布景

影响

西瓜之前存在过一类RenderThread闪退，从仓库上看，悉数都是体系so调用，给人的第一印象像是一个体系bug，无从下手。闪退会集在Android 5~6上，表现为打开直播间当即闪退。该问题在2022年占据Native Crash Top5，2023年更是上升到到Top1。因而有必要投入时刻和精力再重新审视一下这个问题。在历经多周的源码剖析和排查后，逐步清晰了问题根因并修正，终究取得了显着的稳定性收益和事务收益。

接下来，咱们将抽丝剥茧，一步步深入剖析这个前史遗留问题，揭开它背后实在的原因。

根本信息

详细仓库如下：

仓库都是体系的so调用，不能清晰详细闪退事务场景，只能看出是RenderThread线程自动abort了。

依据abort message找到对应的abort代码，在CanvasContext::requireSurface时闪退了，代码如下：

问题特征：

问题会集在Android 5.0~6.0，线程会集在RenderThread，无显着机型、厂商特征。

RenderThread简介

为了便于理解下面的剖析进程，先对RenderThread简略的介绍。顺便看一下是怎么调用到CanvasContext::requireSurface的。

初步猜测

其他 App 相似问题修正

其他端App也曾有过’requireSurface() called but no surface set! ‘相关闪退。原因是：在Activity进行侧滑退出时，侧滑框架需求强制对基层Activity进行制作生成Bitmap，再用这个Bitmap来完成Activity的切换作用。但因为基层Activity此前已处于不可见状况，或许有事务层自动释放了基层Activity中的TextureView，导致了no surface set的闪退。经过对西瓜的侧滑框架的源码剖析，发现不会产生此类问题，因而西瓜的问题应该另有其因。

正面剖析西瓜问题

问题的条件是mEglSurface == EGL_NO_SURFACE，看下mEglSurface赋值为EGL_NO_SURFACE的机遇。

一共有两处：

第一处：CanvasContext::setSurface

这儿一共两处mEglSurface赋值操作。一处直接赋值为EGL_NO_SURFACE，另一处为mEglManager.createSurface的回来值。而mEglManager.createSurface在回来前判别假如是EGL_NO_SURFACE会自动abort，显然createSurface的回来值必定不是EGL_NO_SURFACE。

void CanvasContext::setSurface(ANativeWindow* window) {
    if (mEglSurface != EGL_NO_SURFACE) {
        mEglSurface = EGL_NO_SURFACE;
    }
    if (window) {//不或许回来EGL_NO_SURFACE
        mEglSurface = mEglManager.createSurface(window);
    }
}
EGLSurface EglManager::createSurface(EGLNativeWindowType window) {
    EGLSurface surface = eglCreateWindowSurface(mEglDisplay, mEglConfig, window, nullptr);
    LOG_ALWAYS_FATAL_IF(surface == EGL_NO_SURFACE,"Failed to create EGLSurface for window %p, eglErr = %s",(void*) window, egl_error_str());
    return surface;
}

那么这儿依据window是否为nullptr又能够分为两种状况：

setSurface(nullptr)之后，mEglSurface 终究赋值为 EGL_NO_SURFACE，之后调用requireSurface产生abort。
setSurface(window)，第5行会先设置为EGL_NO_SURFACE，在第10行createSurface回来之前，此时在别的一个线程调用requireSurface也会产生abort。

第二处：初始值

初始值为EGL_NO_SURFACE。只需调用CanvasContext::setSurface时，mEglSurface 才会被赋值，在此之前，调用了requireSurface也会引发闪退。

class CanvasContext : public IFrameCallback {
    private:
    EGLSurface mEglSurface = EGL_NO_SURFACE;
}

总结下来，有三个机遇调用requireSurface会导致闪退：

多线程并发，mEglSurface短暂为EGL_NO_SURFACE
CanvasContext::setSurface(nullptr)之后，即mEglSurface被毁掉
CanvasContext::setSurface之前，即mEglSurface未初始化

深入剖析

7.0+体系是怎么避免这个问题的？

从多维信息看出，问题在6.0及以下版别产生。那么7.0上体系做了哪些优化，是怎么规避咱们上面三种或许的状况的？这些优化思路对咱们解决问题能否供给协助？

比照6.0和7.0代码之后，发现谷歌直接把requireSurface这个办法移除了！

逐个翻看6.0~7.0上RenderThread相关的commit，终究找到了这个commit(8afcc769)。这儿确实是把requireSurface删除了，并在createTextureLayer中调用了一下 mEglManager.initialize()。而EglManager::initialize里的完成，是履行下EglManager的初始化，这儿跟6.0根本共同。

那6.0上的abort原来是能够直接删掉的吗？假如是这样，咱们是不是能够有样学样，测验hook requireSurface，把abort去掉，再自动调用一下mEglManager.initialize，从而到达这个commit相似的修正作用？

在云真机上找了个6.0的设备，把libhwui.so pull下来，经过 readelf -sW libhwui.so查看requireSurface的符号。发现，没有requireSurface的符号。解开so后发现，requireSurface被inline进了createTextureLayer：

再测验一下hook requireSurface的上一层调用CanvasContext::createTextureLayer，发现也没有对应的符号，只需RenderProxy::createTextureLayer 的符号。假如采用7.0的修正计划，需求修正的指令十分多。而且，这个MR中还有其他改动，要不要一同hook？这些问题暂时还没搞清楚，花大力气去做的话风险太高。

看起来，参考7.0修正计划操作难度大，而且不确定是否有用。咱们先把它作为备选计划，另谋出路！

正面剖析三种或许性

多线程问题？

CanvasContext的createTextureLayer和setSurface相关代码，都被RenderProxy搬运到了RenderThread上履行，而RenderThread又是单例的，所以这儿不存在多线程问题，因而能够直接扫除线程并发问题。

setSurface(null)导致？

前面剖析过，setSurface(nullptr)也会导致EGL_NO_SURFACE。下面是ThreadedRender一个大概的调用时序图，把几个或许产生EGL_NO_SURFACE的setSurface调用做了标记，序号24便是的闪退函数requireSurface。时序图：

能够看出在CanvasContext中，setSurface的调用有：initialize、swapBuffers、makeCurrent、updateSurface、destory、~ConvasContext。对应的java层调用为ThreadedRender中的的initialize、draw、createTextureLayer、updateSurface、destory、finalize办法。扫除一些不会呈现反常的办法：

扫除ThreadedRender.initialize

initialize时java层传过来的surface做了判别保护，能够确保surface不为nullptr，因而能够扫除initialize，代码如下：

扫除ThreadedRender.draw

draw对应的问题是swapBuffers失利。产生在swapBuffers失利时，也便是eglSwapBuffers过错了。

体系有以下两种办法处置过错：

EGL_BAD_SURFACE：打印失利日志。但翻看多个盯梢日志，均没有发现相似日志，暂时不重视。
其他EGL过错：直接abort掉，此时变成别的一个闪退，因而能够扫除。

综上，关于swapBuffers失利这种状况或许存在，但未发现相关报错日志，暂时不作过多重视。相关代码如下：

扫除ThreadedRender.finalize

ThreadedRender.finalize之后，会在native层经过delete 释放RenderProxy和ConvasContext，在~ConvasContext析构时调用setSurface(nullptr)。因而，假如之后再调用requireSurface，应该会产生SIGSEGV相关过错，不或许呈现surface not set反常。因而，也能够扫除掉。代码如下：

剩下状况

扫除了intialize、swapBuffers、finalize之后，还剩下makeCurrent失利、updateSurface(nullptr)、destory都有或许产生问题，上游调用比较多追寻起来仍然比较困难，暂时无法扫除。

初始化前触发了requireSurface？

一般来说，setSurface的初次调用是在initialize中。那么，假如在initialize之前就调用了requireSurface，是不是就会出问题呢？早年面的剖析能够看出，requireSurface的上游是java层的createTextureLayer，而createTextureLayer的调用途只需一个，在TextureView的getHardwareLayer中。

getHardwareLayer是View的一个办法，默认回来null。从注释上也能看出，在6.0上只需TextureView用到了这个办法，调用途也只需移除在getBitmap中。在7.0上也是直接把getHardwareLayer从View中移除了，变成TextureView的一个办法。而getBitmap是个public办法，这儿是能够被app调用到的。

闪退的前提条件：

ThreadedRender.initialize还未调用
ThreadedRender.destroy或许ThreadedRender.updateSurface(null)之后

在Java层触发requireSurface步骤如下：

TextureView.getBitmap => ThreadedRender.createTextureLayer => ConvasContext::requireSurface

终究定位

验证剖析定论

经过前面的剖析，找到了问题的前提条件，并发现了一条触发requireSurface的办法。那么，就能够完毕纸上谈兵，经过实操来在本地复现这个闪退，来实锤前面的定论。

ThreadedRender.initialize还未调用

因为ThreadedRenderer不是公开api，需求经过反射来创立实例。拿到实例后不调用其intialize办法，直接反射调用createTextureLayer。代码如下：

公然，复现了’requireSurface() called but no surface set!’ 这个问题：

destroy或updateSurface(null)

经过反射创立ThreadedRender实例，先履行ThreadedRender.intialize，之后调用destroy或updateSurface清空surface，最终调用createTextureLayer，也成功复现了这个闪退。

事务场景定位

前面的复现，只是从技能层面承认了问题产生的几种或许，但还没有与事务场景相关起来。实在的问题是否在前面提到的这几种或许中间？假如在的话，那详细的调用点在哪，又该怎么修正？

测验在实在场景中复现

经过shaddow hook RenderProxy的Initialize、destroy、updateSurface、createTextureLayer等函数，在hook函数中打印一些日志。因为RenderProxy或许存在多个实例，需求在日志里加上RenderProxy实例的地址来便利追寻单个RenderProxy调用时序。

hook函数如下：

尽管这个问题在android 6上闪退率比较高，但我用6.0测验机跑自动化测验，仍是没有复现这个问题。

线上定位

问题不是必现的，排查进程在线下难以为继。而只需在实在的事务场景中复现，才能清晰问题根因，找到最佳修正计划。因而，需求加把这些hook点上线进一步排查。上线无小事，线下能够小步快走，逐步定位问题。但上线脚步必定要稳，不能迈太大。但也不能太小，否则周期会拉的很长。所以，既要保证有足够的信息排查，也要尽或许的下降稳定性和功能影响。

清晰事务仓库

前面的hook计划只能承认实在事务场景是否也有调用时序问题，并不清楚详细的事务调用仓库。

从事务上层代码到反常点，必定经过了ThreadedRender的Initialize、destroy、update、createTexture等办法，那么经过java hook把这些办法hook住，并打印仓库应该就定位到事务代码。需求注意的是：

稳定性问题

Java hook 现在主流的计划中还没有能到达线上大规模运用的水平，只能小流量观察。

保证计划：体系版别约束在6.0，放量计划1%->5%->10%，小流量观察。

功能问题

因为这些api调用频率或许很高，也都在主线程，直接打印仓库会影响功能。实在需求重视的便是反常前的几回调用，且有些case能够经过以下条件预判，其余的仓库都不必要甚至是干扰信息。需求重视的仓库如下：

initialize：不需求仓库。只需知道有没有调用过，打印一行日志即可。
destroy：有必要悉数打印仓库。产生在反常前，无法预判过滤。
updateSurface：surface==null时打印仓库。surface不为null不会导致反常。
createTextureLayer：未初始化或许surface==null时打印仓库。只需这两种或许会有反常。

总结：能够经过surface是否为null、initialize是否调用过这两个条件削减stackTrace。

在ThreadedRender中，surface都被透传给了native层，没有对应的Java引用，需求手动保护一个java 层的实例。初始化状况能够经过反射ThreadedRenderer.mInitialized拿到，不过已然已经hook intialize和destroy了，这儿也挑选手动保护一个初始化状况，究竟能够削减一次反射调用。

public class ThreadedRenderer extends HardwareRenderer {
    private boolean mInitialized = false;
    @Override
    void updateSurface(Surface surface) throws OutOfResourcesException {
        updateEnabledState(surface);//透传给了Native层，Java层没有引用
        nUpdateSurface(mNativeProxy, surface);
    }
}

Java hook伪代码如下：

public static class ExtraInfo {
    private boolean isSurfaceNull = true;
    private boolean mInitialized = false;
}
static Map<Object, ExtraInfo> infoMap = new ConcurrentHashMap<>();
private static ExtraInfo extraInfo(Object instance) {
    ExtraInfo threadedRendererInfo = infoMap.get(instance);
    if (threadedRendererInfo == null) {
        threadedRendererInfo = new ExtraInfo();
        infoMap.put(instance, threadedRendererInfo);
    }
    return threadedRendererInfo;
}
public static boolean initializedHook(Object instance,Surface surface) {
    extraInfo(instance).mInitialized = true;
    return (Boolean) Hubble.callOrigin(initializeHookEntry, instance, surface);
}
public static void destroyHook(Object instance) {
    infoMap.remove(instance);
    Log.d("REPAIR", "destroy", new Throwable());
    Hubble.callOrigin(destroyHookEntry, instance);
}
public static void updateSurfaceHook(Object instance, Surface surface) {
    extraInfo(instance).isSurfaceNull = surface == null;
    if (surface == null) {
        Log.d("REPAIR", "updateSurface null ", new Throwable());
    }
    Hubble.callOrigin(destroyHookEntry, instance);
}
public static void createTextureLayerHook(Object instance) {
    ExtraInfo extraInfo = extraInfo(instance);
    if (extraInfo.mInitialized || extraInfo.isSurfaceNull) {
        Log.d("REPAIR", "createTextureLayer null ", new Throwable());
    }
    return Hubble.callOrigin(createTextureHookEntry, instance);
}

线上日志

上线后成功采集到了要害的Java调用仓库！根本都会集在直播事务场景下，初始化前调用requireSurface。也有一些零星的destroy之后requireSurface的case，因为量级太小本文不做要点评论。

ThreadedRender.Initialize之前

日志截图如下：

调用时序问题承认：

关于地址为0x814a0b0的RenderProxy实例，没有它intialize相关调用日志，只需一条createTextureLayer调用日志。能够清晰，这个RenderProxy实例是在initialize之前调用createTextureLayer导致闪退！

Java 仓库剖析：

Log.d会对过长的仓库进行截取，FrameLayout.onMeasure之前的都被截取了，不过关于排查问题，影响不大。

仓库要害信息收拾如下：

闪退时正在履行onMeasure
在com.bytedance.android.livesdk.chatroom.ui.LivePlayerWidget.loadSharedPlayer中调用了TextureView的getBitmap办法，再到ThreadedRender.creatTextureLayer，之后就产生了Native crash。

为什么没有intialize？

onMeasure会早于ThreadedRender.initialize履行吗？

ThreadedRender.initialize和performMeasure相关的代码都在performTraversals中，再次回到源码中去剖析。从代码结构来看，initialize前后都有measure相关操作。initialize之前经过measureHierarchy调用了performMeasure，initialize之后是直接调用performMeasure。因为measureHierarchy外部包了许多判别条件，所以不能直接从代码行的上下关系，得出measure早于initialize的定论，但咱们能够坚持这个怀疑进一步验证。

这个办法过于巨大，移除无关代码后如下：

private void performTraversals() {
    if (mFirst) {
        mLayoutRequested = true;
    }
    boolean layoutRequested = mLayoutRequested && (!mStopped || mReportNextDraw);
    if (layoutRequested) {
        windowSizeMayChange |= measureHierarchy(host, lp, res, desiredWindowWidth, desiredWindowHeight);
    }
    if (mApplyInsetsRequested) {
        if (mLayoutRequested) {
            windowSizeMayChange |= measureHierarchy(host, lp, mView.getContext().getResources(), desiredWindowWidth, desiredWindowHeight);
        }
    }
    if (mFirst || windowShouldResize || insetsChanged || viewVisibilityChanged || params != null) {
        if (!hadSurface) {
            if (mSurface.isValid()) {
                if (mAttachInfo.mHardwareRenderer != null) {
                    hwInitialized = mAttachInfo.mHardwareRenderer.initialize(mSurface);
                }
            }
        }
        if (!mStopped || mReportNextDraw) {
            if (focusChangedDueToTouchMode || mWidth != host.getMeasuredWidth() || mHeight != host.getMeasuredHeight() || contentInsetsChanged) {
                performMeasure(childWidthMeasureSpec, childHeightMeasureSpec);
            }
        }
    }
}
private boolean measureHierarchy(final View host, final WindowManager.LayoutParams lp,
                                 final Resources res, final int desiredWindowWidth, final int desiredWindowHeight) {
    boolean goodMeasure = false;
    if (lp.width == ViewGroup.LayoutParams.WRAP_CONTENT) {
        if (baseSize != 0 && desiredWindowWidth > baseSize) {
            performMeasure(childWidthMeasureSpec, childHeightMeasureSpec);
            if ((host.getMeasuredWidthAndState()&View.MEASURED_STATE_TOO_SMALL) == 0) {
                goodMeasure = true;
            } else {
                performMeasure(childWidthMeasureSpec, childHeightMeasureSpec);
                if ((host.getMeasuredWidthAndState()&View.MEASURED_STATE_TOO_SMALL) == 0) {
                    goodMeasure = true;
                }
            }
        }
    }
    if (!goodMeasure) {
        performMeasure(childWidthMeasureSpec, childHeightMeasureSpec);
    }
    return windowSizeMayChange;
}

因为仓库被裁剪了，无法承认反常是从哪个分支过来的。不过没关系，注意到当mFirst=true时，满意layoutRequested = true，会先调用履行measureHierarchy，能够在本地模拟mFirst=true这种状况，即可验证。

本地经过onMeasure复现

本地写个demo，在FrameLayout.onMeasure中当即调用TextureView.getBitmap，并经过反射查看mFirst的值，找个6.0的云真机验证一下。onMeasure会接连履行屡次，只需第一次的mFirst为true，但没能复现问题，代码如下：

protected void onMeasure(int widthMeasureSpec, int heightMeasureSpec) {
    boolean first=reflectFirst();//反射获取mFirst
    activity.log("mFirst=" + first);
    Bitmap bitmap = mTextureView.getBitmap(mBitmap);
    super.onMeasure(widthMeasureSpec, heightMeasureSpec);
}

再来看下mTextureView.getBitmap的完成，

    public Bitmap getBitmap(Bitmap bitmap) {
        if (bitmap != null && isAvailable()) {
            if (mLayer == null && mUpdateSurface) {
                getHardwareLayer();
            }
        }
        return bitmap;
    }
    public boolean isAvailable() {
        return mSurface != null;
    }
    public void setSurfaceTexture(@NonNull SurfaceTexture surfaceTexture) {
        mSurface = surfaceTexture;
    }

能够看到，要想履行到ThreadedRender.createTextureLayer还需求满意以：isAvailable()为true，手动调用一下TextureView.setSurfaceTexture就能够满意。

依据猜测，再次编写代码终于复现成功！ demo如下：

mTextureView.setSurfaceTexture(new SurfaceTexture(0));
protected void onMeasure(int widthMeasureSpec, int heightMeasureSpec) {
    boolean first=reflectFirst();
    activity.log("mFirst=" + first);;
    mTextureView.getBitmap(mBitmap);
    super.onMeasure(widthMeasureSpec, heightMeasureSpec);
}

测验只在mFisrt=false时履行getBitmap，再次运行，不崩了。可见反常的要害条件便是mFirst！

 if (!first) { //没问题
    mTextureView.getBitmap(mBitmap);
 }

问题根因

整理下整体流程。ViewRootImpl初次performTraversals时(mFirst=true)，onMeasure会早于ThreadedRenderer.initialize。而事务方在onMeasure中又调用了TextureView.getBitmap，终究在native层会调用CanvasContext::requreSurface。因为还没有履行过CanvasContext::initialize，当时mEglSurface为EGL_NO_SURFACE，于是在Android5~6上触发了abort，产生surface not set的反常。

总结起来：在android6.0上，ViewRootImpl初次performTraversals时，如过在onMeasure中调用了TextureView.getBitmap，就或许会产生这个反常。

线上还存在一些零星的destroy之后requireSurface、swapBuffers失利后requireSurface的反常，因为排查思路大同小异，这儿就不打开说了。

修正计划

经过字节码插桩全局替换TextureView.getBitmap办法，当ViewRootImpl.mFirst=true时，就回来默认值而不履行getBitmap原有逻辑，这样就不会调用到ThreadedRender.createTextureLayer。

但因为mFirst只能经过反射获取，这或许会影响performTraversals功能，有没有功能更好的计划？

经过代码剖析，发现performTraversals会经历layout阶段，而layout之后View会添加一个PFLAG3_IS_LAID_OUT：

 /**
* Flag indicating that the view has been through at least one layout since it
* was last attached to a window.
*/
static final int PFLAG3_IS_LAID_OUT = 0x4;
public void layout(int l, int t, int r, int b) {  
    mPrivateFlags3 |= PFLAG3_IS_LAID_OUT;
}
public boolean isLaidOut() {
    return (mPrivateFlags3 & PFLAG3_IS_LAID_OUT) == PFLAG3_IS_LAID_OUT;
}

因而，能够经过isLaidOut ()获取到这一个特点，到达和mFirst根本共同的作用。

终究计划：

插装替换全局TextureView.getBitmap调用，添加textureView.isLaidOut()判别。

public static boolean isGetBitmapSafe(TextureView textureView) {
    return Build.VERSION.SDK_INT > 23 || textureView.isLaidOut() || !AppSettings.inst().mFerretSettings.autoFixRequireSurface.enable();
}
@ReplaceMethodInvoke(targetClass = TextureView.class, methodName = "getBitmap", includeOverride = true)
public static Bitmap getBitmapHook(TextureView textureView) {
    return isGetBitmapSafe(textureView) ? textureView.getBitmap() : null;
}
@ReplaceMethodInvoke(targetClass = TextureView.class, methodName = "getBitmap", includeOverride = true)
public static Bitmap getBitmapHook(TextureView textureView, int width, int height) {
    return isGetBitmapSafe(textureView) ? textureView.getBitmap(width, height) : null;
}
@ReplaceMethodInvoke(targetClass = TextureView.class, methodName = "getBitmap", includeOverride = true)
public static Bitmap getBitmapHook(TextureView textureView, Bitmap bitmap) {
    return isGetBitmapSafe(textureView) ? textureView.getBitmap(bitmap) : bitmap;
}

修正作用

试验全量后requireSurface 相关crash显着下降，观察两周事务指标没有显着劣化，直播场景有正向收益，符合预期。全量后量级大幅下降，还剩下一小部分主要是老版别、以及一些少量的destroy、swapBuffer失利相关的问题。

事务收益：看播渗透显着进步；人均看播天数显着进步；

稳定性收益：Native Crash大幅下降

后续考虑

这个requireSurface问题产生在RenderThread，但形成问题的原因在主线程，因而假如能在RenderThread线程产生native crash时抓到主线程java仓库，就能够定位到事务根因，也就不需求一系列自下而上地代码剖析来寻觅hook点了。

因而，后续有RenderThread线程反常时，应该把主线程仓库上报上来，进步RenderThread问题的排查效率。

参加咱们

咱们是字节跳动西瓜视频客户端团队，专注于西瓜视频 App 的开发和根底技能建设，在客户端架构、功能、稳定性、编译构建、研发工具等方向都有投入。假如你也想一同攻克技能难题，迎候更大的技能应战，欢迎点击阅读原文，或许投递简历到xiaolin.gan@bytedance.com。

最 Nice 的工作气氛和生长时机，福利与机遇多多，在上海和杭州均有职位，欢迎参加西瓜视频客户端团队！

文章引荐

客户端架构设计的进程

Android D8编译器“bug”导致Crash的问题排查

Baseline Profile 装置时优化在西瓜视频的实践文章引荐客户端架构设计的进程

西瓜视频RenderThread引起的闪退问题攻坚历程

布景

影响

根本信息

RenderThread简介

初步猜测

深入剖析

7.0+体系是怎么避免这个问题的？

正面剖析三种或许性

多线程问题？

setSurface(null)导致？

初始化前触发了requireSurface？

终究定位

验证剖析定论

事务场景定位

线上定位

线上日志

为什么没有intialize？

问题根因

修正计划

修正作用

后续考虑

参加咱们

作者信息

西瓜视频RenderThread引起的闪退问题攻坚历程

布景

影响

根本信息

RenderThread简介

初步猜测

深入剖析

7.0+体系是怎么避免这个问题的？

正面剖析三种或许性

多线程问题？

setSurface(null)导致？

初始化前触发了requireSurface？

终究定位

验证剖析定论

事务场景定位

线上定位

线上日志

为什么没有intialize？

问题根因

修正计划

修正作用

后续考虑

参加咱们

相关文章

再次吐槽鸿蒙

【重学C/C++系列（九）】：深拷贝和浅拷贝的那点事

从0到1设计通用数据大屏搭建平台

[Android禅修之路] 解读Layer

作者信息