AppFlow：面向移动和车载系统的大型应用冷启动内存调度

巨型大型应用（如本地大型语言模型和丰富媒体编辑器）正成为下一代趋势，但其沉重的内存和I/O需求，尤其是在多任务处理期间，会导致设备回收或杀死进程，使温应用变为冷启动。挑战不在于存储它们，而在于快速、准确的启动。对于用户而言，1秒是可用性临界值，但我们的测量显示86.6%的巨型冷启动超出1秒。此外，Android Vitals仅将≥5秒的启动标记为缓慢，暴露了较大的用户满意度差距。现有优化措施是孤立设计的，且相互冲突。例如，预加载可减少I/O停顿，但会消耗稀缺内存并因回收而被撤销；而回收和终止可节省内存，但牺牲了后台生存率，导致重复的冷启动。我们的关键洞察是，尽管多任务使运行时行为复杂，但每个应用的文件访问模式仍是可预测的。挑战在于利用这种可预测性，即在不耗尽内存的情况下预加载，在不抵消收益的情况下回收，在保留后台生存率的同时选择性地终止。我们提出AppFlow，一个基于预测的系统级调度器，集成了选择性文件预加载器、自适应内存回收器和情境感知进程终止器。该系统在Android框架和Linux内核上实现，无需修改应用，使巨型冷启动延迟降低66.5%（例如，2秒→690毫秒），并在100天测试中维持95%的启动在1秒内，显著改善了响应性和多任务体验。