前言

內(nèi)存問(wèn)題是軟件領(lǐng)域的經(jīng)典問(wèn)題，平時(shí)藏得很深，在出現(xiàn)問(wèn)題之前沒(méi)太多征兆。而一旦爆發(fā)問(wèn)題，問(wèn)題來(lái)源的多樣、不易重現(xiàn)、現(xiàn)場(chǎng)信息少、難以定位等困難，就會(huì)讓人頭疼不已。

?

微信在過(guò)去 N 多的版本迭代中，經(jīng)歷了各式各樣的內(nèi)存問(wèn)題，這些問(wèn)題包括但不限于 Activity 的泄漏、Cursor 未關(guān)閉、線程的過(guò)度使用、無(wú)節(jié)制的創(chuàng)建緩存、以及某個(gè) so 庫(kù)悄無(wú)聲息一點(diǎn)點(diǎn)的泄漏內(nèi)存，等等。有些問(wèn)題甚至曾倒逼著我們改變了微信的架構(gòu)（2.x 時(shí)代 webview 內(nèi)核泄露催生了微信多進(jìn)程架構(gòu)的改變）。時(shí)至今日微信依然偶爾會(huì)受到內(nèi)存問(wèn)題的挑戰(zhàn)，在持續(xù)不斷的版本迭代中，總會(huì)有新的問(wèn)題被引入并潛藏著。

?

在解決各種問(wèn)題的過(guò)程中，我們積累了一些相對(duì)有效和多面的優(yōu)化手段及工具，從監(jiān)控上報(bào)到開(kāi)發(fā)階段的測(cè)試檢查，為預(yù)防和解決問(wèn)題提供幫助，并還在不斷的持續(xù)改進(jìn)。本文打算介紹一下這些工程上的優(yōu)化實(shí)踐經(jīng)驗(yàn)，希望對(duì)大家有一些參考價(jià)值。

?

Activity 泄露檢測(cè)

Activity 泄漏，即因?yàn)楦鞣N原因?qū)е?Activity 被生命周期遠(yuǎn)比該 Activity 長(zhǎng)的對(duì)象直接或間接以強(qiáng)引用持有，導(dǎo)致在此期間 Activity 無(wú)法被 GC 機(jī)制回收的問(wèn)題。與其他對(duì)象泄漏相比，Android 上的 Activity 一方面提供了與系統(tǒng)交互的 Context，另一方面也是用戶與 App 交互的承載者，因此非常容易意外被系統(tǒng)或其他業(yè)務(wù)邏輯作為一個(gè)普通的工具對(duì)象長(zhǎng)期持有，而且一旦發(fā)生泄漏，被牽連導(dǎo)致同樣被泄漏的對(duì)象也會(huì)非常多。此外，由于這類問(wèn)題在大量爆發(fā)之前除了 App 內(nèi)存占用變大之外并沒(méi)有 crash 之類的明顯征兆，因此在測(cè)試階段主動(dòng)檢測(cè)、排查 Activity 泄漏，避免線上出現(xiàn) OOM 或其他問(wèn)題就顯得非常必要了。

?

早期我們?cè)ㄟ^(guò)自動(dòng)化測(cè)試階段在內(nèi)存占用達(dá)到閾值后自動(dòng)觸發(fā) Hprof Dump，將得到的 Hprof 存檔后由人工通過(guò) MAT 進(jìn)行分析。在新代碼提交速度還不太快的時(shí)候，這樣做確實(shí)也能湊合著解決問(wèn)題，但隨著微信新業(yè)務(wù)代碼越來(lái)越多，人工排查后反饋給各 Activity 的負(fù)責(zé)人，各負(fù)責(zé)人修復(fù)之后再人工確認(rèn)一遍是否已經(jīng)修復(fù)，這個(gè)過(guò)程需要反復(fù)的情況也越來(lái)越多，人工解決的方案已力不從心。

?

后來(lái)我們嘗試了 LeakCanary。這款工具除了能給出可讀性非常好的檢測(cè)結(jié)果外，對(duì)于排查出的問(wèn)題，還會(huì)展示開(kāi)源社區(qū)維護(hù)的解決方案，在 Activity 泄漏檢測(cè)、分析上完全可以代替人力。唯一美中不足的是 LeakCanary 把檢測(cè)和分析報(bào)告都放到了一起，流程上更符合開(kāi)發(fā)和測(cè)試是同一人的情況，對(duì)批量自動(dòng)化測(cè)試和事后分析就不太友好了。

?

為此我們?cè)?LeakCanary 的基礎(chǔ)上研發(fā)了一套 Activity 泄漏的檢測(cè)分析方案 —— ResourceCanary，作為我們內(nèi)部質(zhì)量監(jiān)控平臺(tái) Matrix 的一部分參與到每天的自動(dòng)化測(cè)試流程中。與 LeakCanary 相比 ResourceCanary 做了以下改進(jìn)：

?

事實(shí)上這兩部分本來(lái)就可以獨(dú)立運(yùn)作，檢測(cè)部分負(fù)責(zé)檢測(cè)和產(chǎn)生 Hprof 及一些必要的附加信息，分析部分處理這些產(chǎn)物即可得到引發(fā)泄漏的強(qiáng)引用鏈。這樣一來(lái)檢測(cè)部分就不再和分析、故障解決相耦合，自動(dòng)化測(cè)試由測(cè)試平臺(tái)進(jìn)行，分析則由監(jiān)控平臺(tái)的服務(wù)端離線完成，再通知相關(guān)開(kāi)發(fā)同學(xué)解決問(wèn)題。三者互不打斷對(duì)方進(jìn)程，保證了自動(dòng)化流程的連貫性。

• 分離檢測(cè)和分析兩部分邏輯。

?

• 裁剪 Hprof 文件，降低后臺(tái)存檔 Hprof 的開(kāi)銷。

就 Activity 泄漏分析而言，我們只需要 Hprof 中類和對(duì)象的描述和這些描述所需的字符串信息，其他數(shù)據(jù)都可以在客戶端就地裁剪。由于 Hprof 中這些數(shù)據(jù)比重很低，這樣處理之后能把 Hprof 的大小降至原來(lái)的 1/10 左右，極大降低了傳輸和存儲(chǔ)開(kāi)銷。

?

實(shí)際運(yùn)行中通過(guò) ResourceCanary，我們排查了一些非常典型的泄漏場(chǎng)景，部分列舉如下：

?

• 匿名內(nèi)部類隱式持有外部類的引用導(dǎo)致的泄漏

?

?

public?class?ChattingUI?extends?MMActivity?{@Overrideprotected?void?onCreate(Bundle?savedInstanceState)?{super.onCreate(savedInstanceState);setContentView(R.layout.activity_chatting_ui);EventCenter.addEventListener(new?IListener<IEvent>()?{//?這個(gè)?IListener?內(nèi)部類里有個(gè)隱藏成員?this$?持有了外部的?ChattingUI@Overridepublic?void?onEvent()?{//?...}});}}public?class?EventCenter?{//?此?ArrayList?實(shí)例的生命周期為?App?的生命周期private?static?List<IListener>?sListeners?=?new?ArrayList();public?void?addEventListener(IListener?cb)?{//?ArrayList?對(duì)象持有?cb，cb.this$?持有?ChattingUI，導(dǎo)致?ChattingUI?泄漏sListeners.add(cb);}}

?

• 各種原因?qū)е碌姆醋?cè)函數(shù)未按預(yù)期被調(diào)用導(dǎo)致的Activity泄漏

?

• 系統(tǒng)組件導(dǎo)致的 Activity 泄漏，如 LeakCanary 中提到的 SensorManager 和 InputMethodManager 導(dǎo)致的泄漏。

?

還有特別耗時(shí)的 Runnable 持有 Activity，或者此 Runnable 本身并不耗時(shí)，但在它前面有個(gè)耗時(shí)的 Runnable 堵塞了執(zhí)行線程導(dǎo)致此 Runnable 一直沒(méi)機(jī)會(huì)從等待隊(duì)列里移除，也會(huì)引發(fā) Activity 泄漏等等。從來(lái)源上這類例子是舉不完的，總之任何能構(gòu)造長(zhǎng)期持有 Activity 的強(qiáng)引用的場(chǎng)景都能泄漏掉 Activity，從而泄漏 Activity 持有的大量 View 和其他對(duì)象。

?

事實(shí)上，ResourceCanary 將檢測(cè)與分析分離和大幅裁剪了 Hprof 文件體積的改進(jìn)是相當(dāng)重要的，這使我們將 Activity 檢查做成自動(dòng)化變得更容易。我們將 ResourceCanary 的 sdk 植入在微信中，通過(guò)每日常規(guī)的自動(dòng)化測(cè)試，將發(fā)現(xiàn)的問(wèn)題上報(bào)到微信的 Matrix 平臺(tái)，自動(dòng)進(jìn)行統(tǒng)計(jì)、棧提取、歸責(zé)、建單，然后系統(tǒng)會(huì)自動(dòng)通知相關(guān)開(kāi)發(fā)同學(xué)進(jìn)行修復(fù)，并可以持續(xù)跟進(jìn)修復(fù)情況。對(duì)有效解決問(wèn)題的意義非常大。

?

?

除了開(kāi)發(fā)同學(xué)每天根據(jù) Matrix 平臺(tái)的報(bào)告進(jìn)行確認(rèn)修復(fù)外，對(duì)于這些泄漏，微信客戶端還會(huì)采取一些主動(dòng)措施規(guī)避掉無(wú)法立即解決的泄漏，大致包括：

?

• 主動(dòng)切斷 Activity 對(duì) View 的引用、回收 View 中的 Drawable，降低 Activity 泄漏帶來(lái)的影響

• 盡量用 Application Context 獲取某些系統(tǒng)服務(wù)實(shí)例，規(guī)避系統(tǒng)帶來(lái)的內(nèi)存泄漏

• 對(duì)于已知的無(wú)法通過(guò)上面兩步解決的來(lái)自系統(tǒng)的內(nèi)存泄漏，參考 LeakCanary 給出的建議進(jìn)行規(guī)避

  ?

Bitmap 分配及回收追蹤

Bitmap 一直以來(lái)都是 Android App 的內(nèi)存消耗大戶，很多 Java 甚至 native 內(nèi)存問(wèn)題的背后都是不當(dāng)持有了大量大小很大的 Bitmap。

?

與此同時(shí)，Bitmap 有幾個(gè)特點(diǎn)方便我們對(duì)它們進(jìn)行監(jiān)控：

?

• 創(chuàng)建場(chǎng)景較為單一。?Bitmap 通常通過(guò)在 Java 層調(diào)用?Bitmap.create?直接創(chuàng)建，或者通過(guò)?BitmapFactory?從文件或網(wǎng)絡(luò)流解碼。正好，我們有一層對(duì) Bitmap 創(chuàng)建接口調(diào)用的封裝，基本囊括微信內(nèi)創(chuàng)建 Bitmap 的全部場(chǎng)景（包括調(diào)用外部庫(kù)產(chǎn)生 Bitmap 也封裝在這層接口內(nèi)）。這層統(tǒng)一接口有利于我們?cè)趧?chuàng)建 Bitmap 時(shí)進(jìn)行統(tǒng)一監(jiān)控，而不需要進(jìn)行插樁或 hook 等較為 hack 的方法。

• 創(chuàng)建頻率較低。?Bitmap 創(chuàng)建的行為不如 malloc 等通用內(nèi)存分配頻繁，本身往往也伴隨著耗時(shí)較長(zhǎng)的解碼或處理，因此在創(chuàng)建 Bitmap 時(shí)加入監(jiān)控邏輯，其性能要求不會(huì)特別高。即使是獲取完整的 Java 堆棧甚至做一些篩選，其耗時(shí)相比起解碼或者其他圖像處理也是微不足道，我們可以執(zhí)行稍微復(fù)雜的邏輯。

• Java 對(duì)象的生命周期。?Bitmap 對(duì)象的生命周期和普通 Java 對(duì)象一樣服從 JVM 的 GC，因此我們可以通過(guò)?WeakReference?等手段來(lái)跟蹤 Bitmap 的銷毀，而不用像創(chuàng)建一樣對(duì)銷毀也一并跟蹤。

?

針對(duì)上述特點(diǎn)，我們加入了一個(gè)針對(duì) Bitmap 的高性價(jià)比監(jiān)控：在接口層中將所有被創(chuàng)建出來(lái)的 Bitmap 加入一個(gè)?WeakHashMap，同時(shí)記錄創(chuàng)建 Bitmap 的時(shí)間、堆棧等信息，然后在適當(dāng)?shù)臅r(shí)候查看這個(gè)?WeakHashMap?看看哪些 Bitmap 仍然存活來(lái)判斷是否出現(xiàn) Bitmap 濫用或泄漏。

?

這個(gè)監(jiān)控對(duì)性能消耗非常低，可以在發(fā)布版進(jìn)行。判斷是否泄漏則需要耗費(fèi)一點(diǎn)性能，且目前還需要人工處理。收集泄漏的時(shí)機(jī)包括：

?

• 如果是測(cè)試環(huán)境，比如 Monkey Test 過(guò)程中，則使用 “激進(jìn)模式”，即每次進(jìn)行 Bitmap 創(chuàng)建的數(shù)秒后都檢查一次 Java 堆的情況，Java 內(nèi)存占用超過(guò)某個(gè)閾值即觸發(fā)收集邏輯，將所有存活的 Bitmap 信息輸出到文件，另外還輸出 hprof 輔助查找別的內(nèi)存泄漏。

• 發(fā)布版則采用 “保守模式”，只有在出現(xiàn) OOM 了之后，才將內(nèi)存占用 1 MB 以上的 Bitmap 信息輸出到 xlog，避免 xlog 過(guò)大。

?

激進(jìn)模式中閾值目前定為 200 MB，這是因?yàn)槲覀冎С值?Android 設(shè)備中，最容易出現(xiàn) OOM 的一批手機(jī)的 large heap 限制為 256 MB，一旦 Heap 峰值達(dá)到 200 MB 以上且回收不及時(shí)，在一些需要類似解碼大圖的場(chǎng)景下就會(huì)出現(xiàn)無(wú)法臨時(shí)分配數(shù)十 MB 的內(nèi)存供圖片顯示而導(dǎo)致 OOM，因此在 Monkey Test 時(shí)認(rèn)為 Java Heap 占用超過(guò) 200 MB 即為異常。

?

Bitmap 追蹤嘗試投入到 Monkey Test 后，發(fā)現(xiàn)問(wèn)題最多最突出的，是緩存的濫用問(wèn)題，最為典型的是使用 static LRUCache 來(lái)緩存大尺寸 Bitmap。

?

private?static?LruCache<String,?Bitmap>?sBitmapCache?=?new?LruCache<>(20);public?static?Bitmap?getBitmap(String?path)?{Bitmap?bitmap?=?sBitmapCache.get(path);if?(bitmap?!=?null)?{return?bitmap;}bitmap?=?decodeBitmapFromFile(path);sBitmapCache.put(path,?bitmap);return?bitmap;}

?

比如上面的代碼，作用是緩存一些重復(fù)使用的 Bitmap 避免重復(fù)解碼損失性能，但由于?sBitmapCache?是靜態(tài)的且沒(méi)有清理邏輯，緩存在其中的圖片將永遠(yuǎn)無(wú)法釋放，除非 20 個(gè)的配額用盡或圖片被替換。LruCache?對(duì)緩存對(duì)象的?個(gè)數(shù)?進(jìn)行了限制，但沒(méi)有對(duì)對(duì)象的?總大小?進(jìn)行限制（Java的對(duì)象模型也不支持直接獲取對(duì)象占用內(nèi)存大小），因此如果緩存里面存放了數(shù)個(gè)大圖或者長(zhǎng)圖，將長(zhǎng)期占用大量?jī)?nèi)存。此外，不同業(yè)務(wù)之間不太可能提前考慮緩存可能造成的相互擠壓，進(jìn)一步加劇問(wèn)題。也正因如此我們還開(kāi)始推動(dòng)了內(nèi)部使用統(tǒng)一的緩存管理組件，從整體上，控制使用緩存的策略和數(shù)量。

?

Native 內(nèi)存泄漏檢測(cè)

Native 層內(nèi)存泄漏通常是指各種原因?qū)е碌囊逊峙鋬?nèi)存未得到有效釋放，導(dǎo)致可用內(nèi)存越來(lái)越少直到 crash 的問(wèn)題。由于Native 層沒(méi)有 GC 機(jī)制，內(nèi)存管理行為非常可控，檢測(cè)起來(lái)確實(shí)也簡(jiǎn)單許多——直接攔截內(nèi)存分配和釋放相關(guān)的函數(shù)看一下是否配對(duì)即可。

?

我們首先在單個(gè) so 上嘗試了一些成熟的方案：

?

• valgrind

App 明顯變得卡頓，檢測(cè)結(jié)果沒(méi)有太大幫助，而且 valgrind 在 Android 上的部署太麻煩了，要在幾百臺(tái)測(cè)試機(jī)器上部署是個(gè)很大的問(wèn)題。

• asan

跟文檔描述得差不多，檢測(cè)階段開(kāi)銷確實(shí)比 valgrind 少，但是 App 還是變卡了，自動(dòng)化測(cè)試時(shí)容易 ANR。回溯堆棧階段容易 crash。另外我們的一些歷史悠久的 so 按 asan 的要求用 clang 編譯之后可能存在 bug，這點(diǎn)也成為了采用此方案的阻礙。

?

對(duì)上述結(jié)果我們的猜想是這些工具除了本身開(kāi)銷之外，大而全的功能，諸如雙重釋放，地址合法性檢測(cè)，越界訪問(wèn)檢測(cè)也增加了運(yùn)行時(shí)開(kāi)銷。按此思路我們又改用系統(tǒng)自帶的 malloc_debug 進(jìn)行檢測(cè)，但 malloc_debug 在堆棧回溯階段會(huì)產(chǎn)生一個(gè)必現(xiàn)的 crash，按照網(wǎng)上資料和廠商的反饋的說(shuō)法，應(yīng)該是它依賴 stl 庫(kù)里的 __Unwind 系列函數(shù)需要的數(shù)據(jù)結(jié)構(gòu)在不同的 stl 庫(kù)里定義不同導(dǎo)致的，然而由于一些原因，被檢測(cè)的 so 里有些已經(jīng)不具備換 stl 庫(kù)重編的條件了。這樣的狀況迫使我們自研一套方案解決問(wèn)題。

?

根據(jù)之前的嘗試，實(shí)際上我們需要研發(fā)兩個(gè)方案組合使用。對(duì)于不方便重編的庫(kù)，我們采用一個(gè)不需要重編的方案舍棄一些信息以換取對(duì)泄漏的定位能力；對(duì)于易于重編的庫(kù)，我們采用一個(gè)不需要 clang 環(huán)境的方案保證能在不引入 bug 的情況下拿到 asan 能拿到的泄漏內(nèi)存分配位置的堆棧信息。當(dāng)然，兩個(gè)方案都要足夠輕，保證不會(huì)產(chǎn)生 ANR 中斷自動(dòng)化測(cè)試過(guò)程。

?

限于篇幅，這里不再展開(kāi)介紹方案原理，只大概說(shuō)明兩個(gè)方案的思路：

?

• 無(wú)法重編的情況：PLT hook 攔截被測(cè)庫(kù)的內(nèi)存分配函數(shù)，重定向到我們自己的實(shí)現(xiàn)后記錄分配的內(nèi)存地址、大小、來(lái)源 so 庫(kù)路徑等信息，定期掃描分配與釋放是否配對(duì)，對(duì)于不配對(duì)的分配輸出我們記錄的信息。

• 可重編的情況：通過(guò) gcc 的 -finstrument-functions 參數(shù)給所有函數(shù)插樁，樁中模擬調(diào)用棧入棧出棧操作；通過(guò) ld 的 --wrap 參數(shù)攔截內(nèi)存分配和釋放函數(shù)，重定向到我們自己的實(shí)現(xiàn)后記錄分配的內(nèi)存地址、大小、來(lái)源 so?以及插樁記錄的調(diào)用棧此刻的內(nèi)容，定期掃描分配與釋放是否配對(duì)，對(duì)于不配對(duì)的分配輸出我們記錄的信息。

?

實(shí)測(cè)中這兩個(gè)方案為每次內(nèi)存分配帶來(lái)的額外開(kāi)銷小于 10ns，總體開(kāi)銷的變化幾乎可忽略不計(jì)。我們通過(guò)這兩套方案組合除了發(fā)現(xiàn)一個(gè)棘手的新問(wèn)題外，還順便檢測(cè)了使用多年的基礎(chǔ)網(wǎng)絡(luò)協(xié)議 so 庫(kù)，并成功找出隱藏多年的十多處小內(nèi)存泄漏點(diǎn)，降低內(nèi)存地址的碎片化。

?

線程監(jiān)控

常見(jiàn)的 OOM 情況大多數(shù)是因?yàn)閮?nèi)存泄漏或申請(qǐng)大量?jī)?nèi)存造成的，比較少見(jiàn)的有下面這種跟線程相關(guān)情況，但在我們 crash 系統(tǒng)上有時(shí)能發(fā)現(xiàn)一些這樣的問(wèn)題。

?

java.lang.OutOfMemoryError:?pthread_create?(1040KB?stack)?failed:?Out?of?memory

?

原因分析

OutOfMemoryError 這種異常根本原因在于申請(qǐng)不到足夠的內(nèi)存造成的，直接的原因是在創(chuàng)建線程時(shí)初始 stack size 的時(shí)候，分配不到內(nèi)存導(dǎo)致的。這個(gè)異常是在 /art/runtime/thread.cc 中線程初始化的時(shí)候 throw 出來(lái)的。

?

void?Thread::CreateNativeThread(JNIEnv*?env,?jobject?java_peer,?size_t?stack_size,?bool?is_daemon)?{...int?pthread_create_result?=?pthread_create(&new_pthread,?&attr,?Thread::CreateCallback,?child_thread);if?(pthread_create_result?!=?0)?{env->SetLongField(java_peer,?WellKnownClasses::java_lang_Thread_nativePeer,?0);{std::string?msg(StringPrintf("pthread_create?(%s?stack)?failed:?%s",PrettySize(stack_size).c_str(),?strerror(pthread_create_result)));ScopedObjectAccess?soa(env);soa.Self()->ThrowOutOfMemoryError(msg.c_str());}}}

?

調(diào)用這個(gè) pthread_create 的方法去 clone 一個(gè)線程，如果返回 pthread_create_result 不為 0，則代表初始化失敗。什么情況下會(huì)初始化失敗，pthread_create 的具體邏輯是在 /bionic/libc/bionic/pthread_create.cpp 中完成：

?

int?pthread_create(pthread_t*?thread_out,?pthread_attr_t?const*?attr,void*?(*start_routine)(void*),?void*?arg)?{...pthread_internal_t*?thread?=?NULL;void*?child_stack?=?NULL;int?result?=?__allocate_thread(&thread_attr,?&thread,?&child_stack);if?(result?!=?0)?{return?result;}...}static?int?__allocate_thread(pthread_attr_t*?attr,?pthread_internal_t**?threadp,?void**?child_stack)?{size_t?mmap_size;uint8_t*?stack_top;...attr->stack_base?=?__create_thread_mapped_space(mmap_size,?attr->guard_size);if?(attr->stack_base?==?NULL)?{return?EAGAIN;?//?EAGAIN?!=?0}...return?0;}

?

可以看到每個(gè)線程初始化都需要 mmap 一定的 stack size，在默認(rèn)的情況下一般初始化一個(gè)線程需要 mmap 1M 左右的內(nèi)存空間，在 32bit 的應(yīng)用中有 4g 的 vmsize，實(shí)際能使用的有 3g+，按這種估算，一個(gè)進(jìn)程最大能創(chuàng)建的線程數(shù)可達(dá) 3000+，當(dāng)然這是理想的情況，在 linux 中對(duì)每個(gè)進(jìn)程可創(chuàng)建的線程數(shù)也有一定的限制（/proc/pid/limits）而實(shí)際測(cè)試中，我們也發(fā)現(xiàn)不同廠商對(duì)這個(gè)限制也有所不同，而且當(dāng)超過(guò)系統(tǒng)進(jìn)程線程數(shù)限制時(shí)，同樣會(huì)拋出這個(gè)類型的 OOM。

可見(jiàn)對(duì)線程數(shù)量的限制，可以一定程度避免 OOM 的發(fā)生。所以我們也開(kāi)始對(duì)微信的線程數(shù)進(jìn)行了監(jiān)控統(tǒng)計(jì)。

?

監(jiān)控上報(bào)

我們?cè)诨叶劝姹局型ㄟ^(guò)一個(gè)定時(shí)器 10 分鐘 dump 出應(yīng)用所有的線程，當(dāng)線程數(shù)超過(guò)一定閾值時(shí)，將當(dāng)前的線程上報(bào)并預(yù)警，通過(guò)對(duì)這種異常情況的捕捉，我們發(fā)現(xiàn)微信在某些特殊場(chǎng)景下，確實(shí)存在線程泄漏以及短時(shí)間內(nèi)線程暴增，導(dǎo)致線程數(shù)過(guò)大（500+）的情況，這種情況下再創(chuàng)建線程往往容易出現(xiàn) OOM。

在定位并解決這幾個(gè)問(wèn)題后，我們的 crash 系統(tǒng)和廠商的反饋中這種類型 OOM 確實(shí)降低了不少。所以監(jiān)控線程數(shù)，收斂線程也成為我們降低 OOM 的有效手段之一。

?

內(nèi)存監(jiān)控

Android 系統(tǒng)中，需要關(guān)注兩類內(nèi)存的使用情況，物理內(nèi)存和虛擬內(nèi)存。通常我們使用 Memory Profiler 的方式查看 APP 的內(nèi)存使用情況。

?

? ? ? ??

在默認(rèn)視圖中，我們可以查看進(jìn)程總內(nèi)存占用、JavaHeap、NativeHeap，以及 Graphics、Stack、Code 等細(xì)分類型的內(nèi)存分配情況。當(dāng)系統(tǒng)內(nèi)存不足時(shí)，會(huì)觸發(fā) onLowMemory。在 API Level 14及以上，則有更細(xì)分的 onTrimMemory。實(shí)際測(cè)試中，我們發(fā)現(xiàn) onTrimMemory 的 ComponentCallbacks2.TRIM_MEMORY_COMPLETE 并不等價(jià)于 onLowMemory，因此推薦仍然要監(jiān)聽(tīng) onLowMemory 回調(diào)。

?

除了舊有的大盤粗粒度內(nèi)存上報(bào)，我們正在建設(shè)相對(duì)精細(xì)的內(nèi)存使用情況監(jiān)控并集成到 Matrix 平臺(tái)上。進(jìn)行監(jiān)控方案前，我們需要運(yùn)行時(shí)獲得各項(xiàng)內(nèi)存使用數(shù)據(jù)的能力。通過(guò) ActivityManager 的 getProcessMemoryInfo，我們獲得微信進(jìn)程的 Debug.MemoryInfo 數(shù)據(jù)（注意：這個(gè)接口在低端機(jī)型中可能耗時(shí)較久，不能在主線程中調(diào)用，且監(jiān)控調(diào)用耗時(shí)，在耗時(shí)過(guò)大的機(jī)型上，屏蔽內(nèi)存監(jiān)控模塊）。通過(guò) hook Debug.MemoryInfo 的 getMemoryStat 方法（需要 23 版本及以上），我們可以獲得等價(jià)于 Memory Profiler 默認(rèn)視圖中的多項(xiàng)數(shù)據(jù)，從而獲得細(xì)分內(nèi)存使用情況。此外，通過(guò) Runtime 可獲得 DalvikHeap；通過(guò) Debug.getNativeHeapAllocatedSize 可獲得 NativeHeap。至此，我們可以獲得低內(nèi)存發(fā)生時(shí)，微信的虛擬內(nèi)存、物理內(nèi)存的各項(xiàng)數(shù)據(jù)，從而實(shí)現(xiàn)監(jiān)控。

?

內(nèi)存監(jiān)控將分為常規(guī)監(jiān)控和低內(nèi)存監(jiān)控兩個(gè)場(chǎng)景。

?

• 常規(guī)內(nèi)存監(jiān)控 —— 微信使用過(guò)程中，內(nèi)存監(jiān)控模塊會(huì)根據(jù)斐波那契數(shù)列的特性，每隔一段時(shí)間（最長(zhǎng)30分鐘）獲取內(nèi)存的使用情況，從而獲得微信隨使用時(shí)間而變化的內(nèi)存曲線。

• 低內(nèi)存監(jiān)控 —— 通過(guò) onLowMemory 的回調(diào)，或者通過(guò) onTrimMemory 回調(diào)且不同的標(biāo)記位，結(jié)合 ActivityManager.MemoryInfo 的 lowMemory 標(biāo)記，我們可以獲得低內(nèi)存的發(fā)生時(shí)機(jī)。這里需要注意，只有物理內(nèi)存不足時(shí)，才會(huì)引起 onLowMemory 回調(diào)。超過(guò)虛擬內(nèi)存的大小限制則直接觸發(fā) OOM 異常。因此我們也監(jiān)聽(tīng)虛擬內(nèi)存的占用情況，當(dāng)虛擬內(nèi)存占用超過(guò)最大限制的 90% 時(shí)，觸發(fā)為低內(nèi)存告警。低內(nèi)存監(jiān)控將監(jiān)控低內(nèi)存的發(fā)生頻率、發(fā)生時(shí)各項(xiàng)內(nèi)存使用情況監(jiān)控、發(fā)生時(shí)微信的當(dāng)前場(chǎng)景等。

?

兜底保護(hù)

除了上面的各種問(wèn)題及解決手段外，面對(duì)各種未知的、難以及時(shí)發(fā)現(xiàn)問(wèn)題，目前我們也提出了一個(gè)兜底保護(hù)策略進(jìn)行嘗試。

?

從大盤統(tǒng)計(jì)的數(shù)據(jù)上看，我們發(fā)現(xiàn)微信主進(jìn)程存活的時(shí)間超過(guò)一天的用戶達(dá)千萬(wàn)級(jí)別，占比 1.5%+，倘若應(yīng)用本身或系統(tǒng)底層存在細(xì)微的內(nèi)存泄漏，短時(shí)間上不會(huì)造成 OOM，但在長(zhǎng)時(shí)間的使用中，會(huì)使得應(yīng)用占用內(nèi)存越積越大，最終也會(huì)造成 OOM 情況發(fā)生。在這種情況下，我們也在思考，如果可以提前知道內(nèi)存的占用情況，以及用戶當(dāng)前的使用場(chǎng)景，那么我們可以將這種異常的情況進(jìn)行兜底保護(hù)，來(lái)避免不可控的且容易讓用戶感知到的 OOM 現(xiàn)象。

?

?

如何兜底

OOM 會(huì)使得進(jìn)程被殺，實(shí)際上也是系統(tǒng)處理異常所拋出來(lái)的信號(hào)及處理方式。如果應(yīng)用本身也充當(dāng)起這個(gè)角色，相比系統(tǒng)而言，我們可以根據(jù)具體場(chǎng)景，更加靈活的提前處理這種異常情況。其中最大的好處在于，可以在用戶無(wú)感知的情況下，在接近觸發(fā)系統(tǒng)異常前，選擇合適的場(chǎng)景殺死進(jìn)程并將其重啟，使得應(yīng)用的內(nèi)存占用回到正常情況，這不為是一種好的兜底方式。

這里我們主要考慮了幾種條件：

?

• 微信是否在主界面退到后臺(tái) 且 位于后臺(tái)的時(shí)間超過(guò) 30 分鐘

• 當(dāng)前時(shí)間為凌晨 2～5 點(diǎn)

• 不存在前臺(tái)服務(wù)（存在通知欄，音樂(lè)播放欄等情況）

• java heap 必須大于當(dāng)前進(jìn)程最大可分配的 85% || native 內(nèi)存大于 800M || vmsize 超過(guò)了 4G（微信 32bit）的 85%

• 非大量的流量消耗（每分鐘不超過(guò) 1M） && 進(jìn)程無(wú)大量 CPU 調(diào)度情況?

?

在滿足以上幾種條件下，殺死當(dāng)前微信主進(jìn)程并通過(guò) push 進(jìn)程重新拉起及初始化，來(lái)進(jìn)行兜底保護(hù)。在用戶角度，當(dāng)用戶將微信切回前臺(tái)時(shí)，不會(huì)看到初始化界面，還是位于主界面中，所以也不會(huì)感到突兀。從本地測(cè)試及灰度的結(jié)果上看，應(yīng)用上該兜底策略，可以有效的減少用戶出現(xiàn) OOM 的情況，在灰度的 5w 用戶中，有 3、4 個(gè)是命中了這個(gè)兜底策略，但具體兜底的策略是否合理，還需要經(jīng)過(guò)更嚴(yán)格的測(cè)試才能確認(rèn)上線。

?

總結(jié)

通過(guò)上面的文章，我們盡可能多的介紹了多個(gè)方面的內(nèi)存問(wèn)題優(yōu)化手段和工程實(shí)踐。因?yàn)槠邢?#xff0c;一些不那么顯著的問(wèn)題和不少細(xì)節(jié)無(wú)法詳細(xì)展開(kāi)。總的來(lái)說(shuō)，我們優(yōu)化實(shí)踐的思路是在研發(fā)階段不斷實(shí)現(xiàn)更多的工具和組件，系統(tǒng)性的并逐步提升自動(dòng)化程度從而提升發(fā)現(xiàn)問(wèn)題的效率。

?

當(dāng)然不得不提的是，即使做了這么多努力，內(nèi)存問(wèn)題仍沒(méi)有徹底消滅，仍有問(wèn)題會(huì)因?yàn)槿鄙傩畔⒍y以定位原因、或因?yàn)闇y(cè)試路徑無(wú)法覆蓋而無(wú)法提前發(fā)現(xiàn)，還有兼容性的問(wèn)題、引入的外部組件有泄漏等等，以及我們還需要更多的系統(tǒng)化和自動(dòng)化，這是我們還在不斷優(yōu)化和改進(jìn)的方向。

?

希望已有的這些經(jīng)驗(yàn)?zāi)軐?duì)大家有所幫助，優(yōu)化沒(méi)有盡頭。

現(xiàn)在加Android高級(jí)開(kāi)發(fā)群；701740775，可免費(fèi)領(lǐng)取一份最新Android高級(jí)架構(gòu)技術(shù)體系大綱和進(jìn)階視頻資料，以及這些年年積累整理的所有面試資源筆記。加群請(qǐng)備注csdn領(lǐng)取xx資料

總結(jié)

以上是生活随笔為你收集整理的微信 Android 终端内存优化实践的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。