationExitInfo obtienes detalles finos del arranque y salidas. La lib JankStats ayuda a registrar fotogramas lentos o perdidos para estudiar el “jank”.
En local, la librería de Benchmark se divide en Macrobenchmark (flujos de usuario completos: inicio, scroll, navegación) y Microbenchmark (bucles críticos de código). Ejecuta siempre en dispositivo físico y con frecuencia, almacenando resultados para detectar regresiones y comparar versiones a lo largo del tiempo.
- Usa los resultados para priorizar mejoras, impedir regresiones y vigilar producción.
- Registra histórico y compara builds, ramas y cambios de SO.
Cómo preparar el entorno de medición y obtener datos fiables
No midas en builds de depuración: usa release con profileable (android:shell="true") y configura compilación speed o speed-profile. Puedes forzar la compilación con adb shell cmd package compile -m speed -f com.example.app. Reduce ruido: mismo dispositivo/SO, carga estable y sin procesos intrusivos. Para micropruebas avanzadas se usan scripts de reloj (lockClocks) en entornos controlados, pero no son representativos de UX real.
Para diagnosticar: Perfetto (trazas de sistema), Memory Profiler (asignaciones y GC), Simpleperf (hotspots de CPU), FrameMetricsAggregator y dumpsys gfxinfo (latencias de fotogramas). Invoca reportFullyDrawn() al completar el primer render “útil” del contenido.
Herramientas y benchmarks recomendados
AIDA64
Inventario y telemetría de SoC, sensores y batería en tiempo real. Ideal para entender el hardware antes de probar rendimiento.
Geekbench
Mide CPU y GPU con escenarios variados, puntuaciones single y multi-core y comparativas con otros modelos.
3DMark
Referente gráfico con Wild Life y Wild Life Extreme (incluye pruebas de estrés). Solar Bay compara ray tracing en Android (requiere soporte Vulkan de trazado de rayos y versión de SO reciente).
AI Benchmark
Evalúa cargas de IA en dispositivo, útil para inferencias y visión por computador.
GFXBench
Amplio set de pruebas Vulkan/OpenGL, estabilidad a largo plazo y consumo durante el render.
PassMark PerformanceTest
Pruebas de CPU, GPU, RAM, almacenamiento y gráficos 2D/3D, con datos “en bruto”.
Antutu, PCMark y Disk Speed
Antutu ofrece visión general por componentes; PCMark usa cargas reales (navegación, edición, escritura) y batería; Disk Speed mide I/O en almacenamiento interno/externo.
Buenas prácticas, métricas clave y ecosistema de testing
Vigila latencia de inicio (minimiza E/S e IPC críticos), jank (fotogramas por encima del presupuesto de 16.7 ms a 60 Hz o menor a 90/120 Hz), transiciones fluidas y eficiencia energética (evita asignaciones en bucles calientes y GC frecuentes). Corrige patrones de RecyclerView costosos (p. ej., reemplaza notifyDataSetChanged() por diffs, prefetch y pools en anidados).
En automatización y laboratorio, el ecosistema incluye Espresso, UI Automator, Appium, Robotium, Selendroid, Calabash, XCUITest (iOS), y suites como Ranorex, TestComplete, Katalon, TestGrid, Kobiton, Perfecto o SpecFlow para diferentes estrategias de QA.
En fases tempranas, soluciones como Apptim permiten medir CPU, memoria, FPS, registrar ANR/Crash, vídeos, logs y umbrales personalizados; comparan sesiones, integran con Jira y CI/CD (CLI) y admiten eventos en código (Log.i("{Apptim_EVENT}", "event-name")). Frente a Firebase Test Lab o AWS Device Farm, aporta rapidez local en desarrollo, sin tocar código y con curva de aprendizaje baja.
La combinación de robotización (como Chrome Touchbot), métricas de campo y benchmarks de laboratorio conforma un marco sólido: mide a menudo, compara con histórico y prioriza lo que más impacta en la experiencia. Con este enfoque, es más sencillo decidir si optimizar, mantener o renovar hardware y software para lograr una experiencia de uso superior.