大厂干掉 OOM 的套路,你知道几个 !

共 16112字,需浏览 33分钟

 ·

2022-05-23 21:54

点击上方“码农突围”,马上关注
这里是码农充电第一站,回复“666”,获取一份专属大礼包

真爱,请设置“星标”或点个“在看”

文章来源:https://c1n.cn/5ug0H


目录
  • 前言

  • OOM 问题分类

  • 线程数太多

  • 打开太多文件

  • 内存不足

  • 总结


前言


随着项目不断壮大,OOM(Out Of Memory)成为奔溃统计平台上的疑难杂症之一。


大部分业务开发人员对于线上 OOM 问题一般都是暂不处理:

  • 一方面是因为 OOM 问题没有足够的 log,无法在短期内分析解决。

  • 另一方面可能是忙于业务迭代、身心疲惫,没有精力去研究 OOM 的解决方案。


这篇文章将以线上 OOM 问题作为切入点,介绍常见的 OOM 类型、OOM 的原理、大厂 OOM 优化黑科技、以及主流的 OOM 监控方案。文章较长,请备好小板凳!


OOM 问题分类


很多人对于 OOM 的理解就是 Java 虚拟机内存不足,但通过线上 OOM 问题分析,OOM 可以大致归为以下 3 类:

  • 线程数太多

  • 打开太多文件

  • 内存不足


接下来将分别围绕这三类问题进行展开分析。


线程数太多


| 报错信息

pthread_create (1040KB stack) failed: Out of memory


这个是典型的创建新线程触发的 OOM 问题。

| 源码分析

pthread_create 触发的 OOM 异常,源码(Android 9)位置如下: 
http://androidxref.com/9.0.0_r3/xref/art/runtime/thread.cc


void Thread::CreateNativeThread(JNIEnv* env, jobject java_peer, size_t stack_size, bool is_daemon) {
  ...
  pthread_create_result = pthread_create(...)
  //创建线程成功
  if (pthread_create_result == 0) {
      return;
  }
  //创建线程失败
  ...
  {
    std::string msg(child_jni_env_ext.get() == nullptr ?
        StringPrintf("Could not allocate JNI Env: %s", error_msg.c_str()) :
        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());
  }
}


pthread_create 里面会调用 Linux 内核创建线程,那什么情况下会创建线程失败呢?


查看系统对每个进程的线程数限制:

cat /proc/sys/kernel/threads-max


不同设备的 threads-max 限制是不一样的,有些厂商的低端机型 threads-max 比较小,容易出现此类 OOM 问题。


查看当前进程运行的线程数:

cat proc/{pid}/status


当线程数超过 /proc/sys/kernel/threads-max 中规定的上限时就会触发 OOM。


既然系统对每个进程的线程数有限制,那么解决这个问题的关键就是尽可能降低线程数的峰值。


| 线程优化

①禁用 new Thread


解决线程过多问题,传统的方案是禁止使用 new Thread,统一使用线程池,但是一般很难人为控制, 可以在代码提交之后触发自动检测,有问题则通过邮件通知对应开发人员。


不过这种方式存在两个问题:

  • 无法解决老代码的 new Thread

  • 对于第三方库无法控制


②无侵入性的 new Thread 优化


Java 层的 Thread 只是一个普通的对象,只有调用了 start 方法,才会调用 native 层去创建线程。


所以理论上我们可以自定义 Thread,重写 start 方法,不去启动线程,而是将任务放到线程池中去执行,为了做到无侵入性,需要在编译期通过字节码插桩的方式,将所有 new Thread 字节码都替换成 new 自定义 Thread。


步骤如下:


创建一个 Thread 的子类叫 ShadowThread 吧,重写 start 方法,调用自定义的线程池 CustomThreadPool 来执行任务。
public class ShadowThread extends Thread {

    @Override
    public synchronized void start() {
        Log.i("ShadowThread""start,name="+ getName());
        CustomThreadPool.THREAD_POOL_EXECUTOR.execute(new MyRunnable(getName()));
    }

    class MyRunnable implements Runnable {

        String name;
        public MyRunnable(String name){
            this.name = name;
        }

        @Override
        public void run() {
            try {
                ShadowThread.this.run();
                Log.d("ShadowThread","run name="+name);
            } catch (Exception e) {
                Log.w("ShadowThread","name="+name+",exception:"+ e.getMessage());
                RuntimeException exception = new RuntimeException("threadName="+name+",exception:"+ e.getMessage());
                exception.setStackTrace(e.getStackTrace());
                throw exception;
            }
        }
    }
}


在编译期,hook 所有 new Thread 字节码,全部替换成我们自定义的 ShadowThread,这个难度应该不大,按部就班,我们先确认 new Thread 和 new ShadowThread 对应字节码差异。


可以安装一个 ASM Bytecode Viewer 插件,如下所示:
通过字节码修改,你可以简单理解为做如下替换:

由于将任务放到线程池去执行,假如线程奔溃了,我们不知道是哪个线程出问题,所以自定义 ShadowThread 中的内部类 MyRunnable 的作用是:在线程出现异常的时候,将异常捕获,还原它的名字,重新抛出一个信息更全的异常。


测试代码:
    private fun testThreadCrash() {
        Thread {
            val i = 9 / 0
        }.apply {
            name = "testThreadCrash"
        }.start()
    }


开启一个线程,然后触发奔溃,堆栈信息如下:

可以看到原本的 new Thread 已经被优化成了 CustomThreadPool 线程池调用,并且奔溃的时候不用担心找不到线程是哪里创建的,会还原线程名。


当然这种方式有一个小问题,应用正常运行的情况下,如果你想要收集所有线程信息,那么线程名可能不太准确,因为通过 new Thread 去创建线程,已经被替换成线程池调用了,获取到的线程名是线程池中的线程的名字。


数据对比:同个场景简单测试了一下 new Thread 优化前后线程数峰值对比如下图。

对于不同 App,优化效果会有一些不同,不过可以看到这个优化确实是有效的。


③无侵入的线程池优化


随着项目引入的 SDK 越来越多,绝大部分 SDK 内部都会使用自己的线程池做异步操作,线程池的参数如果设置不对,核心线程空闲的时候没有释放,会使整体的线程数量处于较高位置。
    public ThreadPoolExecutor(int corePoolSize,
                              int maximumPoolSize,
                              long keepAliveTime,
                              TimeUnit unit,
                              BlockingQueue workQueue,
                              ThreadFactory threadFactory)
 
{
        this(corePoolSize, maximumPoolSize, keepAliveTime, unit, workQueue,
             threadFactory, defaultHandler);
    }


线程池几个参数:
  • corePoolSize:核心线程数量。核心线程默认情况下即使空闲也不会释放,除非设置 allowCoreThreadTimeOut 为 true。

  • maximumPoolSize:最大线程数量。任务数量超过核心线程数,就会将任务放到队列中,队列满了,就会启动非核心线程执行任务,线程数超过这个限制就会走拒绝策略。

  • keepAliveTime:空闲线程存活时间。

  • unit:时间单位。

  • workQueue:队列。任务数量超过核心线程数,就会将任务放到这个队列中,直到队列满,就开启新线程,执行队列第一个任务。

  • threadFactory:线程工厂。实现 new Thread 方法创建线程。


通过线程池参数,我们可以找到优化点如下:
  • 限制空闲线程存活时间,keepAliveTime 设置小一点,例如 1-3s

  • 允许核心线程在空闲时自动销毁
executor.allowCoreThreadTimeOut(true)


如何做呢?为了做到无侵入性,依然采用 ASM 操作字节码,跟 new Thread 的替换基本同理。


在编译期,通过 ASM,做如下几个操作:
  • 将调用 Executors 类的静态方法替换为自定义 ShadowExecutors 的静态方法,设置 executor.allowCoreThreadTimeOut(true);

  • 将调用 ThreadPoolExecutor 类的构造方法替换为自定义 ShadowThreadPoolExecutor 的静态方法,设置 executor.allowCoreThreadTimeOut(true);

  • 可以在 Application 类的 () 中调用我们自定义的静态方法 ShadowAsyncTask.optimizeAsyncTaskExecutor() 来修改 AsyncTask 的线程池参数,调用 executor.allowCoreThreadTimeOut(true);


你可以简单理解为做如下替换: 
详细代码可以参考 booster。
https://booster.johnsonlee.io/zh/guide/performance/multithreading-optimization.html#%E7%BA%BF%E7%A8%8B%E7%AE%A1%E7%90%86%E9%9D%A2%E4%B8%B4%E7%9A%84%E6%8C%91%E6%88%98


| 线程监控

假如线程优化后还存在创建线程 OOM 问题,那我们就需要监控是否存在线程泄漏的情况。


①线程泄漏监控


主要监控 native 线程的几个生命周期方法:

  • pthread_create

  • pthread_detach

  • pthread_join

  • pthread_exit


hook 以上几个方法,用于记录线程的生命周期和堆栈,名称等信息;当发现一个 joinable 的线程在没有 detach 或者 join 的情况下,执行了 pthread_exit,则记录下泄露线程信息;在合适的时机,上报线程泄露信息。


linux 线程中,pthread 有两种状态 joinable 状态和 unjoinable 状态。


joinable 状态下,当线程函数自己返回退出时或 pthread_exit 时都不会释放线程所占用堆栈和线程描述符。


只有当你调用了 pthread_join 之后这些资源才会被释放,需要 main 函数或者其他线程去调用 pthread_join 函数。


具体代码可以参考:KOOM-thread_holder。
https://github.com/KwaiAppTeam/KOOM/blob/master/koom-thread-leak/src/main/cpp/src/thread/thread_holder.cpp


②线程上报


当监控到线程有异常的时候,我们可以收集线程信息,上报到后台进行分析。


收集线程信息代码如下:
    private fun dumpThreadIfNeed() {

        val threadNames = runCatching { File("/proc/self/task").listFiles() }
            .getOrElse {
                return@getOrElse emptyArray()
            }
            ?.map {
                runCatching { File(it, "comm").readText() }.getOrElse { "failed to read $it/comm" }
            }
            ?.map {
                if (it.endsWith("\n")) it.substring(0, it.length - 1else it
            }
            ?: emptyList()

        Log.d("TAG""dumpThread = " + threadNames.joinToString(separator = ","))
    }


接下来介绍打开太多文件导致的 OOM 问题。


打开太多文件


| 错误信息

E/art: ashmem_create_region failed for 'indirect ref table': Too many open files
Java.lang.OutOfMemoryError: Could not allocate JNI Env


这个问题跟系统、厂商关系比较大。


| 系统限制

Android 是基于 Linux 内核,/proc/pid/limits 描述着 linux 系统对每个进程的一些资源限制,如下图是一台 Android 6.0 的设备,Max open files 的限制是 1024。
如果没有 root 权限,可以通过 ulimit -n 命令查看 Max open files,结果是一样的。
ulimit -n


Linux 系统一切皆文件,进程每打开一个文件就会产生一个文件描述符 fd(记录在 /proc/pid/fd 下面)。

cd /proc/10654/fd
ls


这些 fd 文件都是链接文件,通过 ls -l 可以查看其对应的真实文件路径。

当 fd 的数目达到 Max open files 规定的数目,就会触发 Too many open files 的奔溃,这种奔溃在低端机上比较容易复现。


知道了文件描述符这玩意后,看看怎么优化。


| 文件描述符优化

对于打开文件数太多的问题,盲目优化其实无从下手,总体的方案是监控为主。


通过如下代码可以查看当前进程的 fd 信息:
    private fun dumpFd() {
        val fdNames = runCatching { File("/proc/self/fd").listFiles() }
            .getOrElse {
                return@getOrElse emptyArray()
            }
            ?.map { file ->
                runCatching { Os.readlink(file.path) }.getOrElse { "failed to read link ${file.path}" }
            }
            ?: emptyList()

        Log.d("TAG""dumpFd: size=${fdNames.size},fdNames=$fdNames")

    }


| 文件描述符监控

监控策略: 当 fd 数大于 1000 个,或者 fd 连续递增超过 50 个,就触发 fd 收集,将 fd 对应的文件路径上报到后台。


这里模拟一个 bug,打开一个文件多次不关闭,通过 dumpFd,可以看到很多重复的文件名,进而大致定位到问题。

当怀疑某个文件有问题之后,我们还需要知道这个文件在哪创建,是谁创建的,这个就涉及到 IO 监控。


| IO 监控

①监控内容


监控完整的 IO 操作,包括:

  • open:获取文件名、fd、文件大小、堆栈、线程。

  • read/write:获取文件类型、读写次数、总大小,使用 buffer 大小、读写总耗时。

  • close:打开文件总耗时、最大连续读写时间。


②Java 监控方案


以 Android 6.0 源码为例,FileInputStream 的调用链如下:
java : FileInputStream -IoBridge.open -Libcore.os.open ->  
 BlockGuardOs.open -Posix.open


Libcore.java 是一个不错的 hook 点。
http://androidxref.com/6.0.1_r10/xref/libcore/luni/src/main/java/libcore/io/Libcore.java


package libcore.io;
public final class Libcore {
    private Libcore() { }

    public static Os os = new BlockGuardOs(new Posix());
}


我们可以通过反射获取到这个 Os 变量,它是一个接口类型,里面定义了 open、read、write、close 方法,具体实现在 BlockGuardOs 里面。
http://androidxref.com/6.0.1_r10/xref/libcore/luni/src/main/java/libcore/io/BlockGuardOs.java


// 反射获得静态变量
Class clibcore = Class.forName("libcore.io.Libcore");
Field fos = clibcore.getDeclaredField("os");


通过动态代理的方式,在它所有 IO 方法前后加入插桩代码来统计 IO 信息。
// 动态代理对象
Proxy.newProxyInstance(cPosix.getClassLoader(), getAllInterfaces(cPosix), this);

beforeInvoke(method, args, throwable);
result = method.invoke(mPosixOs, args);
afterInvoke(method, args, result);


此方案缺点如下:

  • 性能差,IO 调用频繁,使用动态代理和 Java 的字符串操作,导致性能较差,无法达到线上使用标准。

  • 无法监控 Native 代码,这个也是比较重要的。

  • 兼容性差:需要根据 Android 版本做适配,特别是 Android P 的非公开 API 限制。


③Native 监控方案


Native Hook 方案的核心从 libc.so 中的这几个函数中选定 Hook 的目标函数。
int open(const char *pathname, int flags, mode_t mode);
ssize_t read(int fd, void *buf, size_t size);
ssize_t write(int fd, const void *buf, size_t size); write_cuk
int close(int fd)
;


我们需要选择一些有调用上面几个方法的 library,例如选择 libjavacore.so、libopenjdkjvm.so、libopenjdkjvm.so,可以覆盖到所有的 Java 层的 I/O 调用。


不同版本的 Android 系统实现有所不同,在 Android 7.0 之后,我们还需要替换下面这三个方法。
open64
__read_chk
__write_chk


native hook 框架目前使用比较广泛的是爱奇艺的 xhook,以及它的改进版,字节跳动的 bhook。
https://github.com/iqiyi/xHook/blob/master/README.zh-CN.md

https://github.com/bytedance/bhook/blob/main/doc/overview.zh-CN.md


具体的 native IO 监控代码,可以参考 Matrix-IOCanary,内部使用的是 xhook 框架。
https://github.com/Tencent/matrix/blob/master/matrix/matrix-android/matrix-io-canary/src/main/cpp/io_canary_jni.cc


关于 IO 涉及到的知识非常多,后面有时间可以单独整理一篇文章。接下来看看最后一种 OOM 类型。


内存不足


| 堆栈信息

这种是最常见的 OOM,Java 堆内存不足,512M 都不够玩,发生此问题的大部分设备都是 Android 7.0,高版本也有,不过相对较少。


| 重温 JVM 内存结构

JVM 在运行时,将内存划分为以下 5 个部分:

  • 方法区:存放静态变量、常量、即时编译代码

  • 程序计数器:线程私有,记录当前执行的代码行数,方便在 cpu 切换到其它线程再回来的时候能够不迷路

  • Java 虚拟机栈:线程私有,一个 Java 方法开始和结束,对应一个栈帧的入栈和出栈,栈帧里面有局部变量表、操作数栈、返回地址、符号引用等信息

  • 本地方法栈:线程私有,跟 Java 虚拟机栈的区别在于 这个是针对 native 方法

  • 堆:绝大部分对象创建都在堆分配内存


内存不足导致的 OOM,一般都是由于 Java 堆内存不足,绝大部分对象都是在堆中分配内存,除此之外,大数组、以及 Android3.0-7.0 的 Bitmap 像素数据,都是存放在堆中。


Java 堆内存不足导致的 OOM 问题,线上难以复现,往往比较难定位到问题,绝大部分设备都是 8.0 以下的,主要也是由于 Android 3.0-7.0 Bitmap 像素内存是存放在堆中导致的。


基于这个结论,关于 Java 堆内存不足导致的 OOM 问题,优化方案主要是图片加载优化、内存泄漏监控。


| 图片加载优化

①常规的图片优化方式


常规的图片加载优化,可以参考文章《面试官:简历上最好不要写 Glide,不是问源码那么简单》
https://juejin.cn/post/6844903986412126216


文章核心内容大概如下:

  • 分析了主流图片库 Glide 和 Fresco 的优缺点,以及使用场景

  • 分析了设计一个图片加载框架需要考虑的问题

  • 防止图片占用内存过多导致 OOM 的三个方式:软引用、onLowMemory、Bitmap  像素存储位置


这篇文章现在来看还是有点意义的,其中的原理部分还没过时,不过技术更新迭代,常规的优化方式已经不太够了,长远考虑,可以做图片自动压缩、大图自动检测和告警。


②无侵入性自动压缩图片


针对图片资源,设计师往往会追求高清效果,忽略图片大小,一般的做法是拿到图后手动压缩一下,这种手动的操作完全看个人修养。


无侵入性自动压缩图片,主流的方案是利用 Gradle 的 Task 原理,在编译过程中,mergeResourcesTask 这个任务是将所有 aar、module 的资源进行合并,我们可以在 mergeResourcesTask 之后可以拿到所有资源文件。


具体做法:

  • 在 mergeResourcesTask 这个任务后面,增加一个图片处理的 Task,拿到所有资源文件

  • 拿到所有资源文件后,判断如果是图片文件,则通过压缩工具进行压缩,压缩后如果图片有变小,就将压缩过的图片替换掉原图


可以简单理解如下: 
具体代码可以参考 McImage 这个库。
https://github.com/smallSohoSolo/McImage


| 大图监控

上文的自动压缩图片只是针对本地资源,而对于网络图片,如果加载的时候没有压缩,那么内存占用会比较大,这种情况就需要监控了。


①从图片框架侧监控


很多 App 内部可能使用了多个图片库,例如 Glide、Picasso、Fresco、ImageLoader、Coil,如果想监控某个图片框架, 那么我们需要熟读源码,找到 hook 点。


对于 Glide,可以通过 hook SingleRequest,它里面有个 requestListeners,我们可以注册一个自己的监听,图片加载完做一个大图检测。


其他图片框架,同理也是先找到 hook 点,然后进行类似的 hook 操作就可以,代码可以参考:dokit-BigImgClassTransformer。
https://github.com/didi/DoraemonKit/blob/master/Android/buildSrc/src/main/kotlin/com/didichuxing/doraemonkit/plugin/classtransformer/BigImgClassTransformer.kt


②从 ImageView 侧监控


上面是从图片加载框架侧监控大图,假如项目中使用到的图片加载框架太多,有些第三方 SDK 内部可能自己搞了图片加载。


这种情况下我们可以从 ImageView 控件侧做监控,监听 setImageDrawable 等方法,计算图片大小如果大于控件本身大小,debug 包可以弹窗提示需要修改。


方案如下:

  • 自定义 ImageView,重写 setImageDrawable、setImageBitmap、setImageResource、setBackground、setBackgroundResource 这几个方法,在这些方法里面,检测 Drawable 大小

  • 编译期,修改字节码,将所有 ImageView 的创建都替换成自定义的 ImageView

  • 为了不影响主线程,可以使用 IdleHandler,在主线程空闲的时候再检测


最终是希望当检测到大图的时候,debug 环境能够弹窗提示开发进行修改,release 环境可以上报后台。


debug 如下效果:

当然这种方案有个缺点:不能获取到图片 url。图片优化告一段落,接下来看看内存泄漏。


| 内存泄漏监控演进

①LeakCanary


关于内存泄漏,大家可能都知道 LeakCanary:
https://github.com/square/leakcanary/


只要添加一个依赖:
debugImplementation 'com.squareup.leakcanary:leakcanary-android:2.8.1'


就能实现自动检测和分析内存泄漏,并发出一个通知显示内存泄漏详情信息。


LeakCanary 只能在 debug 环境使用,因为它是在当前进程 dump 内存快照,Debug.dumpHprofData(path); 会冻结当前进程一段时间,整个 APP 会卡死约 5~15s,低端机上可能要几十秒的时间。


②ResourceCanary


微信对 LeakCanary 做了一些改造,将检测和分析分离,客户端只负责检测和 dump 内存镜像文件,文件裁剪后上报到服务端进行分析。


具体可以看这篇文章 Matrix ResourceCanary -- Activity 泄漏及 Bitmap 冗余检测。
https://mp.weixin.qq.com/s/XL55txToSCJXM8ErwrUGMw


③KOOM


不管是 LeakCanary 还是 ResourceCanary,他们都只能在线下使用,而线上内存泄漏监控方案,目前 KOOM 的方案比较完善,下面我将基于 KOOM 分析线上内存泄漏监控方案的核心流程。
https://github.com/KwaiAppTeam/KOOM/blob/master/README.zh-CN.md


| 线上内存泄漏监控方案

基于 KOOM 源码分析:


①检测时机


间隔 5s 检测一次;触发内存镜像采集的条件。


当内存使用率达到 80% 以上:
      //->OOMMonitorConfig

      private val DEFAULT_HEAP_THRESHOLD by lazy {
        val maxMem = SizeUnit.BYTE.toMB(Runtime.getRuntime().maxMemory())
        when {
          maxMem >= 512 - 10 -> 0.8f
          maxMem >= 256 - 10 -> 0.85f
          else -> 0.9f
        }
      }


两次检测时间内(例如 5s 内),内存使用率增加 5%。


②内存镜像采集


我们知道 LeakCanary 检测内存泄漏,不能用于线上,是因为它 dump 内存镜像是在当前进程进行操作,会冻结 App 一段时间。


所以,作为线上 OOM 监控,dump 内存镜像需要单独开一个进程。


整体的策略是:虚拟机 supend→fork 虚拟机进程→虚拟机 resume→dump 内存镜像的策略。


dump 内存镜像的源码如下:
  //->ForkJvmHeapDumper

  public boolean dump(String path) {
    ...

    boolean dumpRes = false;
    try {
      //1、通过fork函数创建子进程,会返回两次,通过pid判断是父进程还是子进程
      int pid = suspendAndFork();

      MonitorLog.i(TAG, "suspendAndFork,pid="+pid);
      if (pid == 0) {
        //2、子进程返回,dump内存操作,dump内存完成,退出子进程
        Debug.dumpHprofData(path);
        exitProcess();
      } else if (pid > 0) {
        // 3、父进程返回,恢复虚拟机,将子进程的pid传过去,阻塞等待子进程结束
        dumpRes = resumeAndWait(pid);
        MonitorLog.i(TAG, "notify from pid " + pid);
      }
    }
    return dumpRes;
  }


注释 1:父进程调用 native 方法挂起虚拟机,并且创建子进程;


注释 2:子进程创建成功,执行 Debug.dumpHprofData,执行完后退出子进程;


注释 3:得知子进程创建成功后,父进程恢复虚拟机,解除冻结,并且当前线程等待子进程结束。


注释 1 源码如下:
// ->native_bridge.cpp

pid_t HprofDump::SuspendAndFork() {
  //1、暂停VM,不同Android版本兼容
  if (android_api_ < __ANDROID_API_R__) {
    suspend_vm_fnc_();
  }
  ...

  //2,fork子进程,通过返回值可以判断是主进程还是子进程
  pid_t pid = fork();
  if (pid == 0) {
    // Set timeout for child process
    alarm(60);
    prctl(PR_SET_NAME, "forked-dump-process");
  }
  return pid;
}


注释 3 源码如下:
//->hprof_dump.cpp

bool HprofDump::ResumeAndWait(pid_t pid) {
  //1、恢复虚拟机,兼容不同Android版本
  if (android_api_ < __ANDROID_API_R__) {
    resume_vm_fnc_();
  }
  ...
  int status;
  for (;;) {
    //2、waitpid,等待子进程结束
    if (waitpid(pid, &status, 0) != -1 || errno != EINTR) {
      //进程异常退出
      if (!WIFEXITED(status)) {
        ALOGE("Child process %d exited with status %d, terminated by signal %d",
              pid, WEXITSTATUS(status), WTERMSIG(status));
        return false;
      }
      return true;
    }
    return false;
  }
}


这里主要是利用 Linux 的 waitpid 函数,主进程可以等待子进程 dump 结束,然后再返回执行内存镜像文件分析操作。


③内存镜像分析


前面一步已经通过 Debug.dumpHprofData(path) 拿到内存镜像文件,接下来就开启一个后台服务来处理。
 //->HeapAnalysisService

  override fun onHandleIntent(intent: Intent?) {
    ...
    kotlin.runCatching {
      //1、通过shark将hprof文件转换成HeapGraph对象
      buildIndex(hprofFile)
    }
    ...
    //2、将设备信息封装成json
    buildJson(intent)

    kotlin.runCatching {
      //3、过滤泄漏对象,有几个规制
      filterLeakingObjects()
    }
    ...
    kotlin.runCatching {
      // 4、gcRoot是否可达,判断内存泄漏
      findPathsToGcRoot()
    }
    ...

    //5、泄漏信息填充到json中,然后结束了
    fillJsonFile(jsonFile)


    //通知主进程内存泄漏分析成功
    resultReceiver?.send(AnalysisReceiver.RESULT_CODE_OK, null)

    //这个服务是在单独进程,分析完就退出
    System.exit(0);
  }


内存镜像分析的流程如下:

  • 通过 shark 这个开源库将 hprof 文件转换成 HeapGraph 对象。

  • 收集设备信息,封装成 json,现场信息很重要。

  • filterLeakingObjects:过滤出泄漏的对象,有一些规制,例如已经 destroyed 和 finished 的 activity、fragment manager 为空的 fragment、已经 destroyed 的 window 等。

  • findPathsToGcRoot:内存泄漏的对象,查找其到 GcRoot 的路径,通过这一步就可以揪出内存泄漏的原因。

  • fillJsonFile:格式化输出内存泄漏信息。


| 小结

线上 Java 内存泄漏监控方案分析,这里小结一下:

  • 挂起当前进程,然后通过 fork 创建子进程

  • fork 会返回两次,一次是子进程,一次是父进程,通过返回的 pid 可以判断是子进程还是父进程

  • 如果是父进程返回,则通过 resumeAndWait 恢复进程,然后当前线程阻塞等待子进程结束

  • 如果子进程返回,通过 Debug.dumpHprofData(path) 读取内存镜像信息,这个会比较耗时,执行结束就退出子进程

  • 子进程退出,父进程的 resumeAndWait 就会返回,这时候就可以开启一个服务,后台分析内存泄漏情况,这块跟 LeakCanary 的分析内存泄漏原理基本差不多


不画图了,结合源码看应该可以理解。


对于 Java 内存泄漏监控,线下我们可以使用 LeakCanary、线上可以使用 KOOM,而对于 native 内存泄漏应该如何监控呢?


方案如下:

  • 首先要了解 native 层。

  • 申请内存的函数:malloc、realloc、calloc、memalign、posix_memalign。

  • 释放内存的函数:free。

  • hook 申请内存和释放内存的函数。
分配内存的时候,收集堆栈、内存大小、地址、线程等信息,存放到 map 中,在释放内存的时候从 map 中移除。

那怎么判断 native 内存泄漏呢?

  • 周期性的使用 mark-and-sweep 分析整个进程 Native Heap,获取不可达的内存块信息「地址、大小

  • 获取到不可达的内存块的地址后,可以从我们的 Map 中获取其堆栈、内存大小、地址、线程等信息


具体实现可以参考:koom-native-leak。
https://github.com/KwaiAppTeam/KOOM/blob/master/koom-native-leak/README.zh-CN.md


总结


本文从线上 OOM 问题入手,介绍了 OOM 原理, 以及 OOM 优化方案和监控方案,基本上都是大厂开源出来的比较成熟的方案:

  • 对于 pthread_create OOM 问题,介绍了无侵入性的 new Thread 优化、无侵入性的线程池优化、以及线程泄漏监控

  • 对于文件描述符过多问题,介绍了原理以及文件描述符监控方案、IO 监控方案

  • 对于 Java 内存不足导致的 OOM、介绍了无侵入性图片自动压缩方案、两种无侵入性的大图监控方案、Java 内存泄漏监控的线下方案和线上方案、以及 native 内存泄漏监控方案。


大厂对外开源的技术非常多,但不一定最优,我们在学习过程中可以多加思考, 例如线程优化,booster 对于 new Thread 的优化只是设置了线程名,有助于分析问题,而经过我的猜想和验证,通过字节码插桩,将 new Thread 无侵入性替换成线程池调用,才是真正意义上的线程优化。


有问题可以在 github 上找到我:
https://github.com/lanshifu


(完)

码农突围资料链接

1、卧槽!字节跳动《算法中文手册》火了,完整版 PDF 开放下载!
2、计算机基础知识总结与操作系统 PDF 下载
3、艾玛,终于来了!《LeetCode Java版题解》.PDF
4、Github 10K+,《LeetCode刷题C/C++版答案》出炉.PDF

欢迎添加鱼哥个人微信:smartfish2020,进粉丝群或围观朋友圈

浏览 37
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报