前言
成为一名优秀的Android开发,需要一份完备的知识体系,在这里,让我们一起成长为自己所想的那样~。
本篇是 Android 内存优化的进阶篇,难度可以说达到了炼狱级别,建议对内存优化不是非常Q e J ( G K熟悉2 Q @ Y s的仔细看看前篇文章: Android性能优化之内存优化,其中详细分析了以下几大模块:
- 1)Y ] 0 g 7 ] & A、Android的内存管理机制
- 2)、优化内存的意义
- 3)、避免内存泄漏
- 4)、优化内存空间
- 5)、图片管理模块的设计与实现
如果你对以上基础内容都比较了解了J { q I y,那么我们便开始 Android 内存优化的探索之旅吧。
本篇p ) j 4 ~ z文章非常长,X m M 建议收藏后慢慢享用~
![](https://www.6hu.cc/storage/2020/04/1587040771-0e881b9e3ac85da.png)
目录
- 一、重识内存优化
- 1、手机RAM
- 2、内存优化的纬度
- 3、内存问题
- 二、常见工具选择
- 1、Memory Profiler
- 2、Memory Analyzer
- 3、LeakCanary
- 三、Android内存管理机制回顾
- 1、Java 内存分; ] ( y N h配
- 2、Java 内存回收算法
- 3、Android 内存管理机制
- 4、小结
- 四、内存抖动
- 1、那么,为什么内存抖动会导致 OOM?
- 2、内存抖动解决实战
- 3、内存抖动常见案例
- 五、内存优化体系化搭建
- 1、MAT回顾
- 2、搭建体系6 ] J y { ~ W 8 U化的图片优化 / 监控机制
- 3、建立线上应用内存P } 4 Q Z ; @监控体系
- 4、建立全局的线程监控组件
- 5、GC 监控组件搭建
- 6、建立线上 OOx | rM 监控组件:Probe
- 7、实现 单机版 的 Profile Memq W mory 自动化内存分析
- 8、搭建线下 Native 内存泄漏监控体系
- 9、设置内存兜底策略
- 10、更深入的内存优化策略
- 六、内存优化演进
- 1、自动化测试阶段
- 2、LeakCanary
- 3、使用基于 Le% p ` =akCannary 的改进版 ResourceCanary
- 七~ x 1、内存优化工具
- 1、top
- 2` j E C f *、dumpsys meminfo
- 3R r j 6 C、LeakInspect– y s x u e F H Dor
- 4、JHat
- 5、ART GC Log
- 6、Chrome Devtool
- 八、内存问题总结
- 1、内类是有危险的编码方式
- 2、普通 Hanlder 内部类的问题
- 3、登录界面的内存问题
- 4、使用系统服务时产生的内存问题
- 5、把 WebView 类型的泄漏装进垃圾桶进程
- 6、在适当的时候对组件进行注销
- 7、Handler / Fra. w d P X A d ~ `meLayout 的 postDelyed 方法触发的内存问题
- 8、图片放错资源目录也会有内存问题
- 9、列表 item 被回收时注意释放图片的引用
- 10、使用 ViewStub 进行占. m y B 9 1位
- 11、注意定时清理 App 过时的埋点数据
- 12、针对匿名内W G . d部类 RunnaU j k $ [ * 1ble 造成内存泄漏的处理
- 九、内存优化常见问题
- 1、你们内存优化项目的过程是怎么做的?
- 2、你做了内存优化最大的感受是什么?
- 3、如何检测所有不合理的地方?
- 十、总结
- 1、优h H q t n化大方向
- 2、优化细节
- 3、内存优化体系化建设总结
一、重识内存优化
Android给每个应用进程分配的内存都是非常有限的,那么,为什么不能把图片下载下来都放到磁T l w 0 :盘中呢?那是; W e | , %因为放在 内存 中,展示会更 “快”,快的原因有两点,如下所示:
- 1)、硬件快:内存本身读取、存入速度快。
- 2)、复用快: X M , f:解码成果有: a ;效保存,复用时,直接使用解码后对象h 8 4 o B , =,而不是再做一次图像解码。
这里说一下解码的概念。Android系统要在屏幕上展示图片的时候只认 “像素缓冲j q a %”,而这也是大多数操作系统的特征。而我a ( o * o b K k们 常见的jpg,png等图片格式,都是把 “像素缓冲” 使用不同的手段压缩后的结果,所以这些格式的图片,要在设备上 展示,就 必须经过一次解码,它的 执行速度会受图L } Q – 2 h片压缩比、尺寸等因素f / d r @ , 8 t影响。(官方建议:把从内存中淘汰的图片,降低压缩比后存储) s 0 K ! | P ~到本地,以备后用,这样可以最大限度地降低以后复用时的解码开销。)
下面,我们来了解一下内存优化的一些重要概念。
1、手机RAM
手机不使用 PC 的 DDR内存,采用的是 LPDDR RAM,即 ”低功耗双倍数据速率内存“。其计算规则如下所示:
LPDDR系列的带宽 = 时钟频率 ✖️内存总线位数 / 8
LPDq p SDR4 = 1600MHZ ✖️64 / 8 ✖️双倍速率 = 25.6GB/s。
那么内存占用Q h :是否越少越好?
当系统R * A j V M M L C 内存充足 的时候,我们可以 多用 一些获得 更好的性能。当系统 内存不足 的时候,我们希望可以做到 ”用时分配,及时释放“。
2、内存优化的纬度
对于Android内存优化来说又可以细分为如下两个维度,如下所示:
- 1)r z + M、RAM优化
- 2 K ) [ D N x J)、ROM优化
1、RAM优化
主要是 降低运行时内存。它的] u G ` } y 目的 有如下三个:
- 1)、防止应用发生OOM。
- 2)、降低应用由于内存过大被LMK机制杀死的概率。
- 3)、避免不合理使用内存导致GC次数增多,从而导致应用发生卡顿。
2、ROM优化
降低应用占ROM的体积,进行APK瘦身。它的 目的 主要是为了 降低应用占用空间,避免因ROM空间不足导致程序无法安装。
3、内存问题
那么,内存问题主要是有哪几类呢?内存问题通常来说,可以细分为如下 三类:
- 1)、内存抖动
- 2)、内存泄漏
- 3)、内存溢出
下面,我们来了解下它们。
1、内存抖动
内存波动图形呈 锯齿张、GC导致卡顿。
这个问题在 Dalvik虚拟机 上会 更加明显,而 ART虚拟机 在 内存管理跟回收策? a i H $ `略 上都做了O Y u 大量优化,内存分配和GC效率相比提升了5~10倍,X x 1所以 出现内存抖动的概率会小很多。
2、内存泄漏
Android系统虚拟机的垃圾回收是通过虚拟机GC机制来实现的。GC会选择一些还存活的对象作为内存遍历的根节点GC Roots,通过对GC Roots的可达性来判断i s ; # = p ( h `是否需要回B 0 = k G ; n & a收。内存泄漏就是 在当前应用周期内不再使用的对象被GC Roots引用,导致不能回收,使实际可使用内存变小。简言之,就是 对象被持有导致无法释放或不5 z ( v A c % R能按照对象正常的生命周期进行释放。一般来说,可用内存减少、频繁GC,容易导致内存泄漏。
3、内存溢出
即OOM,OOM时会导致程序` t m h ( x ,异常。Android设备` ( E P k v , 2 3出厂以后,java虚拟机对单个应用的最大内存分配V _ }就确定下来了,超出这个值就会OOM。单个应用可用的最大内存对应于 /system/build.prop 文件中的 dalvik.k u z m i vvm.heapgB | ( * 1 . o lrowthlimit。
此外,除了因内存泄漏累积到一定程度导致OOM的情况以外,也有一次性申请很多内* T 2 @ q A存,比如说 一次创建大的数组或者是载入大的文件如图片的时候会导致OOM。而且,实际情况下 很多OOM就是因图片处理不当 而产生的。
二、常见工具选择
在 Android性能优化之内存优化 中我们已经介绍过了相关的优化工; E ) . B @ %具,这里再简单回顾一下。
1、MemoryP v H i U E i ! Profiler
作用
- 1)、实时图表展示应用内存使用量。
- 2)、用于识别内存泄漏、抖动等。
- 3)、提供捕获堆转T C 7 0 d t v ^储、强制GC以及根据内存分配的能力。
优点
- 1)、方便直观
- 2)、线下使用
2、Me* _ `mory Analyzer
强大的 Java Heap 分析工具,查找 内存泄漏及内存占用,
生成 整体报告、分析内存问题 等等。建议 线下深入使用。
3、LeakCanary
自动化 内存泄漏检测神器。建议仅用于线下集成。
它的 缺点 比较明显,具体有如下两点:
- 1)、虽然使用了 idleHandler与多进程,但是 dumphprof 的 SuspendAllf q M y n D W Thread 的特性依然会导致应用& d 2 B p卡顿。
- 2)、在三星等手机,系统会缓存最后一个5 H ` z & – * ( QActivity,此时应该采用更严格的检测模式。
三、Android内存管理机制回顾
ART 和 Dalvik 虚拟机使用 分页和内存映射 来管理内存。下面我们先从Java的内存分配开始说起。
1、Java 内存分配
Java的@ E S G 内存分配区域 分为如下 五部分:
- 1)、方法区:主要存放静态常量。
- 2)、虚拟机栈:Java变量引用。
- 3)、本地方法栈:native变量引用。
- 4)、堆:对象。
- 5)、程序计数器:计算当前线程的当前方法执行到多少行。
2、Java 内存回收算法
1、标记-清R | M f , ?除算法
流程可简述为 两步:
- 1)、标S s b S F记所有需要回收的对象。
- 29 C & C Q h f)、统一回收所有被标记的对象# & 2。
优点
实现比较简单。
缺点
- 1)、标记、清除效率不高。
- 2)、产生大量内存碎片。
2、复制算法
流程可简述为 三步:
- 1)、` 5 – @ p将内存划分为大小相等的两块。
- 2)、一块内存用完之后复制存活对象到另一块。
- 3)、清理另一块内存l D 4 v ] # E &。
优点
实现简单,运行高效,每次仅需遍历标记一半的内存区域。
缺点
会浪费一半的空间,代价大。
3、标记-整理算法
流程可简述为 三步:
- 1)、标记过程与 标记-清除算法 一样。
- 2)、存活对象往一端进行移动。
- 3)、清理其余内存。_ B # C ~
优点
- 1)、避免 标记-清除 导致的内存碎片` h L , 0 ] b Q。
- 2)、避免复制算法的空间浪费。
4、分代收集算法
现在 主流的虚拟机 一般用的比较多的还是分代收集算法,它具有如下 特点:
- 1)、结合多种算法优势。
- 2)、新生代对象存活率低,使用 复制算法。
- 3)、老年代对象存活率高,使用 标记-整理算法。
3、Android 内存管v + O I y x v { P理机制
Android 中的内存是 弹性分配 的,分配值 与 最大值 受具体设备影响。
对于 OOM场景 其实可以细分为如下两种:
- 1)、内存真正不足。
- 2)、可用(被分配的)内存不足。
我们需要着重注意一下这两种的区分。
4、小结
以AndrB X b _ l j *oid中虚拟机的角度来说,我们要清楚 DalvQ j N #ik 与 ART 区别,Dalvik 仅固定一种回收算法,而 ART 回收算法可在 运行期按需选择,并且,AR8 C e h jT 具备 内存整理 能力,减少内存空洞。
最后,LMK(Low Memory killer) 机制保证了进程资源的合理利用V w X i W ` Q [ o,它的实现原理主要是 根据进程分类和回收收益来综合决定的一套算法集。m y
四、内存抖动
当 内存频繁分配和回收 导致内$ p /存 不稳定,就会出现内存抖动,它通常表现为 频繁GC、内存曲线呈锯齿状。
并且,它的危害也很严重,通常会导致 页面卡顿,甚e M _ o } N至造成 OOM。
1、那么,为什么内l o y W q O n存抖动会导致 OOM?
主要原因有如下两点:
- 1)、频繁创建对象,导致内存不足及碎片(不连续)。
- 2)、不连续的内存片无法被分配,导致OOM。
2、内存抖动解决实战
这里我们假设有这样一个场景– d F M B Q:点击按钮使用 handler 发送一个空消息,handler 的 handleMessage 接收到消息L T L K o后创建内存抖动,即在 for 循环创建 100个容量为10万 的 stringo / # $ ( ~ hs 数组并在 30ms 后继续发送空消息。
一般使用 Memory Profiler (表现为 频繁GC、内存曲线呈锯齿状)结合代码排查即可找到内存抖动出现的地方。
通常的技巧就是着重查看 循环或频繁被调用 的地方。
3、内存抖动常见案例
下面列举一些导致内存抖动的常见案例,如下所示:
1、字符串使用加号拼接
- 1)、使用S; B D = ?tringBuilder替代。
- 2)、初始化时设置容量,减少StringBY L _ ` fuilder的扩容。
2K E l K B * 5 2 #、资源复用
- 1)、使用 全局缓存池,以 重用频繁申请和释放~ $ * C ` r m的对象。
- 2)、注意D 3 4 # 结束 使用后,需要 手动释放对象池中的对象。
3、减少不合理的对象创建
- 1)、ondraw、getView 中创建的对象尽量进行复用。
- 2)、避免在循环中不断创建局部变量。
4、使用合理的数据结构
使用 SparseArray类族、ArrayMap 来替代 HashMap。
五、内存优化体系化搭建
在开始我们今天正式的主题之前,我们先来回归一下内存泄漏的概念与解决技巧。
所谓的内存泄漏就是 内存中存在已经没有用的对象。它的 表现 一般为 内存抖动、可用内存逐渐减少。
它的 危害 即会导致 内存不足、GC频繁、OOM。
而对于 内存泄漏的分析 一般可简述为如下D g B t ) O 两步:
- 1)、使用 Memory Profiler 初步观察。
- 2)、通过 Memory Analyzer 结合代码确认。
1、MAT回顾
MAT查找内存泄漏
对于MAT来说,其常规的查找内存泄漏的方式可以细分为如下三步:
- 1)、首先,找到当K v k前 Acg v a @ * Ztivity,在 Histogram 中选择其 ListG ] D [ ` Objects 中的 wik C [ 8 =th incoming reference(哪些引用引向了我)。
- 2)、然后,选择当前的一个 Path to GC Roots/Merge to GC Roots 的 exclude AK O #ll 弱软虚引用。
- 3)、最后,找到的泄漏对象在左下角下会有一个小圆圈。
此} W !外,在 Android性能优化之内存优化 还有几种进阶的使用方式,这里就不一一赘述了,下面,我们来看看关于 MAT 使用时的一些关键细节。
MAT的关键使用细节
要全面掌握MAT的用法,必须要先了解 隐藏在 MAT 使用中的四大细节,如下所示:
- 1)、善于使用 Regex 查找对应泄漏类。
- 2)、使用 group by package 查找{ | H A S % D对应包下的具体类。
- 3)、明白 with outgoiG c D 5 _ng references 和 with incomi_ % 9ng references 的区别。
- with outgoing references:它引用了哪些对象。
- with incoming references:哪些对象引用了它。
- 4)、了解 Shallow Heap 和 Retained Heap 的区别。
- Shallow Heap:表示对象自身占用的内存。
- Retained Heap:对象自身占用的内存 + 对象引用的] p C k I v v 0对象所占用的内存。
MAT 关键组件回顾
除此之外,MAT 共有 5个m [ 0 w O Q关键组件 帮助我们去分析内存方面的问题,分别如下所示:
- 1)、DominatN – @ 0or_tree
- 2)、Histogram
- 3)、thread_overview
- 4)、Top Consumers
- 5)、Leak Suspects
下面我们这里再简单地回f [ 3 X f E顾一下它4 q 7 $ z e 7 u ?们。
1、Dominator(支配者):
如果从GC Root到达对象A的路径上必须经过对象B,那么B就是A的支配者。
2、HisC Z J u F b (togram和dom^ ] x – finator_tree的区别:
- 1)、Histogram 显示 Shallow Heap、Retained Heap、Objects,而 dominator_tree 显示的是 Shallow Heap、Retained Heap、Per 8 ; + . K A )centc l p f = Fage。
- 2)、HistD 8 { i 9 O + @ ~ogram 基于 类 的角k f I r度,dominator_tre^ v O W ( ^ ;e是基于 实例 的角度。HistX n n I eogram 不会具体显示每一个泄a [ % U漏的对象,而dominator_tree会。
3、thread_overview
查看 线程数量 和 线程的 Shallow Heap、/ ! QRA D _etained Heap、Context Class Loader 与 is DU / 0aemon。
4、Top Consumers
通过 图形 的形式列出 占用内存比较多的对象。
在下方的 Biggest Objects 还可以查看其 相对比较详细的信息,例如 Shallow Heap、Retained Heap。
5、Leak Suspects
列出有内存泄漏的地方,点击 Details 可以查看其产生内存泄漏的引用链。
2、搭建体系化的图片优化 / 监控机制
在w 6 @ B . T u q介绍图片监控体系的搭建之前,首先我们来回顾下 Android Bitmap 内存分配的变化。
Android Bitmap 内存分配的变化
在Android 3.0之前
- 1)、Bitmap 对象存放在 Java Heap,而像素数据是存放在 Native 内存b D q $中的。
- 2)、如果不手动调用 recycle,Bitmap Native 内存的回收完全{ s w e依赖 finalize 函数: n D N z *回调,但l 4 I是回调时机是不可8 ` ] c ? * C s控的。
Android 3.0 ~ Android 7.0
将 BitmaF D [ Xp对象 和 像素数据 统一放到 Javao L * g 7 I Heap 中,即使不调用 recycle,Ba 1 V ~itmap 像素数据也会随着对象一起被回收。
但是,Bitmap 全部放在 Java Heap 中的缺点很明显,大致有如v d 4 ;下两点:
- 1)、Bitmap是内存消耗的大户,而 Max Jav0 Va Heap 一般限$ ; L F制为 256、512MB,Bitmap 过大过多容易导致 OOM。
- 2)、容易引起大量 GC,没有充# h W T分利用系统的可用内存。
Al s $ c l undroid 8.0及以后
- 1)、使用了能够V # . R ] K x B辅助回收 Native 内存的 NativeAllocationRegistry,以实现将像素数据放到 NativK ( B 5e 内存中,并且可以和 BitB J vmap 对象一起快速释放,最后,在 GC 的时候还可以考虑到这些 Bitmap 内存以防止被滥用。
- 2)、Android 8.0 为了 解决图片内存占用过多和图像绘制效率过慢 的问题新增了 硬件位图 Hardware Bitmap。/ [ T X 6
那么,我们如何将图片内存存放在a ` ) ) 2 8 Native 中呢?
将图片内存存放在Native中的步骤有 四步,如下所示:
- 1b f { : 1 1 @)、调用 libandroid_runtimJ O Y 4e.so 中的 BitmapA : u ^ W F c # T 构造函数,申请一张空的 Native B^ d W ] c [ Yitmap。对于不同 Android 版本而言,这里的获取过程都有一. j ` H Q j 4 b些差异需要适配。
- 2)、申请一张普通的 Java Bitmap。
- 3)、将 Java Bitmap 的内容绘制到 NaA t + M – ` A . ltive Bitmap 中。
- 4)、释E r D C放 Java Bitmap 内存。
我们都知道的是,当 系统内存不足 的时候,LMK 会根据 OOM_adj 开始杀进程,从 后台、桌面、服务、前台,直到手机重启。并且,如果频繁申请释放 Java Bitmap 也很容易导致内存抖动。对E H U q ^ 1 1 N于这种种问题,我们该 如何评估内存对应用性能的影响 呢?
对此,我们可以主要从以下 两个方面 进行评估,如下所示:
- 1)、崩溃中异常退出和 OOMX / L o ; = 5 o 的比例。
- 2)、低内存设备更容易出现内存不足和卡顿,需要查看应用中用户的手机内存在 2GB 以下所占的P p N % i z比例。
对于具体的优化策略与手段,我们可以从以下 七个方面 来搭建一套 成体系化的图片优化 / 监控机制。
1、统一图片库
在项目中,我们需要 收拢图片的调用,避n ` [ l B 6 *免使用 Bitmap.createBitmap、BitmapFaf e u x Y / ? ) xctory 相关的接口创建 Bitmap,而应该使用自己的图片框架。
2、设备分级优化策略
内存优化h * b i *首先需要根据 设备环境 来综合考虑,让高端设备使用更多的内存,做到 针对设备性能的好坏使用不同的内存分配和回收策# m 6略。
因此,我们可以使用类似, 1 B device-year-class 的策略对设b ^ 0 0 ~备进行分级,对于低端机用户可以关闭复杂的动画或”重功能“,使用565格式的图片或更小的缓存内存= ; % ; 等等。
业务开发人员需要 考虑功能是否对低端机开启,在系统资6 ^ @ T !源不够时主动去做降级处理。
3、建立统一的缓存管理组件
建立统一的缓存管理组件(参考 ACache),并O y S T P 0 J合理使用 OnTrimMemory / LowMemory 回调,根据系统不同的m % , k T F W状态去释放相应的缓存与内存。
在实现过程中,需要 解决使用 static LRUCache 来缓存大尺寸 Bitmap 的问题。
并且,在通过实际的测试后,发现 onTB o O ?rimMemory 的 ComponetnCallbacks2.TRIM[ ( r_MEMORY_COMPLETE 并不等价于 onLowMemory,因此建议仍然要去监听 onLowMemory 回调。
4 9 g x、低端机避免使用多进程
一个 空进程 也会占用 10MB 内存,低端机应该尽可能减少使用多d O E k c进程。
针对低端机用户可以推出 4MBu 1 ] ? 的轻量级版本,如今日头条极速版、Facebook Lite。
5、线下大图片检测
在开发过程中,如果检测到不合规的图片使用(如图片宽度超过View的宽度Q V c甚至屏幕宽度),应该立刻提示图片所在的Activity和堆栈,让开发人员更快发现并解e t { J @ g * ^ *决问题。在灰度和线上环境,可以将异常信息上报到后台,还可以计算超宽率(图片超过屏幕大小所占图片总数的比@ { h J s p例)。
下面,我们介绍下如何实现对大图片的检测。
常规实现
继承 ImageView,重写实现计算图片大小。但是侵k & z入性强,并且不通用。
因此,这里我们介绍一种更好的方案:ARTHook。
ARTHook优雅检测o G o大图
ARTHook,即 挂钩,用额外的代码勾住原有的方法,以修改执行逻辑,主要可以用于以下四个方面:
- 1)、AOP编程
- 2)、运行时插桩
- 3)、性能分析
- 4)、安全审计
具体我们是使用 Epic 来进行 Hook,Epic 是 一个虚拟! h 9 ! 8 c y机层面,以 J: ` 6 F 1 e N }ava 方法为粒度的运行时 Hook 框架。简单来说,它就是 ART 上的 Dexposed,v O v 4 +并且它目前 支持 Android 4.0~10.0。
Epic github 地址
使用步骤
Epic通常的使用步骤为如下三个步骤:
1、在项目 moudle 的 build.gradle 中添加
compile 'me.weishu:epic:0.6.0'
2、继承 XC_Metho? h l g ] g BdHook,实现 Hook 方法前后的逻: J V辑。如 监控Java线程的创建和销毁:
class ThreadMN 3 Y x , ] l 5 CethodHook ex_ z c Mtends XC_MethodHook{
@Override
protectp M S : ~ Bed voiF R J O 4 !d beforeHookedMethod(MethodHookParam paramx x ~ A w E b w K) throws Throwable {
super.beforeHookedMethod(param);
Thread t = (Thread) param.thisObject5 + u i;
Log.i(TAG, "thread:" + t + ", started..");
}
@OverriX ) X ! o # jde
protected void afterHookedMethod(MethodHookParam param) throws Throwable {
super.afterHookedMetU L 5 ? ^hod(param);
Thread t = (Thread) pa] q S w 0 V Bram.thisObject;
Log.i(TAG, "thread:" + t + ", exit..");
}
}
3、注入 Hook 好的方法:
DexposedBridge.findAndHookMethod(Thread.class, "run", new ThreadM2 X ( u T m } AethodHook())T v * q ^;
知道了 Epic 的基本使用方法之后,我们便可以利用它来实现大图片的监控报警了。
项目实战
以 Awesome-WanAndroid 项目为例,首先,在 WanAndroidApp 的 onCreate 方法中添加如下代码:
DexposedBridge.hookAllConstructors(ImageView.class, new XC_Met* I r O v * z Z YhodHook() {
@Override
protectedN a A void afterHookedX n : = 1 2 s 6 /Method(MethodHookParam param) throws Throwable {
su, W 3 ! L G ,per.afterHookedMethod(param)R B D;
// 1
DexposedBridge.findAndHookMethod(ImageView.class, "s6 O f & ~ q setImageBitmap", Bitmap.class, new ImageHook());
}
});
在注释1处D + I v x ; –,我们 通过调用 De$ F F : ^ HxposedBridge 的: X O – } k findAndHookMethod 方法找到所有通[ T ` 7 . } O ]过 ImageView 的 sX R o I r ; ( L ]etIml { R $ VageBitmap 方法设置的切入点,其中最后一个参数 ImageHook 对象是继承了 XC_MethodHook 类,其目的是为了 重写 afterg ^ 1 xHookedMethod 方法拿到相应的参数进行监控逻辑的判 4 w 1 ^ Z M o V断。
接下来,我们来实现我们的 ImageHook 类,代码如下所示:
publ{ Y . % H # F 9 Kic class ImageHookL t % + S z Y H & extends XC_MethodHook {
@Override
protected void afterHookedMethod(MethodHookParam param) throws Throwable {
super.afterHV ] @ + } SookedMethod(param);
// 1
ImaY s g e M + r _ !geView imageView = (Image+ z / W [ & u L WView) param.thisObje$ K G J `ct;
checkBitmap(imageView,((ImageView) param./ , g L k lthisObject).getDrawable());
}
privatu 5 B ] xe static void checkBitmap(Object thiz, DraD I -wable drawab$ v zle) {v ` ^ I 6 W [
if (drawable instanceof BitmapDrawable && thiz instanceof View) {
final Bitmap bitmap = ((BitmapDrawable) dL T @ , S s r $rawable).getBitmap();
if (bitmap != null) {
final View view = (View) thiz;
int width = view.getWidth();
int height = view.getHeight();
if (widtv h 1h > ; { ` q 2 - 0 && height > 0) {
// 2、图标宽高都大于vi| n ; . L % { + Cew的2倍以上,则L F $警告
if (bitmap.getWidth() >= (! 3 0 i } ; d 2 ^width &v i 6 G : 5 d jlt;< 1)
&& bitmap.getHeight() >= (height << 1)) {
warn(bitmap.getWidth(), bitmap.k : N 0 ` F [ 4getHeight(), width, height, new RK . x I 7 xuntimeException("Bitmap size too large"));
}
} else {
// 3、当宽高度等于0时,说明ImageView还没有进行绘制,使用ViewTreeObserver进行大图检测的处理。u ~ s /
final Throwable stacn , p & u x ~ 0 VkTrace = new RuntimeException();
view.getViewT2 4 $ M h k X O hreeObserver().addOnPreDrawListener(newu ] y m 0 8 ViewTreeObserver.OnPreDrawListener() {
@Override
public boole* m 1 K [ P 3 `an onPreDraw() {
int w = view.getWidth();
int h = view.getHeight();
if (w > 0 && h > 0) {
if (bitmap.getWidth() >= (w << 1)
&& bitmap.getHeight(m / 0 | o R) >= (h << 1)) {
warn(bitmap.getWidth(), bitmak x ,p.getHeight(), w, h, stackTrace);
}
viewT V r z 3 e { k.gl - @ O H ; 7 T 9etViewTreeObserver().removQ X o ( g f o ,eOnPreDrawListener(this);
}
re* S J q Y }turn true;
}
});
}
}
}
}
priv/ 7 {ate static void warn(int bitmapWidth, int bitmapH} M 6 3 w ; 0 9eight, int viewWidth, int viewHeight, Throwable t) {
String wa9 m J irnInfo = "Bitf 1 cmap sx ] 3 l s | ~ .ize too large: " +
"n real size: (" + bitmapWidth + '~ U 6,' + bitma` u @ / ? H mpHeight + ')' +
"n desired s* : 6 C e B Eize: (Q u + l V # : (" + viewWidth + ',' + viewHeight + ')' +
"n call stack trace: n" + Log.getStackTrac: O 3 MeY _ } * 9String(t) + 'n';
LogHelper.i(warn} V Y R )Info);
}
}
首先,在注释1处,我们重写了 ImageHook 的 afterHw 0 A 8 t )ookedMethod 方法,; 8 M k拿到了当前的 ImageView 和要设置的 BB ! ZitmaL 9 ?p 对象。然后,在注释2处,如果当前 ImageView 的宽高大于0,我们便进行大图检测的处理:ImageView 的宽高都k W G # Q y } F大于 View 的2倍以上,则警告。接着,在注释3处,如果当前; l P c G ImageView 的宽高等于0,则说明 ImageView 还没有进行绘制,v X ] ) o则使用 ImageView 的 ViewTreeObserver 获取其宽高进行大图检测的处理。至此,我们的大图检测检测组件就已经实现了。如果有小伙伴对 epic 的实现原w h g [理感兴趣的,可以查看这 a S 篇文章。
ARTHook方案实现小结
- 1)、无侵5 ; I D m w ; ? T入性
- 2)、通用性强
- 3)、兼容性问a o r d x x题大,开源方案不能带到线上环境。
6、. q =线下重复图片检测
首先我们来了解U Z e ! ] v g p 6一下这里的 重复图片 所指的概念:
即 Bitmap 像素数据完全一致,但是有多个不同的对象存在| n { @ d y ( D H。
重复图片检测的D H ; 4 G 4原理其实就是 使用内存 Hprof 分析工具,自动将重复 Bitmap 的图片和引用堆栈输出。
已完全配置好的项目请参见这里
使用说明
使用非常简单,只需要修改 Main 类的 main 方法的第一行代码,如下所示:
// 设置我们自己 App 中对应的 hprof 文件路径
String dumpFilePath = "//Us* d u 5 ? ^ 7ers//quchao//Documents//heapdump//memory-40.hprof";
然后,我们执行 main 方法即可在 //Users//quchao//Documents//heapdump 这个路径下看到生成的 images 文件夹,里面保存了项目中检测出来的重复的图片。images 目录如下所示:
![](https://www.6hu.cc/storage/2020/04/1587040774-1ef943f4d1fd6a1.png)
注意:需要使用 8.0 以下的机器,因为 8.0 及以后 BitmQ { z j 1ap 中的 buffer 已保存在 native 内存之中。
实现步骤
具体的实现可以细分为如下三X G 1 U & 2 L [个步骤:
- 1)、首先,获取 android.graphics.Bitmap 实例对8 K u象的 mBuffer 作为 ArrayInstance ,通过 getValues 获取的数据为 Object 类型。由于后面计O Z Z算 md5 需要为 byte[] 类型,所以通过反射的方式调~ : . ?用 ArrayInstance#asRawByteArray 直接返回 byte[] 数据。
- 2)、然后,根据 mBuff{ T 5 b E =er 的数据生成 png 图片文件,这里直! Z ! ]接参考了 github.com/JetBrains/a… 的实现方式。
- 3)、最后,获取堆栈信息,直接 使用LeaE N = r h a ; kCanary 获取 stack 的方法,使用 leakcanary-analyzer-1.6.2.jar 和 leakcanary-watcher-R 8 V B l g1.69 r t = M f.2.jar 这两个库文件。并用 反射 的方式调用了 HeapAnalyzer#findLeakTrace 方法。
其中,获取堆栈 的信息也可以直接使用 haha 库来进行获取。这里简单说一下 使用 haha 库获取堆栈的流程,其具体可以细分为八个步骤,如下所示:
- 1)、首先,预备l A t J c r ( f一个已经存在重复 bitmap 的 hprof 文件。
- 2)、利用 haha 库上的 MemoryMappedFileBuffer 读取k / G c d k * hrpof 文件 [关键代码 new MemoryMappedFileBuffer(he; 2 | L gapDumpFile) ]。
- 3)n 2 $ Z L、解析生成 snapshot,获取 heap,这里我只获取了 app heap [关键代码 snapshot.getHea^ + Fps(); heap.getNw M 0 U _ N Hame().equ@ w L Oals(“app”) ]。
- 4)、从 snapshot 中根据指定 class 查找出所有的 Bitmap Classes [关键代码snapshot.findClasses(BitmV U #ap.class.getName()) ]。
- 5)、从 heap 中获得所e C m W有的 Bitmap 实例 instance [关键代码 clazz.getHeapInstances(heap.getId()) ]。
- 6)、根据 instance 中获取所有的属性信息 Field[],并从 Field[] 查找出我们需要的 “mWidth” “mHeight” “mBuffer” 信息。
- 7)、通过 “mBuffer” 属性即可获取到他们的 hashcode 来判^ B F ( ^ { H h j断是否是重复图片。
- 8)、最后,通过 instance 中 mNextIns} / Z * z S V JtanceToGcRoot 获取a k x – a ` 3整个引用链信息并打印。
7、建立全局的线上 Bitmap 监控
为了建立9 J V全局的 Bitmap 监控,我们必须 对 Bitmap 的分配和回收 进行追踪。我们先来看看 Bitmap 有哪些特点:
- 1)、M ; h E创建场景比较单一:在 Java 层调用 Bitmap.create 或 BitmapFactory 等方法创建,可以封装一层对 Bitmap 创建的I C J Q接口,注意要 包含调用第三方库产生的 Bitmap,这里我们具体可以使用 ASM 编译插桩 + Gradle Transform 的方式来高效地实现。
- 2)、创建频率比较低。
- 3)、和 Java 对象的生命周期一样服从? t ` – ! GC,可以使用 WeakReference 来追踪 Bitmap 的销毁。
根据以上特点,我们可j n A n & A )以建立一套 Bitmap 的高性价比监控J D ] C M x g b组件:
- 1)、首先,在接口层将所有创建出来的 Bitmap 放入^ 6 S | q一个 WeakHashMap$ l v & ! 中,并记录创建 Bitmap 的数据、堆栈等信息。
- 2)、然后,每隔一定时间查看 WeakHashMap 中有哪些 Bitmap 仍然存活来判断是否出现 Bitmap 滥用或泄漏t g # d。
- 3)、最后,如果发生了 Bitmap 滥用或泄露,则将相关的数据与堆栈等信息打印出来或上报至 APM 后台。
这个方案的 性能消耗很低,可以在 正式环境 中进行。但是,需O Z [ B ^ A要注意的一点J h – u _ ) 8 Y是,正式与测试环境需要采用不同程度的监控。
3、建立线上应用内存监控体系
要建立线上z [ + C J k应用的内存监控体系,我们需要 先获取 App 的 DalvikHeap 与 NativeHeap,它们的获取方式可归结为如F H = f ? e G下四个_ s d 9步骤:
- 1、首先,通过 ActivityManageA J H l cr 的 getProcessMemoryInfo => Debug.MemoryInfo 获取内存信息数0 X @ ^ ? 3 ( |据。
- 2、然后,通过 hook Debug.MemoryInfo 的 geK % .tMemoryStat 方法(os v23 及以上)可以获得 Memory Profiler 中的多项数据,进而获得 细分内存的使用情况。
- 3、接着,通过 Runtime 获取 DalQ G = ~ 1 G ; xvikHeap。
- 4、最后,通过 Debug.getNativeHeapAllocatedSize 获取 NativeHeap。
对于监控场景,我们需要将其划分为两大类,如下所示:
- 1)、常规内o k f z存监控
- 2)、低内存监控
1、常规内存监控
根据 斐波那契数列 每隔一段时间(max:8 S { – 130min)获取M l }内存的使用情况。常规内存的监控方法有多种实现方式,下面m 8 – },我们按照 项目早期 => 壮大期 =l { 0 v> 成熟期 的常规内存监控方式进行 演进式 讲解。Y J ` $ – , ?
项目早期:针对场景进行线上 Dump 内存的方式
具体使用 Deb( % . yug.dumpHprofData() 实现。
其实( _ $现的流程为如下四个步骤:
- 1)、超过最大内存的 80%。
- 2)、内存 Dump。
- 3)、回传文件至服务器。
- 4)、MAT 手动分析。
但是,这种方式有如下几个缺点:
- 1)、Dump文件N b D G _太大,和对= ! ? ) ? n象数正相关,可以进行裁剪。
- 2)、上传失败率高,分析困难。Y ; [ 2 y |
壮大期:LeakCanary带到线上的方式
在使用 LeakCanary 的时候我们需要 预设泄漏怀疑点,一旦发现泄漏f Q d进行回传。但这种实现方式缺点比较明显,如下所示:
- 1)、不适合所有情况,需要预设怀疑, Q $ Q 7 V M O W点。
- 2)、分析比较耗时,容易导致 OOM。
成熟期:定制1 ) % & d ( 0 { { LeakCanary 方式
那么,如何定制线上的LeakCaL ! Z % enary?
定制 LeakCanary 其实就是对 haha组件 来进行 定制。haha库是 square 出品的一款 自动分析Android堆栈的java库。这是haha库的 链接地址。
对于haha库,它的 基本用法 一般遵循为如下四个步骤:
1、导出$ / [ Y * @ v }堆栈文件
File heapDumpFK : M w u u b vile = ...
Debug.dumpl p O I 7 i & j kHprofData(heapDumpFile.getAbsolutePa{ v h O / a Y . 5th());
2、根据堆栈文件创建出内存映射文件缓冲区
DataBuffer buffer = new MemoryMappU p aedFileBuffer(heapDumpFile);
3、根据文件缓存区创建出对应的快照
Snapshot sna/ 0 z Hpshot = Snapshot.createSnapshr Z 7ot(buffer);
4、从快照中获取指定的类o f e b 6
ClassO# s 3 . l Abj sB R e N tomeClass = snapshot.findClass("com.example.SomeClass");
我们在实现线上版的LeakW r % A r ) # 5Canary的时候主要要解决| | ~ X ( P j的问题有三个,如d k V下所示:
- 1)、解决 预设怀疑点 时不准确的问题 =u # T > 自动找怀疑点。
- 2)、解决掉将 hprof 文件映射到内存T a ) 7 F B $中, Q u ~ v .的时候可能导致内存暴涨甚至发生 OOM 的问题 => 对象! r b b R裁剪,不全部加载# V # L | w 6到内存。即对生成的 Hprof 内存快照文件做一. s $ Y f U : &些优化:裁剪大部分图片对应的 byte 数据 以减少文件开销,最W 9 V 3 x _ o 6后,使用 7zip` N x 压缩,一般可 节省 90% 大小。
- 3)、分析泄漏链路慢而导致分析时间过长 => 分析 Retain size 大的对象。
成熟期:实现内存泄漏监控闭环
在实现了线上版的 LeakCanary 之后,就需要 将线上版的 LeakCanary 与服务器和前端页面结合 起来。具体的 内存泄漏监控闭环流程 如下所示:
- 1)、当在线上版 Lea1 ? /k8 , a rCanary 上发现内存泄漏时,手机将上传内存快照至服务器。
- 2)、此时服务器分析 Hprof,如果不是系统原因导致误报则通过 git 得到该最近修改人。
- 3)、最后将内存泄漏 bum [ –g 单提交给负责人。该负责人通过前端实现的 bu! O ~g 单系统即可看到自己新增的bug。
此外,在实现 图片内存监控 的过程中,应注意 两个关键点,如下所示:
- 1)、在线上可以按照 不同的系统、屏幕分辨率 等纬度去 分析图片内存的占用情况。
- 2)、在 OOM 崩溃时,可以将 图片总内存、Top N 图Z d n K D片占用内存 写入 崩溃日志。
2s c L / 8 r、低内存监控
对于低内存的监控,通常有两k n k U p 6 V !种方式,分别如下所示:
- 1、利用 onTrimMemory / onLowMemory 监听系统回调的物理内存w ] 4 [ . 7 :警告。
- 2、在后台起9 y N t J g d } a一个服务定时监控系统的内存占用,只要超过虚拟内存大小最大限制的 90% 则直接触发内存警告。
3、内存监控指标
为了准确衡量内存性能,我们需要引入一系列的内存监控指标,如下所E ^ ]示:
1)、发生频率
2)、发2 B j h !生时各项内存使用状况
3)、发生时App的当前场景
4)、内存异常率
内存 UV 异常率 = PSS 超过 400MB 的 UV / 采集UV
PSS 获取:调用 Debug.MemoryInfo 的 API 即可
如果出现 新的内存使用不当或内存泄漏 的场景,这个指标会有所 上涨。
5)、触顶率
内存 UV 触顶率 = Java 堆占用超过最大堆限制的 85% 的 UV / 采集UV
计算触顶率的代码如下所示:
long javaMax = Runtime.maxMemoryH p T + A .();
long javaTotal = Runtime.totalMemory();
long javaUsed = javaTotal - runtime.freeMemory();
fl9 = ~ )oat proportion = (float) javaq h b sUsed / javaMax;
如U Q d $ N果超过 85% 最大堆 的限制,GC 会变得更加 频发,容易造成 OOM 和 卡顿。
4、小结
在具体实现的时候,客户端 尽量只负责 上报数据,而 指标值的计算 可以由 后台 来计算。这样便可以通过 版本对比 来监控是否有 新增内存问题。因此,建立线上内存监控的完% E : : 3整方案 至少/ q Y需要包含以下四点:
- 1)| = W S t b a V、待机内8 E i L p & 7 x Y存、重点模块内存、OOM率。
- 2)、整体及重N ~ ,点模块 GC 次数、GC 时间。
- 3)、增强的 LeakCanry 自动化内存泄漏分析。
- 4)、低内U 7 R E (存监控模块的设置。
4、建立全局t q [ q 5的线程监控组件
每个线程初始化都需要 mmap 一定的栈大小,在0 z 6默认情况下初始化一个线程需要A x o I { mmap 1MB 左右的内存e } z } ) (空间。
在 32bit 的应用中有 4g 的 vmsize,实际能使用的有 3g+Y ? ; t 9 V },这样一个进程 最大能创建的线程数 可以达到 3000个,但是,linux 对每个进程可创建的线程数也有一定的限制(/proc/pid/lim4 r S & 9 fits),并且,不同厂商也能修改这个限制,超过该限制就会 OOM。
因此,对线程数量的限制,在一定程度上可以 有效地避免 OOM 的发生。那么,实现一套 全局的线程监控组件 便是 刻不容缓 的了。
全局线程监控组件的实现原理
在线下或灰度的环境下通过一个定时器每隔 10分钟 dump 出应用所有的线程相关信息,当线程数超过当前阈值时,则将当前的线程信息上报并预警。
5、GC 监控组件搭建
通过*c , Q* Debug.startAllocCounting** 来监控 GC 情况,注意有一定 性能影响。
在 Android 6.0 之前 可以拿到 内存分配次数和大小以及 GC 次数,其对应的代码如下所示:
long allocCount = Debu: ! L x a F Eg.getGlobalA# ; =llocCount();g X b -
long allocSize = Debug.getGlobalAllocSize();
long gcCount& @ ] = Debug.getGlobalGcInvocatioa p u u a R hnCos 1 & Wunt();
并且,在 Android 6.0 及之后 可以拿到 更精准 的 GC 信息:
Debug.Y A Q [ / + } 1 kgetRun[ ] Z W gtimeSts E j 6at("art.gc.gc-count");
Debug.getRuntimeStat("art.gc.gc-time");
Debug.getRuntimeStatE E 3("art.gc.blocking-gc-count");
Debug.getRuntimeStat(X A Z Y"art.gc.b{ u 8 B i G locking-gc-time");
对于 GC 信息的排查,我们一般关注 阻塞式GC的次数和f U l G | [ P耗时,因为它会 暂停线程,可能导致; g e w ] h应用发生 卡顿。建议 仅对重度场景使用。
6、建立线上 OOM 监控组件:Probe
美团的 Android 内存泄漏自动化链路分析组件 Probe 在 OOM 时会生成 Hprof 内存快照,然后,它会通过 单独进程 对这个 文件 做进一步 分析。
Probe 组件的缺陷及解决方案
它的缺点比较多,具体为如下几点:
- 1、在] } v n y ! P 4崩溃的时候生成内存快R z U k i a Z 1照容易导致二次崩溃。
- 2、部分手机生成 Hpro) 0 ( `f 快照比较耗时。
- 3、部分 OOM 是由虚拟内存不足导致。
在实现自动化链路分析{ e { $ x o 组件 Proq = 1 rbe 的过程中主要要解决两个问题,如下所示:
1、链路分析时x * B %间过长
- 1)、* F r k H使用链路归并:将具有 相同层级与结构 的链路进行 合并。
- 2)、使用 自适应扩容法:通过不断比较现有链路和新链路,结合扩容因子,逐渐完善为完整的泄漏链路。
2、分析进程占用内存过大
分析进程占用的内存 跟 内存快照文件的大小 不成正Q 8 A 3相关,而跟 内存快照文件的 Instance 数量 呈 正相关。所以在开发过程中我们应该 尽可能排除不需要的Instance实例。
Prope 分析流程揭秘
Prope 的 总{ t . { 0 i D ,体架构图 如下所示:
![image](https://www.6hu.cc/storage/2020/04/1587040775-618063d95c551d4.png)
而它的整B o }个分析流程具体可以细分为W Y C `八个步骤,如i 8 . ^下所示:
1、hprof 映射到内存 ={ q 5 / 9 W [ = 1> 解析成 Snapshot & 计数压缩:
解析后的 Snapshot 中的 Heap 有四种类型,具体为:
- 1)、DefaultHeap
- 2)、ImageHeap
- 3)、App Heap:包括 ClassInstQ a – ! E @ N e vance、ClassObj、ArF V ^rayInstance、RootObj。
- 4)、System Hea5 e 0 G +p
解析完 后使用了 计数压缩策略,对 相同的 InstG u Zance 使用 计数,以 减少占用内存。超过计数阈值的需要计入N M # E @ 6 d M 计数桶(计数桶记录了 丢弃个数 和 每个 InstaL } B & ; _nce 的大小2 I ` N)。
2、生成 Dominator Tree。
3、计算 RetainSize。
4、生成 Reference 链 && 基础数据类型增强:
如果对象是 基础数据类型,会将 自身的 R! V ; yetainS5 Z q ( 8 2ize 累加到父节点 上,将 怀疑对象 替换为它的 父节点。
5、链路归并。
6、计数桶补) 9 p s i U ~偿 & 基础数据类型和父节点融合:
使用计数补偿策B Y = 2 . Y g略计算 RetainSize,主要是 判断对象是否在计数桶中,如果在的话则将 丢弃的个数和大小补偿到对象上,累积计算RetainSize,最后对 Re/ j y L J ] S c @tainSize 排+ j a Y s序以查找可疑对象。
7、排序扩容。
8、查找泄露链路。
7、实现 单机版 的 Profile Memory 自动化内存分析
项目地址请点击此j 8 %处
在配G G F S &置的时候要注意两个问题:
-
1、liba{ : y t Elloc-lib.so在/ y t i v V ; { ~构建后工程的 build => intermediates => cmake 目录下。将对应的 cpu abi 目录拷贝到新建的 libs 目录下。
-
2、在 DumpPrinter Java 库的 build.gradle 中的 jars V : } o _ 4 闭包中需要加入以下代码以识别源码路径:
sourceSets.m; * q V Z 5 Jain.java.srcDirs = [‘src’]
使用步骤
具体的使用步骤如下所示:
1、首先,点击 ”开始记录“ 按钮可以看到触发对象分配的记录,说明对象已经开始记录对象的分配,log如下所示:
12-26 10:54:03.963 30450-30450/_ y v } k Pcom.dodola.alloctrack I/AllocTracker: ====current alx p N q 7 ( 2 bloc count 388=====
2、然后,点击多次 ”生成1000个对象“ 按钮,当对象达到设置的最大数量的时1 I k u t S候触发内存dump,会得到保存数据路径的日志。如下所示:
12-V T 7 2 F l h26 10:54:03.963 30450-34 ~ L 8 J e h k0450/com.dodola.alloctrack I/AllocTracker: ====current alloc count 388=====
12-26 10:56:45.103 30450-30450/com.dodola.alloctrack I/AllocTracker: saveARTAllocationData wf j ? grite file to /storage/emulated/0/crashDu) a a * $ 7 vmp/1577329005
3、此时,可以看到数据保存I u j ( d x H ] 7在 sdk 下的 crashDump 目录下。c M $ A s U A N R
4、接着,通过 gradle task :buildAlloctracker 任务编译出存放在 tools/DumpPrinL W 2 4ter-1.0.jar 的 dump 工具,然后5 ( T采用如下命令来将数据解析 到dump_log.txt 文件中。
java -jar tools/DumpPrinter-1.0.jar dump文件路径 > dump_log.txt
5、最后,就可以在 dump_log.txt 文件中看到解@ . . 2 ( D E析出来的数据,如下所示:
Found 4949 records:
tid=1 byte[] (94208 bytes)
dalvik.system.e } S M + kVMRuntime.newNonMovableArray (Native method)
android.graphics.Bitmap.nativeCr | N vreate (Native method)
android.graphics.Bitmap.createBitmap (Bitmap.java:975)
android.graphics.Bitmap.createBitmap (BQ X 2 a . Ditmap.java:946)
a; a u + ( S + 0 tndroid.graphics.Bitmap.createBitmapf ~ + i 5 _ A (Bitmap.java:913)
android.graphics.drawable.RippleDrawa= U 3 a 1 ; qble.upda D j @ oateMask+ b @ShaderIfNeeded (RippleDrawable.java:776)
android.graphics.drawable.RippleDrawable.drawBackgroundAndRipples (Rin 0 ppleDrawable.java:860)
android.graphics.] q $drawable.Riq A appleDrawable.draw (RippleDrawable.java:700)
android.view.View.getDrawableRenderNode (View.java:17736)
android.view.View.drawBackground (View.java:1s [ ` ~ (7z : K [ r g 0 S660)
android.view.View.draw (View.java:17467)
android.view.View.updateDisplayListIfDirty (VH M t . E X $ :iew.java:16469)
android.view.ViewGrc f 1 f |oup.recreateChildDisplayList (ViewGroup.java:3905)
android.view.ViewGroup.dispatchGetDisplayList (ViewGroup.jaJ w 7 z wva:3885)
android.view.View.updah [ $ , MteDisplayListIfDirty (View.java:16429)
android.view.ViewGroup.recreateChildDisplayList (Vi: Q }ewGroup.java:3905)
8、搭建线d Z , 7 $ r 5 # p下 N1 f a K ( i lative 内存泄漏监控体系
在 Android 8.0 及之后,可7 m ,以使g ] Z % @ | F ) Y用 Address Sanitizer、Malloc 调试和 Malloc 钩子 进行 native 内存分析,参见 native_memory
对于线下 Native 内存泄漏监1 2 n V N 1 z控的建立,主要针对 是否能重编 so 的情况 来记录分配的内存信息。
针对无法重编so的情况
- 1)、首先,使用 PLT Hook 拦截库的内存分配函数,然* U H l = ! x后,重定向到我们A 1 U l X 0 0自己的实现后去 记录分配的 内存地址、大小、来源so库路径 等信息。
- 2)、最后,定期 扫描分配与释放 的配对内存块,对于 不配对的分配 输出上述记录的信息。
针对可重编的so情况
- 1)、首先,通过 GCC 的 ”-finstrument-functions“ 参数给 所有函数插桩,然后,在桩中模拟调用栈的入栈与出栈操作。
- 2)、接着,通过 ld 的 ”–warp“ 参A 0 _ j H # 0 [ i数 拦截内存分配和释放函数,重定向到我们自己的实现后记录分配的 内存地址、大小、来源so以及插桩调用栈此刻的内容。
- 3)、最后,定期扫描分配与y G E O X Z释放是否配对,对于不配对的分配输出我们记录的信息。
9、设置内存兜底策略
设置内存兜底策略的目的,是为了 在用户无感知的情况下,在接近触发系统异常前,选择合适的场景杀死进程并将其重启,从而使得应用内存占用回到正常情况。
通常执行内存兜底策略时至少需要满足六个条C 5 , [ i w件,如下所示:
- 1)、是否在主界面退到后台s y C d 7 9且位于后台时间超过 30min。
- 2)、当前f : 4 W s W时间为早上 2~5 点。
- 3)、不存在前台服务(通知栏、9 d # X ] X u音乐播放栏等情况)。
- 4)、Java heap 必须大于当前进程最大可分配的85% || native内存大于800MB。
- 5)、vmsize 超过了4G(32bit)的85%。t f b t
- 6)、非大量的流量消耗(不超过1M/min) && 进程无大量CPU调度情况。
只有在满足了以上条件之后,我们才会去杀死当前主进程并通过 push 进程重新拉起及初始化。
10、更深入的内存优化策略
除了在 AndS B | ^ W 8 }roid性能优化之内存优化 => 优化内存空间 中讲解过的一些常规的内存优化策略以外,在下面列举了一些更深入的内存优化策略。
1、使 bitmap 资源在 native 中分n ? d @ 8配
对于 Android 2.x 系统` , 3 ,,使用反射将 BitmapFactory$ p | ` z ( z b.Options 里面隐藏的 inNativeAlloc 打开V k ) F e c H。
对于 Android 4.x 系统,使用或借鉴^ ] : o m s 1 h Fresco 将 bitmap 资源在 native 中分配的方式。
2J : . # q O 4 i r、图片加载时的降级处理
使用 GlideB : . + w _、Fresco 等图片加载库,通过定制,在加载 bitmap 时,若发生 OOM,则使用 try catch= C v u N x 将其捕获,然P b } d y后清除图片 cache,尝试降低 bitmap format(ARGB8888、RGB565、ARGB4444、ALPHA8)。
需要注意的是,OOM 是可以捕获的,只要 OOM 是由 tH [ 4ry 语句中的对象声明所导致的,那么在 caS r 5 0 X / D q Jtch 语句中,是可以释放掉这些对象,解决 OOM 的问题的。
3、前台每隔 3 分钟去获取当前应用内存占最大内存的比例,超过设定的危险阈值(如80%)则主动释放应用 cache(Bitmap 为大头),C = P M 8 S 9并且显示地除去应用的 memory,以加^ + / 0 = E ? @ J速内存收集的过程。
计算当前应用内存占最大内存的比例的代码如下:
max = Runtime.getRuntime().maxMemory();
available = Runtime.getRuntime.totalMemory() - Runtime.getFreeMemory();
ratio = availablev O 9 A p + N / max;
显示地除去应用的 memory,以加速内存收集过程的代码如下所示:
WindowManagerGlobal.getInstance; : L W ) H().stav C E 6rtTrimMemory(TRIM_MEMORY_COMPLETE);
5、由于 webview 存在内存系统泄漏,还有 图库占用内存过多 的问题,可以采用单独的进程。
6、当UIs 9 b – 隐藏时释放内存
当用户切换到其它应用并且你的应用 UI 不再可见时,应该释放应用 UI 所占用的所有内存资源。6 q + W W A 4 r这能够显著增加系统缓存进程的能力,能够提升用户体验。
在所有 UI 组件都隐藏的时候会接收到 Actik – u o Y / 0 Fvity 的 onTrimMemory() 回调并带有参数 TRIZ f k v P aM_MEMORY_UI_HIDDEN。
7、t K l – a X e yActivity 的兜底内存回收策略0 t t & ! c p
在 Activity 的 on% H }Destory 中递归释; V 2 D ! s N放其引用到的 Bitmap、DrawingCache 等资源,以降低发生内存泄漏时对应用内存的压力。
8、使用类似 Hack 的方式修复系统内存泄漏
LeakCanary 的 AndroidExcludeRefs 列出了一些由于系统原因导致引用无法释放的例子,可使用类似 Hack 的方式去修复。具体的实现代码可以参考 Booster =&= d ? @ ugt; 系统问题修复。
9、应用发生 OOM 时,需要上传更加详细的内存相关信息。
10、当应用使用的Service不T M 1 8 X q再使用时应该销毁它,建议使用 IntentServcie。
11、谨慎使用第三$ # F e方库,避免为了使用其中一两个功能而导入一个大而全的解决k $ U j n方案。
六、内存优化演进
1、自动A O i 3化测试阶` j + { V r r A段
内存达到阈值后自动触d m b 0 9 ~ J ,发 Hprof Dump,将得到的 Hprof 存档后由人工通过 MAT 进| Z r 5行分? + B o 3析。
2、LeakCanary
检测和分析报告都在一起,批量自动化测试和事后分析都不太方便。
3、使用基于 LeakCannary 的改进版 ResourceCanary
Matrix => ResourceCanary 实现原理
主要功能
目前,它的主要功能有 三个部分,如下所示:o Q g
1、分离 检测和分析 两部分流程
自动化测试由测试平台进行,分析则由监控平台的服务端离线完成,最后再通知相关开发解决问题# ! M ~ g z l。
2、裁剪 Hprof文件,以降低 传输 HprL / n , K J e =of 文件与后台存储 Hprof 文件的开销
获取 需要的类和对象相关的字符串 信息即可,其它数据都可以在客户端裁剪,一般能 Hprof 大小会减小至原来的 1/10 左右。
3、增加重复 Bitmap 对象检测
方便通过减少冗余 Bitmap 的数量,以降低内存消耗。
4、小结
在研发阶段需要不断实现 更多的工具和组件,以此系统化地提升2 , 4 D J 自动化程度,以最终 提升发现问题的效率。
七、内存优化I s @ ] x q +工具
除– p z U Y E了常用的内存分析V G ) r s 2工具 Memory Profiler、MAT、LeakCanary 之外,还有一些其它的内存分析工具,下面我p V X . Q将一一为大家进行介绍。
1、top
top 命令是 Linux 下常用的性能分析工具,能够 实时显示系统中各个进程的资源占用状况,类似于 Windows 的任p d h务管理器。top 命令提供了 实时的对系统处理器3 % $ N D的状态监视。它将 显示系统中 CPm k ? & # k FU 最“敏感”的任务列表。该命令可以按 CPU使用、内存使用和执行时间 对任务进行排序。
接下来,我们输入以下命令查看top命令的用法:
quchao@qucU s @ 0 UhaodeMacBook-Pro ~ % adb shell top --heU n rlp
usu ( @ w ^ Rage: top [-Hbq] [-k FIELD,] [-o FIELD,] [-s SORT] [-n NUMBER] [-d SECONDS] [-p PIDh w ^ N % O 0 a q,] [-u USER,]
Show process activity in real time.
-H Show threads
-k Fallback sort FIELDS (default -S,-%CPU,-ETIME. 0 , ! t,-PIy V ( m OD)
-o Show FIELDS (def PID,USER,PR,NI,VIRT,RES,i ! HSHR,S,%CPU,%MEM,TIME+,CMDLINE)
-O Add FIELDS (replacing PR,NI,VIRT,RES,SHR,S from default)
-s Sort by field number (1-X, default 9)
-b Batch mode (no tty)
-d Delay SECONDST } u Y . l q e between each cycle (default 3)
-n Exit after NUMBER iterations
-pv / i P p K V 7 Show these PIDs
-u Show these USERs
-q Quiet (no header lines)
Cursor LEFT/RIGHT to change sort, UP/DOWN move list, space tou Y d ? ~ * / force
update, R to reverse sort, Q to exit.
这里使用 top 仅显示一次进程信息,以便来讲解进程信息中各字段的含义。
![image](https://www.6hu.cc/storage/2020/04/1587040776-326060faca72161.png)
整体的统计信息区
前四行 是当前系统情况 整体的统计信息区。下面我们看每一行信息的具体意义。1 U V d
第一行:Tasks — 任务(进程)
具体信息说明如下所示:~ P q ? a A
系统现在共有 729 个进程,其中处于 运行中 的有 1 个,715 个在 休眠(sleep),stoped 状态的有0个,zombie 状态(僵尸)的有 8 个。_ z t ; R Z
第二行:内存状态
具体信息如下所示:
- 1)、5847124k total:物理内存总量(5.8GB)
- 2)、5758016k used:使用中的内存总量(5.7GB)
- 3)、891A ( u08k free:空闲内存总量(89MB)
- 4)、112428k buffers:缓存的内存量 (112M)
第三行:swap交换分区p V f – o 4 N k信息
具体信息说明如下所示:
- 1)、2621L v X V436k total:交换区总量(2.6GB)
- 2)、612572k used:使1 E 6 a &用的交换区总量(612MB)
- 3)$ e 1 ] 4 J / Y、2008864k freeP H a N U [:空闲交换区总量(2GB)
- 4)、2657696k cached:缓冲的交换区总量(2.6GB)
第四行:cpu状态信息
具体属性说明如下所示:
- 1)、800% cpu:8核 CPU
- 2)、39% user:39% CPU被用户进程使用
- 3)、0% niceM ? n v T | x:优先值为负的进程占 0%
- 4)、42% sys — 内核空间占用 CPU 的百分比为 42%
- 5)~ p z – g a、712% idle:除 IO 等待时间以外的其它n ( f , Z S等待时间为 712%
- 6)、0% iow:IO 等待时间占 0%
- 7)、0% irq:硬中断时间占 0%
- 8)、6% sirq – 软中断时间占 0%
对于内存监控,在 top 里我们要时刻监控 第三行 swap 交换分区的 used,如果这* W f = q q Z个数值在不断的变化,说明内核在不断进行内存和 swap 的数据交换,这是f 9 % ] $ 9 Z ! ]真正的内存不够用了。
进程(任务)的状w G 7 B $ ? %态监控
在 第五行V i n _ A w及以下,就是各进程(任务)的状态监控,项目列信息说明如下所示:
- 1)、PID:进程 id
- 2)、USER:进程所有者
- 3)、PR:进程优先级w e ] y S
- 4)、NI:nice 值。负值表示高优先级,正值表示9 f . | l Q t ` ^低优先级
- 5)、VIRT:进程使用的虚拟内存总量。VIRT =G & 2 i q + ^ J SWAP + RES
- 6)、RES:进程使用的、未9 5 B D被换出的物理内存大小。RES = CODE + DATA
- 7)、SHR:共享内存大小
- 8)、S:进程状态。D = 不可中断的睡_ 5 } / 1眠状态、R = 运行、 S = 睡眠、T = 跟踪 / 停止、Z = 僵尸进程
- 9)、%CPU — 上次更新到现在的 CPU 时间占用百分比
- 10)、%MEM:进程使用的物理内存百分比
- 11)、TIME+:进程使用的 CPU 时间总计,单位 1/100秒
- 12)、ARGD Z Z wS:进程名称(命令名 / 命令行)K w % a l
从上图p { 3 L O a j中可以看到,第一行的就是 Awesome-WanAndroid 这个应用的进程,它的进程名称为 json.chaou ) S m B * E A.com.w+,PID 为 23104,进程所有者 USER 为 u0_a714,进程优先级 PR 为 10,nice 置 NI 为 -10。进程使用的虚拟内存总量 VIRT 为 4.3GB,进程使用的、未被换出的物理内存大小 RES 为138M,共享内存大小 SHR 为 66M,进程状态 S 是睡眠状态,上{ 7 p = | . U F次更新到] J { h T ?现在的 CPU 时间占用百分比 %CPU 为 21.2。进程使用的物理内4 F – 9存百分比 %MEM 为 2.4%,进程使用的 CPU 时间 TIME+ 为 1:47.58e m . # | / 100小时。
2、dumpsys meminfo
四大内存指标
在讲解 dumpsys meminfo 命令之前,我们必须先了解下 Android 中最重r + p要的 四大内存指标 的概念,如下表所示:
内存指标 | 英文全称 | 含义 | 等价 |
---|---|---|---|
USS | Unique Set Size | 物理内0 ; K K J W D s存 | 进程独占的内存 |
PSS | Proportional Set Size | 物理内存 | PSS = USS + 按比例包含共享库 |
RSS | Resident Set Size | 物理内存 | RSS= USS+ 包含共享库 |
VSS | Virtual Set Size | 虚拟内存 | VSS= RSS+ 未分配实际物理内存 |
从上可知,它们之间内存的大小关系为 VSS >= RSS >= PSS >= USS。
RSS 与 PSS 相似,也包含进程共享内存,但比G & 1 Y较麻烦的是 RSS 并没有把共享内存大小全都平分到使用共享的进程头上,以至于所有进程的 RSS 相加会超过物理内存很多。而 VSS 是虚拟地址2 t L R X % z ),它的上限与进程的可访问地址空间有关,和当前进程的内存使用关系并不大。比如有很多的 map 内存也被算在其中,我们X : 4 r X都知道,file 的 map 内存对应的可能是一个文件或硬盘,或者某个奇怪H t @ $ H 1的设备,它与进程使* b L D用内存并没有多少关系。
而 P6 # $ t DSS、USS 最大的不同在于 “共享内存“(比如两个 App 使用 MMAP 方式打开同一个文件,那么打开文件而使用的这部分内存就是共享的),Uq q – ! %SS不包含进程间共享的内存,而PSS包含。这也造成了USS因为缺少共享内存,所有进程的USS相加要小于物理内存大小的原因。
最早的时候官方就推荐使用 PSS 曲线图来衡量 App} 3 E ( 2 $ i Z 的物理内存占用,而 Androi+ 5 b * – qd 4.4 之后才加入 USS。但是 PSS,有个很大的问题,就是 ”共享内存“,考虑一种情况,如果 A 进程与 B 进程都会使用一个共享 SO 库,那么 So 库中初始化所用掉的那部分内存就会平分到 A 与 B 的头上。但是 A 是在 B 之后启动的,那么对于 B 的 PSS 曲线而言,在 A 启动的那一刻,即使 B 没有做任何事情,也会出现一个比较大的阶梯状下滑,这会给用曲线图分析软件内存的行为造成致命的麻烦。
US+ W , ? k P m .Sa } k P D 虽然没有这个问题,但是由于 Dalvik 虚拟机申请内存牵扯到 GC 时延和多种 GC 策略,这E b x ! Y x些都会影响到曲线的异常波动。例如异步 GC 是 Android 4.0 以上系统很重要的特性,但是 GC 什么时候结束?曲线什么时候”降低“?就 无法预计 了。还有 GC 策略,什么时候开始增加 Dalvik 虚拟机的预申请内存大小(Dalvik 启动时是有一个标称4 8 b的 start 内存大小,它是为 Java 代码– ] b _ p H @ 9运行时预留的,避免 Java 运行时再申请而造成卡顿),但是这个 预申请大小是动态变化的,这一点也会 造成 USS 忽大忽小。
dumpsys meminfo 命令解析
了解完 Android 内存的性能指标之后,下面我们便来说说; K p , 8 e [ dumpsys meminfo 这个命令的用法,首先我们输入 adb shell dumpsys meminfo -h 查看它的帮助文档:
quchao@quchaodeMacBook-Pro ~ % adb shell dumpsys meminfo -h
meminfo dump ou { $ 6 Uptions: [-a] [-d] [-c] [-s] [--oom] [process]
-a: include all avai7 b O ) , D ?lable in- , , t ^ |formation for each process.
-d: include dalvik details.
-c: dump in a compacK k P K [ S Jt machinr 6 ee-parseable representation.
-s: dump only| ! ] m k l L summary of applicationR g b , h memory usage.
-S: dump also SwapPss.
--oom:? n h only show processes org4 ; 2 I g ; `anized by oom adj.
--local: only collect details locally, don't call process.
--packagey D Q: interpret process arg as package, dumping all
processes that have loaded that package.
-_ 0 M-checkin: dump data for a checkin
If [process] is specified it can be the name or
pid of a specific process to dump.
接着,我们之间输入adb shell dumpsys meminfo命令:
quchao@quchaodeMacBook-Pro ~ % adb shell dumpsys meminfF & 3 7 po
AZ P | 7 gpplications Memory Usage (in Kilobytes):
Uptime: 257501238 Realtime: 257501238
// 根据进程PSS占用值从大到小排序
Total PSS by process:
308,049K: com.tencent.mm (pid 3760 / actiV 2 q . Q q 2 UvitiK l z $ i ]es)
225,081K: system (pid 2088)
189,038K: com.android.systemui (pid 2297 / activitiex # Es)
188,877K: com.miui.home (pid 2672 / activities)
176,665K: com.plan.kot32.tomatotime (pid 22744 / activities)
175,C g { ] C ] -231K: json.chao.com.wanandroid (pid 23104 / activities)
126,918K: com.tencent.mobileqq (pid 23741)
...
// 以oom来划分,会详细列举所有的类别的进程
Total PSS by OOM/ L ) K # / adjustment:
432,013K: Native
76,700K:e s P i , j . x surfaceflinger (pid 784)
59,084K: android.hardware.camera.provider@2.4-service (pid 743)
26,524K: transport (pid 23418)
25,249K: logd (pid 597)
11,413j 9 ( p y ; d LK: media.codec (pid 1303)
10,648K: rild (pid 1304)
9,283K: mediE a @ g k + o ]a.extractor (pid 1297)
...
661,294K: Persistent
225,081K: system (pid 2088)
1899 ~ & ? g q m 2,038KV J 9 3 i t ?: com.android.systemui (- B 4 : pid 2297 / activities)
103,050K: com.xiaome I 7 ^ P ] !i.finddevice (pid 31; ~ % b B34)
39,098K: com.android.phone (pid 2656)
25,583K: com.miui.daemon (pid 3078)
...t I E A
219,795K: Foreground
175,231K: json.chao.com.wana z $ x u [ 1 U Iandroid (pid 23104 / activities)
44,564K: com.miui.securitycenter.E g R ( O J D 5remom D q e lte (pid 2986)
246,529Kb s D R: Visible
71,002K: com.sohu.inputmethod.sogou.xiag u V + ? { X omi (pi7 Z s # % 9d 4820)
52,305K: com.miui.miwallpa5 f 6 U 4 h d 7per (pid 2579)
40,982K: com.miui.powerkeeper (pid 3218)
24,604K: com.m @ ) h ^iui.systemAdSoluti6 j A 1 4 ; -on (pid 7986)
14,198K: com.xiaomi.metoknlp (pid 3506)
13,820K: com.miz U b 4 Y 9 U Jui.voiceassist:core (pid 8722)
13,222K: com.miui.analyF [ b , u ttics (pid 8037)
7,046K: com.miui.hybrid:entran_ @ kce (pid 7922)
5,104K: com.miui.wmsvf l h Sc (pid 7887)
4,246K: com.android.smspush (pid 8126)
213,027K: Perceptible
89,780K: com.eg.android.AlipayGphone (pid 8238)
49,033K: com.eg.android.AlipayGphone:push (pid 8204)
23,181K: co1 V , 7m.android.- 4 y S m .thememanager (pid 11057)
13,253K: com.xiaomi.joyose (pid 5558)
10,292K: com.android.updater (pid 3488)
9,807K: com.lbe.security.miui} r ~ u (pid 23060)
9,734K: com.google.android.webview:sandboxed_process0 (pid 11150)
7,947K: com.xiaomi.location.fused (pid 3524)
308,049K: Backup
308,049K: com.tenR I :cent.mm (pid 3760 / activit[ 2 # { 9 * J jies)
74,250K: A Services
59,701K: com.tencent.mm:push (pid 7234)
9,247K: com.android.settings:remote (pid 27053)
5,302K: com.xiaomi.drivemode (pid 27009)
199,638K: Home
188,877K: com.miui.home (pid 2672 / activities)
10,761K: com.miuij p Z 3.hybm [ R ! lrid (pid 7945)
53,934K: B ServicI ? u T yes
35,583K: com.tencent.mobileqq:MSF (pid 14119)
6,753K: com.qualcoh w s F [ 2mm.qti.autoregistration (pid 878H G ? 7 . f S 76)
4,086K, 4 Y A J (: com.qualcomm.qw ! i ]ti.callenhancement (pid 26958t = z S $ _ C h ])
3,809K: com.qualcomm.qti.StatsPollManager ? m ^ G 0 2 k (pid 26993)
3,703K: com.qualcomm.qti.smcinvokepkgmg$ a U ` Br (pid 26976)
6+ G % G B92,588K: Cached
176,665K: com.plan.kot32.tomatotime (pid 22744 / activities)
126,918l $ QK: com.tencent.mA J = 8obileqq (pid] m b v l o - 23741)
72,928K: com.tencent.mm:tools (pid 18598 W 2 = c)
68,208K: com.tencent.m* e t d %m:sandbox (pid 27333)
55,270K: com.tencent.mm:toolsmp (p_ * Z z ; ( k tid 18842)
24,477K: com.android.mms (pid 27192)
23,865K: com.xiaomi.market (pid 27825)
...
// 按内存的类别来进行划分
Total PSS by categod K A 0ry:
957,91 [ r ,31K: Native
284,006K: Dalvik
199,750K: Unknown
193,236K: .dex mmap
191,521K: .art mmap
110,581K: .oat mmap
101,472K: .so mmap
94,984D 9 4 p r KK: EGL mtrack
87,321K: Dalvik Other
84,924K: Gfx dev
77,300K: GL mtraY ~ + + I e P 9 zck
64,963K: .apk mmapz L } s ! ` e F G
17,112K: Other mmap
12,935K: Ashmem
3,364K: Stack
2,343K: .ttf mmap
1,375K: Other dev
1,071K{ ] } O F ` _: .jar mmap
20K: Cursor
0K: Other mtrack
// 手机整体内存使用情况
Total RAM: 5,847,124K (stat{ O ( Lus normal)
Free RAM: 3,711,324K ( 692,588K cached pss + 2,428,616K cached kernel + 117,492K cached ion + 472,628K free)d ? T
Used RAM: 2,864,761K (2,408,529K used pss + 456,232K ker ` A ? 2rnel)
Lost RAM: 184,330K
ZRAM: 174,628K physical used for 625,388K in swap (2,621,436K total swap)
Tuning: 256 (large 512)s / y 6 t + f |, oom 32? T ` u @ A d20 B ; G :,560K, restore limit 107,520K (high-end-gfx)
根据 dumpsl : k xys meminfo 的输出结果,可归结为如下表格:
划分类型 | 排序指标 | 含义 |
---|---|---|
process | PSS | 以进程的PSS从大到小依次排序显示,每行显i 1 – A $ Q ? |示一个进程,一般用来做初步的竞品分析 |
OOM adj | PSS | 展示当前系统内部运行的所有Android进程的内存状态M + B | i i .和被杀顺序,越靠近下方的进程越容易被杀,排序按照一套复杂的算法,算Y J 6 8 c法涵盖了前后台、服务或节目、可见与否、老化等 |
category | PSS | 以T S 6 3Dalvikv G ^ E c * J : ^/Native/.art mmap/.dex map等划分并按降序列出各N O / C Q类进程的总PSS分布情况 |
total | – | 总内存、剩余内存、可用~ n B q内存、其他内存 |
此外,为了 查看单个 App 进程的内存信息,我们可y z k N 6以输入如下命令:
dumpsys meminfo <pid> // 输出指定pid的某一进程
dumpsys meminfo --package <packagename> // 输出指定包名的进程,可能包含多个进程
这里我们输入 adb shell dum5 N y G spsys meminfo 23104 这条命令,其中 23104 为 Awesome-WanAndroid App 的 pid,结果如下所? 5 z G W示:
quchao@( O h ! @ S 9quchaodeMacBook-Pro ~ % adb shell dumpsys memiY X Y | Y lnfo 23104
Applications M/ y 6 y r ] Memory Usage (in Kilobytes):
Uptime: 258375231 Realts M $ t [ 6 Q 2 +ime: 258375231
** MEMIN[ z D IFO in pid 23104 [json.chao.com.wanandroid] **
Pss Private Private SwapPss Heap Heap Heap
Total Dirty Clean Dr 3 f C E _irty Size Alloc Free
------ ------ ------ ------ ------5 l & ------ -----l n b y B ; v-
Native Heap 46674 46620 0 164 803 r u $ y84 60559 19824
Dalvik Heap 6949 62 P 2912 16 23 12064 6032 6032
Dalvik Other 7672 7672 0 0
Stack 108 108 0 0
Ashmem 134 132 0 0
Gfx dev 16036 16036 0 0
Other dev 12 0 12 0
.so mmap 3360 228 1084 27
.jar mma^ G j z q Ip 8 8 0 0
.apk mmap 28279 11328 11584 0
.ttf mmap 295 0 80 0
.dex mmap 7780 20 4908 0
.oat mmap 660 0 92 0
.art mmap 8509 8028 104 69
Other mmap 982 8 848 0
EGL mtrack 29388 29388 0 0
GL mtrack 14864 14864 0 0
Unknow] s ; W R `n 2532 2500 8 20
TOTAL 174545 143852 18736 303 92448 66591 25856
App Summary
Pss(KB)
------
Java Heap: 15044
Native Heap: 46620
Code: 29332
Stack: 108
Graphics: 60288
Private Other: 11196
System: 11957
TOTAL: 174545 TOTAL SWAP PSS: 303
Objects
Views: 171 ViewRootImpl: 1
AppContexts: 3I u y 2 M w ~ Activities: 1
Assets: 18 AssetManagers: 6
Local Binders: 32 Proxy Binders: 27
Parcel memory: 11 Parcel count: 45
DeI q ? 8ath Recipients: 1 OpenSSL Sockk / V z ! l t @ets: 0
WebViews: 0
SQL
MEMORY_UO a y 1 c + L $ CSED: 371
PAGECACHE_OVERFq ` n b tLOW: 72 MALLOC_SIZE: 117
DATABASES
pgsz dbsz Lookaside(b) cache Dbname
4r ] O F w ^ 9 s 60 109 151/32/18 /data/user/0/json.chao.com.wanandroid/databases` ( z x u . $ j P/bugly_db_
4 20 19 0/15/1 /data/user/0/json.chao.com.wanandroid/databases/aws_wan_android.db
该命令输出了 进程的内存概要M # n I + % ? z,我们应该– t ^ – @ T o c着重关* d G 6 V _ a注 四个要点,下面我将一一进行讲解。
1、查看 Native Heap 的W # x . h Heap Al^ P t 8 W % N V Elocs i = J K N C q 与 Da, c O ~ t 2l+ ? 8 / Fvik Heap 的 Heap Alloc
- 1)、u R , 6 ? ! .Hed ^ v vap Alloc:表示 native 的内存占用,如果持续上升,则可能有泄漏。
- 2)、Heap Alloc:: V M表示 Java 层的内存占用。
2、查看 ViB A j L N ^ f Ce& – u a I h ] iws、A[ 0 [ # % W h O sctivities、AppContexts 数量变化K m A 6 0 d情况
如果 Views 与 Activities、AppContexts 持续上升,则表明有内存泄漏的风险。
3、SQL 的 MEMORY_USED 与 PAGECACHE_OVERFLOW
- 1)、MEMOERY_S W o z R ;USEDp q d , |:表示数据库使用的内存。
- 2)、PAGECACHE_OVE$ M : Q ] VRFLOW:表示溢出也使用的缓存,这个数值越小越好。
4、查看 DATABASES 信息
- 1)、pgsz:表示数据库分页大小,这里全是 4` T W _ D = [ $KB。
- 2)、Lookaside(b):表示使用了多少个 Lookaside 的 slots,可理解为内存占用的大小。
- 3)、cache:一栏中B ; 4 r的 151/32/18 则分别表示 分页缓存命中次数/未命中次数/分页缓存个数,这里的未命中次数不应该大于命中次数。
3、LeakInspector
LeakInspector 是腾讯内部的使用的 一站式内存泄漏解决方案,它是 Android 手机经过长期积累和提炼、集内存泄漏检测、自动修复系统Bug、自动^ $ 5 A L ]回收已泄露Activity内资源、自动分析GC链、白名单过滤 等功能于一体,并 深度对接研发流程、自动分析责任人并提缺陷, O J F o v @ – v单的全J Z E 2 –链路体系。
那么,LeakInsp N l c ( J Pector 与 LeakI T ! Z uCanary 又有什么不同之处呢?
它们之间主要有 四个方面 的不同,如下所示:
一、检测能力与原理方面不同
1、检测能力
它们都支持对 Activity、Fragment 及其它自定义类的泄漏检测,但是,LeakInspector 还 增加了 Btiamp 的检测能力,如下所示:
- 1)、检测有没有在 View 上 decode 超过该 View 尺寸的图片,若有则上报出现? t O ` 5 I 7 ~ T问题W # E 0的 Activity 及与其对应的 View id,并记录它的个数与平均占用内存的大小。
- 2)、检测图片尺寸是否超过所有手机屏幕大小,违规则报警。
这一# v #个部分的实现原理,= r [我们可以采用 ARTHook 的方式来实现,还不清楚的朋友请再仔细看看大图检测的部分。
2、检测原理
两个工具的泄漏检测原理都是在 onDestroy 时检查弱引用,不同之处在于 LeakInspector 直接使用 WeakReference 来检测对象是否已经被释放,而 LeakCanary 则使用 Refer[ U W # G enceQueue,两者效果是一样的。
并且针对 Activity,我们通常都会使用 Application的 registerActivityLifecycleCallbacks 来* K 8 q B 4 Z & 3注册 Activity 的) W m { u , = ? Z生命周期,以重写 onActivityDestroyed 方法实现。但是在 Android 4.0 以下,系统并没有提供这个方法,为了避免手动在每一个 Activity 的 onDestroy 中去添加这份代码,我们可以使用 反射 Instrumentation 来截获 onDestory,以降低接入成本。代码如下所示:
Class<?> clazz = Clasj = O B n _ Y Ns.forName("android.app.ActivityThread");
Method method = clazz.getDeU A uclaredMethodI H ^ D f I Y("currentActivityThread", null);
method.setAccessible(true);
sCurrentActivit[ A 7 eyThread = meg * r 9thod.invoke(null, null);
Fie` | ] m @ld fieldW F 1 R = sCurreA ) C 0 h Q f TntAz # W ; a ! activityThread.getClass().getDeclo u w & ` ParedField("mInstumentationT b u K f j");
field.seH + 6 Z ?tAccessible(true);
field.set(sCurrentActivityThread, new Monx e $itorInstumentation());
二、泄漏现场处6 e @ D ~理方面不同
1、dump 采集
两者都能采集 dump,但是 LeakInspector 提供了回调方法,我们可以增加更多的自定义信Q t o – ( ^ Y息,如运行时 Log、trace、dumpM v 2sys meminfo 等信息,以辅助分析定位问题。
2、白名单定义
这里的白名单是为了处理一些系统引起的泄漏问题,以及一些因为 业务逻辑要开后r t C ; 7 T L门的情形而设置 的。分析时如果碰到白名单上标识的类,则不对这个泄漏做后续的处理U ? ( h 8 W 1 a !。二者的配置差异有如下两点:
-
1)、LeakInspector 的白名单以 XML 配置的形式存放在服务器上。
- 优点:跟产品甚至不同版本的应用绑j ` x ( i 1 p定,我们可以很方便地修改相应的配置。
- 缺点:白名单里的类不区分系统版本一刀切。
-
1)、而LeakCanary的白名单是直接写死在其源码的AndroidExcludedRefs类里。
- 优点:定义非常详细,并区分系统版本。
- 缺点:每次修改必定得重新编译。
-
2)、LeakCanary 的系统白名单里定义的类比 LeakInspector 中定义的多很多,因为它没有自动修复系统泄漏功能。
3、自动修复系统泄漏
针对系统泄漏,LeakInspector 通过 反射自动f Y ) ` %修复 了目前碰到的一些系统泄漏,只要在 onDestory 里面 调H / H ~ S { w用 一个修复系统泄漏的方法即可。而 LeakC7 , 7 ! : *anary 虽然能识别系统泄漏,但是它仅仅对该类问题给出了分析,没有提供实际可用的解决方案。
4、回收资源(Activity内存d Z l泄漏兜底处理)
如果检测到发生了内存泄漏,LeakInspector 会对整个 Activity 的 View 进行遍历,把图片资源等一些占内存的数据释放掉,保证此次泄漏只会泄漏一个Activity的空壳,尽量减少对内存的影响。代码大致如下所示:
if (Vim = { Y O O vew instanceof ImageView) {
// ImageView ImageButton处理
recycleImageView(app, (ImageView) view);
} else if (f _ G u ] 9view instanceof TextView) {
// 释放TextView、Buttoni I : z周边图片资源
recycleTextView((TextView) view);
} else if (Ve F Biew instanceof ProgressBar) {
recycleProgressBar((ProgressBar) viewN K v);
} else {
if (view instancof ae T e g d G ( ] ?ndroi~ = I 6 4d.widget.ListView) {
recycleListView((android.widget.ListView) view);
} el7 y Y # i 8 %sG a F Se if (view instanceof android.support.M T A ` ^ l d %v7.widget.RecyclerView) {
recycleRecyclerView((android.suppo . xrt.v7.widget.RecyclerView) view);
} else if (view instanceof FraR A 6 i zmeLayout) {
recycleFrameLa^ O { I ) G & ; 1yout((FrameLayout) view);
} else if (view instanceof LinearLayou- - i C . | e Nt) {
recycleLinearLayout((LinearLayout) view. ? ^ ();
}
if (view instanceof? W I X ViewGrouN n . P Zp) {
recycleViewGroup(app, (ViewGroup) view);
}
}
这里以 recycleTextView 为例,它回收资源的方式如下所示:
private static void recycy p n j X + G :leTextView(T8 @ } q . F K + nextView tv) {
Drawable[] ds = tv.getCompoundDrawables(); . 3
for (Drawable d : ds) {
if (d !=7 D M null) {
d.setCal7 G Ulback(null);
}
}
tv.setCompoundDrawablF , { oes(null, null, null,. H b M null);
// 取消焦点,让Editor$Blink这个Runna, G X X Qble不再被post,解决内存泄漏。
tv.setCursorVisibl# T Ve(false);
}
三、后期处理不同
1、分析与展示
采集 dump 之后,LeakIn[ * = A 2spector 会上传 dump 文件,并* 调用 MAT 命令行G O ` E K K $来进行分] q b , + : 4 4 j析*,得; 4 t 1 n到这次泄漏的 GC 链。r 6 E w 2 y z ,而 LeakCa5 F !nary 则用开源组件 HAHA 来分析得到一个 GC 链。但是 L) QeakCanary 得到的 GC 链包含^ 9 P z `被 hold 住的类对象,一般都不需要用 MAT 打开 Hporf 即可解决问题。而 LeakI{ V &npsect] M U R , 8 Z Dor 得到的 GC 链只有类名,还需要 MAT 打开 Hprof 才能具体p * / 6 ` G去定位问题,不是很方便。
2、后续跟进 , ; h | H e { S闭环
LeakInspector 在 dump 分析8 M i q z X B结束之后,会提交缺陷单,并且把缺陷单分配给对应类的负责人。如果发现重复的问题则更新旧单,同时具备重新打开单等状态转换逻辑。而 LeakCanary 仅会在通知栏提醒用户,需要用户自己记录该问题并做后续处理。
四、配合自动化测试方面不同
LeakInspector 跟自动化测试可以无缝结合,当自动化脚本执行中发现内存泄漏,可以由它采集 dump 并发送到服务# v z Y 6 8 F e进行分析,最A N e b P u 0 )后提单,} V ~整个流程是不需要人力介入的。而 LeakCanary 则把分析结果通过通知栏告知用户,需要人工介入才能进入下一个流程。
4、JHat
JHat 是 Oracle 推出的一款 Hprof 分析软件,它和 MAT 并称为 Java 内存静态分析利器。不同于 MAT 的单人界面式分析,jHat 使用多人界面式分析。它被 内置在 JDK 中,在命令行中输入 jhat 命令可查看有没有相应的命令。
quchao@quchaodeMacBook-Pro; x o } ] Z ~ % jhat
ERROR: No argumd _ $ rents supplied
Usage: jhat [-stack <bool>] [% = z i-ra s V d ` +efs &X G 7 i l M * i zlt;bool>] [-port <port>] [-baseline <fc m % ]ile>] [-debugj | a c p A # A & <int>] [-version] [-hU a N x h|-help] <file>
-J<flag> Pass <flag> directly to the runtime system. For
example, -J-m- 3 , Q K x 5 Yx512g - A ~m to use a maximum heap size of 512MB
-stack false: Turn off _ @ tracking object allocation call stack.
-refs falses v h 8 Z 7 x: Turn off tracking of referL 5 m / U l | 5 _ences to objects
-port <po t hort>: Set the port for the HTTP server. Defauf W F K rlts to 7000
-exclude <file>: Specify a file that lists data members that should
be excluded from the reachableB o [ ` p v l R dFrom query.
-baseline <file>: Specify a baseline object dump. Objects in
both heap dumps with the same ID a) . u .nd same class will
be marked as not being "new".
-debug <int>: Set debug level.
0: No debug output
1: Debug hprof fi0 $ 2 3 6 R 1 $le parsing
2: Debug hprof file parsing, no server
-version Report version nus 3 1mber
-h|-help Print this help and exit
<file> The file to read
For a dump file that contains multiF % [ N ; B , { Ople heap dumps,
you may specify which dump in the~ Y $ w F t file
by appending "#<numbew ` cr>" to the file name, i.e. "foo.hprof#3".
出现如u a % f l d上输出,则表明存在 jhat 命令。它的使用S [ @ 4 8 H [ k 9很简单,直在命令行输入 jhat xxx.hprof 即可,如下所示:
quchao@quchaodeR u _ 9 7 . )MacBook-Pro ~ % jhat Documents/heapdump/new-33.hprof
Snapshot read, resolving...
Resolving 408200 objects...
Chasing references, expect 81 dots: K N * 6.., # L k $ = h v K.............................................................t d [ N 9 ; % E U...a C 7...............
Eliminating duplicate references................) B C w........[ ] V t T D e )....................................D ; T.....................
Snapshot resolved.
Started HTTP server on port 7000
Server is ready.
jHat 的执行过程y e V R l b O是解析 Hprof 文件,然后启动 httpsrv 服务,默认是在 7000 端口监听 Web 客户端链接,维护 Hprof 解析后的数据,以持续供给 Web 客户端进行查询操作。
启动服务器后,我们打开 入口地址 127.0.0.1:7000 即可查看 All Classes 界面,如下图所示:
![image](https://www.6hu.cc/storage/2020/04/1587040777-90239f3be63b383.png)
jHat 还有两个比较重要的功能,分别如下所示:
1、统计表
打开 127.0.0.1:7000/histo/,统计表界面如下所示:
![image](https://www.6hu.cc/storage/2020/04/1587040777-458a7b31632a742.png)
可以到,按 Total Size 降序 排列了所有的 Class,并且,我们还可以查看到每一个 Class 与之对应的实例数量。
2、OQL 查询J I ( s j 7 p m =
OQL 是一种模仿 SQL 语句的查询语句,通常用来查询某个类的实例数量,打开 127.0.0.1:7000/oqa , } 0l/ 并输入 java.lang.String 查询 Stri9 H `ng 实例的数量,结果如下图所示:
![image](https://www.6hu.cc/storage/2020/04/1587040778-6f9f0c3845377c9.png)
JHat 比 MAT 更加灵活,且符合大型团队安装简单、团队协作的需求。但是,并不适合中小型高效沟通型团队使用。
5、ART GC Log
GC Log 分为 Dalvik 和 ART 的 GC 日志,关于 Dalvik 的 GC 日志,我们在前篇 Android性能优化之? * @内存优化 中已经详细讲解过了,接下来我们说说 ART 的 GC 日志。
ART 的日z E k _志与 Dal( Y ! l @vik 的日志差距非常大h f $ # n,除了格式不同之外,打印的时间也不同,而且,它只有在慢 GC 时才会打印出来。下面我们看看这条@ M h D S I } J ART GC Log:
Explicit | (fullh 5 l ^ Y) | concurrent mark sweep GC | freed 104710 (7MB) Alloc( r v { eSpace objects, | 21(416KB) LOS objects, | 33% free,25MB/38MB | paused 1.230ms total 67.216ms |
---|---|---|---|---|---|---|
GC产生的原因 | GC类型 | 采集方法] o c f 8 | 释放的数量和占用的空间 | 释放的大对象数量和所占用的空间 | 堆中空闲空间的百分比和(对象的个数)/(堆的总空间) | 暂停耗时c S K i 1 # h |
GC 产生的原因
GC 产生的原因有如下九种:
- 1)、Concurrenf d P Y :t、Alloc、O V zExplicit 跟 Dalvik 的基本一样,这里就不重复介绍了。
- 2)、NativeAlloc:Native 内存分配时,比如为 Bitmap { i E ) rps 或者 RenderScript 分配对象, 这会导致Native内存压力,从而触发GC。
- 3)A 9 u _ ` H 4、BackI I 0ground:后台 GC,触发是为了给后面的内存申请预留更多空间。
- 4)、CollectorTransition:由堆转换引起的回收,这是运行时切换 GC 而引起的。收集器转换包括将所有对象从空闲列表空间复制到碰撞指针空p – M 3间(反之亦然)。当前,收集器转换仅在以下情况下出现:在内存较小的设备上,App 将进程状态从可察觉的暂停状态变更为可察觉的非暂停状态(反之亦然)。
- 5)、HomogeneousSpaceCompact:齐性空间压缩是指空闲列表到压缩的空闲列表3 W A空间,通常发生在当 App 已经移动到可察觉的暂停进程状态。这样做的主要原因是减少了内存使用并对堆内存进行碎片整理。
- 6)、DisableMovingGc:不是真正的触发 GC 原因,发生并C | 3 r n W发堆压缩时,由于使用了 GetPrimitiveArrayCritical,收集会被阻塞。一般情况下,强烈建议不要使用 GetPrimitiveArrg w U p q ,ayCritical[ u B l . I p ! ~。
- 7)、HeapTrim:不是触发GC原因,但是请注意,收集会一直被阻塞,直到堆内存整理完毕。
GC 类型
GC 类型有如下三种:
- 1)、Full@ o R:与Dal~ a C b p N n 1 qvik的 FULL GC 差不多。
- 2)、Partial:跟 Dalvik 的局部 GC 差不多,策略时不包: [ H e n Y R含 Zygote Heap。
- 3)、Sth O ^icky:另外一种局部中的局部 GC,选择局部的策略是上次垃圾回收后新分配w l . 4 ] T x &的对象。
GC采集的方法
GC 采集的方法有如下四种:
- 1)、mark sweep:先记录全部对象,然后从 GC ROOT 开始找出间接和直接的对象并标注。利用之前记录的全部对象和标注的对象对比,其余的对象就应该需要垃圾回收了。
- 2)、concurrent mark sw` + 0 I j teep:使用 mark sweep 采集器的并发 GC。
- 3)、mark compact:在标记存活对象的时候,所有的存活对象压缩到内存的一端,而另一端可以更加高效地被回收。
- 4)、semispace:在做垃圾扫描的时候,把所有引用的对象从一个空间移到另外一个空间,然后直接 GC 剩余在旧空间中的对象即可。
通过 GC 日志,我们可以知道 GC 的量和 它对卡顿的影响,也可以 初步定位一I X ! 7 7 h些如主动调用GC、可分配的内存不足、过多使用Weak Reference 等问题。
6、ChrS C . Vome Devtool
对于 HTML5 页面而言,抓取 JavaScript 的{ m ( F内存需要使用 Chrome Devtools 来进行远程调试。方式有如下两种:Y d u w 1 I
- 1)、直接把 URL 抓取出来放到 Chrome 里访问。
- 2)、用 Android H5 远程调试。
纯H5
1、手机安装 Chrome,打开 USB 调试模2 v ~ @ A }式,通过 USB 连上电脑,在 Chrome 里打开一个页面,比如百度页面。然后在 PC Chrome 地址栏里访问 Chrome://inspect,如下图所示:
![image](https://www.6hu.cc/storage/2020/04/1587040779-dff93deb4b11b0e.png)
2、最后,直接1 ) ` c @ S ^ l点击 Chrome 下面的 inspect 选项即可弹出开发者工具界面。如下图所示:
![image](https://www.6hu.cc/storage/2020/04/1587040779-722cade8c13ab81.png)
默认 Hybrid H5 调试
Android 4.4 及以上系统的原生浏览器就是 Chrome 浏览器,可以使用 Chrome Devtool 远程h k E P ?调试 WebView3 d O {,前提是需要在 App 的代码里把b % * 7 }调试开关打开,如下代码所示:
if (Build.VERSION_SDK_INT >= Build.Va o o 6 b sERSION_CODES.KITKAk E M ) ZT && 是debug模式) {
WebView.setWebContentsDebugging3 | ; D 3 .Enabled(ture);# 9 e $ k 6 2 (
}
打开后的调试方法跟纯 H5 页面调试方法一样,直接在 App 中打开 H5 页面,再到 PC Chrome 的 inpsector 页面就可以看到调试目标页面。
这里总结一下 J_ b 1 1 Z + 6S 中几种常见的内存问题点:
- 1)、closV i N 3 O g @ure 闭包函J Z n & 5数。
- 2)、事件监听。
- 3)、变量作用域使用不当,全局变量的引用导致无法释放。
- 4)、DOM 节点的泄漏。
若想更深入地学习 Chrom_ P C $ U 0 1 Ee 开发者工具的使用方法,请查看 《Chrome开发者工具中文手册》。
八、内存问题总结
在我们进行内存优化的过程中,有许多内存问题都可以归结为一类问题,为了便于以后快速地解决类似的内存问题,我将它_ @ q )们归结成了以下的多个要点:
1、内类是有危险的编码方式
说道内类就不得不提到 ”this$0“,它是一种奇特的内类成员,每个类实例都具有一个 thie 4 i : 6 i Z L Us$0,当它的内类需要访问它的成员时,内类就会持有外类的 this$0,通过 this$0 就可以访问外部类所有的成员。
解决方案– . ) R :是在 Activity 关闭,即触发 onDestory 时解除内类和外部的引用关系。
2、普通 Hanlder 内部类的问题
这也是一个 this$0 间接引用的问题,对于 Handler 的解决方案一般可以归结为如下三个步骤:
- 1)、把内类声明成 static:用来断绝 this$0 的引用。因为 static 描述的内类从 Java 编译原理的角度看,”内类“与”外类“相互独立,互相都没有访问对方成员变量的能力。
- 2、使用 WeakReference 来引用外部类的实例。
- 3、在外部类(如 Activity)销毁的时候使r z m Q用 removeCallbackAndMessages 来移除回调和消息。
这里需要在使用过程中注意对 WK U 4 y 6 o Z g qeakReference 进行判空。
3、登录界面0 ^ J的内存问题
如果在闪屏页跳转到登录界面{ M ^ 1 ~时没有调用 finish(),则会造成闪屏页的内存[ C w }泄漏,在碰到这种”过渡界面“的情况时,需要注意不要产生这样的内存 Bug。
4、使用系统服务l p X W [ F v d时产生的内存问题
我们通常都会使用 g~ 9 P h t / s ` cetSystemSeq G C + * ( c E Frvice 方法来获取系统服务,但是当在 Activity 中调q f O D 8 F用时,会默认* % 1 T C p ;把 Activin W I 1 1 Fty 的 CoZ x T C z =ntextl q g i X 传给系统服务,在某些不确定的情况下,某6 . d p ) 0些系统服务内部会产生异常,从而 hold 住外界传入的 Context。
解决方案是 直接使用 Applicaiton 的 Context 去获取系统服务。
5、把 WebView 类型的泄漏装进垃圾桶进程
我们都知道d c D w 3 &,对应 WebView 来说,其 网络延时、引擎 Session 管理、Cookies 管理、引擎内核线程、HTML5 调用系统声音、视频播放组件等产生的引用链条无法及时打断,造成的内存问题基本上可以用”无解“来形容。
解决方案是o ~ # ] X X w M y我们可以 把 WebView 装入另一个进程。
具体为在 AndroidManifes 中对当前的 Activity 设置 android:process 属性即可,最后,在 Activity 的 onDestory 中退出进程,这样即可基本m _ e h r G H o `上终结 WebView 造成的泄漏。
6、在适当的时候对组件进行注销
我们在平常开发过程中经常需要在Activity创建的时候去注册一些组件,如广播、定时器、事件总线等等。这个时候我们应该在适当的时候对组件进行注销,如 onPause 或 onDO V B ^estory 方法中。
7、Handler / FrameLayout 的 postDelyed 方法触发的内存问题
不仅在使用 Handler 的 sendMesM X p g ( Q : ` bsage 方法时,我们需要在 onZ ? o %Destory 中使用 removeCallbackAndMes0 W g Zsage 移除回调和消息,在使用到 HandleW ` u Nr / FrameLayout 的 postDelyed 方法时,我们需要调用 removeCallbacks 去移除实现控件内部的延时器对 Runnable 内f Z I类的持有。
8、图片放错资源目录也会有内T [ 9 / y L ?存问题
在做资源适配的时候,D 3 t r 9 4 l 4因为需要考虑到 APK 的瘦身问题,无法为每张图片. % ) 1 z在每个 drawable /{ y s t 6 = R mipmap 目录下安置一张E ? c B x b适配图片的副本。很多同学不知道图片应该放哪个目录,如果放到W # ? p / h + (分辨率低的目录z Q ~ k如 hdpi 目录,则可能会造成内存问题,这个时候建议尽量问设计人员要高品质图片然后往高密度目录下方,如 xxhdpi 目录,这样 在低密屏上”放大倍数“是小于1的,在保证画质的前提下,内存也是可控的。也Z = J + w I I 3可以使用 Dra! / l A . I E @wable.createFromSream 替换 getResources().getDrawable6 R b @ 来加载,这z t Y F D ^ k样便可以绕过 Android 的默认适配规则。
对于已Z { Y m t经被用户使用物理“返回键”退回到后台的进程,如果包含了以下 两点,则 不会被轻易杀死。
- 1)、进程包含了服务 sta6 @ L B R zrtService,而服务本身调用了 startForegq Y B 4 P 6 @round(低版本需通过反射调用)。
- 2)、主 Activity 没有实现 onSave+ } u g x N – ,InstanceState 接口m $ G S B o。
但建议 在运行一段时间(如3小时)后主] @ +动保存界面进程(位于后台),然后重启它,这样E Y 2 k W可以有效地降低内存负载。
9、列表 item 被回收时注意释放图片的引用
我们应该在 item 被回收不可见时去释放掉对图片的引用。如果y h ` 7 Y c 5 %你使用的是 ListView,由于每次 item 被回收后9 A ~被再次利用都5 _ D – / v z a g会去重新绑定数据,所以只需在 ImageV^ 9 o d Y qiew 回调其 onDetchFromWindow 方法的时候区释放掉图片的引用即可。如果a 5 z *你使用的是 RecyclerView,因为被回0 ; 8 1 D {收不可见时第一次选择是放进 mCacheView中,但是这里面的 item 被复用时并不会去执行 bindViewG – :Holder 来重新绑定数据,只有被回收进 mRecyclePool 后拿出来复用才会重新绑定数据。所以此时我们应该在 item 被回收进 Recyc $ , O F ^ 2 #lePool 的时候去释放图片[ O e ^ H 9 3的引用,这里我们只要去 重写 Adapter 中的 onViewRecycled 方法 就可以了,! o S q 9 ! ^ P !代码如下所示:
@Override
public void onViewRecycled(@Nullable VH holder) {
super.onViewRecycl# ( o [ p ]ed(holder);
if (holder !6 q O= null) {
//做释放图片引用的操作
}
}
10、使用 ViewStub 进行占位G – = 9 C h
我_ % Y S & * . 5 x们应该使用 Viewk W . M T KStub 对那些没有马上用到的资源去做延迟加载,并且还有很多大概率不会出现的 V^ O 9 D 7 *iew 更要去做懒加载,这样可以等到要使用时再去为它们分配相应的内| X ] g R r , # X存。
11、注意定时清理 App 过w l , ) L } b `时的埋点c n l h n y ^ g数据
产品或者运营为了统计数据会在每个版本中7 4 1 z y ( | v不断地增加新的埋点。所以我们d ] k R _ Z | 需要定期地去清理一些过时的埋点,以此来 适当地优化内存以及CPU的压力。
12、针对匿名内部类 Runnable 造成内存泄漏的处理
我们在做子线程操作的时候,喜J c d 2 X E ! ? C欢使用匿名内部类 Runnable 来操作。但是,如果某个 Activity 放在线程池中的任务不能及时l F A ;执行完毕,在 Activity 销毁时很容易导致内存泄漏。因为这个匿名内部类 Runnable 类持有一个指向 Outer 类的引用,这样一来如果 Ac J ,tivity 里面的 Runnable 不能及时? W k ;执行,就会使它外围的 Activity 无法释放,产生内存泄漏。从上面的分析可知,只要在 Activity 退出时没有这个引用即可,那我们就通过反射,在 Runnable 进入线程池前先4 w C干掉它,代码如下所示:
Field f = job.getClass().getDeclaredField("this$0");
f.setAccessible(trF $ q I ^ p y @ue);
f.set(job, null);
这个任务就是我们的2 W u } | Runnable 对象,而 ”this$0“ 就是上面所指的外部类的引用了。这里注意使用 Wz ` q N c = ReakRei / W X @ b D – .ference 装起来,要执行了$ t Q N ]先 get 一下,如果是 null 则说明 Activity 已经回收,任务就放弃执行。
九、内存优化常见问题
1、你们内存优化项目的过程是怎么做的?
1、分析现状、确认问题
我们发现我们的 APP 在内存方面可能存在很大的问题,第一方面的原因是我们的线上的 OOM 率比较高。
第二点呢,我们经常会看到在我们的 Android Studio 的 Profiler 工具中内存的抖动比较频繁。
这是我们一个初步的现状,然V ! 4 X r t q后在我们知道了这个初步的Y = T 1现状之后,进行了问题的确认,我们B @ m经过一系列的调研以及深入研究,我们最终发现我们的项目% ~ p L & C Q @中存在以下几点大问题,比如说:内存抖动、内存溢出 L :、内存泄漏,还有我们的Bitmap 使用非常粗犷。
2、针对性优化
比如 内存抖动的解决 => Memory Profiler 工具的使用(呈现了锯齿张图形) => 分析W . 5 { S i到具体代码存在的问题(频繁被调用的方法中出现了日志字符串的拼接),H z M f Y E .也可以说说 内存泄漏或内存溢出的解决。
3、效率提升
为了不增加业务同学的工作量,我们使用了一些工h M + s ( * $具类或 ARTHook 这样的 大图检测方案,没有任何的侵入性_ ( { 8。同时,我们将这些技术教给了大家,然后让大+ r L A 5 s E家一起进行 工作效率上的提升。
我们对内存优化工5 H y $ a 1 ; R 2具Profiler Me; n @ Amory、MAT 的使用比较熟悉,因此 针对一系列不同问题的情况,我们写了 一系列解决方案的文档,分享给大家。这样,我们 整个团队成a : O U p m员的内存优化意识就变强 了。
2、你做了内存优化最大的感受是什么?
1、磨刀不误砍柴工
我们一开始并没有; H i直接去分析项目中代码哪些地方存在8 l 0 ` h D _ s内存问题,而是先去学习了 Google 官方的一些文档,比如说学习了 Memory Profiler 工具的使用、学习了 MAT 工具的使用,在? F j $ N :我们将这些工具学习熟练之后,当在我们的项目中遇到内存问题时,我们就能够很快地进行排查定位问题进行解决。
2、技术优化必须结合业务代码
一开始,我们做了整体 APP 运行阶段的一个内存上报,然后,我们在一些重点的内存消耗模块进行了一些监控,b V P ,但是,后面发现这些D ~ P W &监控并没有紧密地结合我们的业务代码,比如说在梳理完项目之后,发现我们项目中存在使用多个图片库的情况,多个图片库的内存缓存肯定是不公用的,所以 导致我J X %们整个项目的内存使用量非常高。所以进行技术优化时必须结合我们的业务代码。; [ 0
3、系统化e o ! 2 W 7 6 j [完善解决方案
我们在做内存优化的过程中,z q c W { $ J不仅做了 Android 端的优化工作,还将我们 Android 端一些数据的采集上报到了我们的服务器,然后传到我们的 APM 后台,这样,{ q j w / – b方便我们的无论是 Bug 跟踪人员或者是 Crash 跟踪人员进行一系列问题的解决。
3、如何检测所有不合理的地方?
比如说 大图片的检测,我们最初的~ _ % x y $ $ }一个方案是通过继承 ImageView,重写 它的 onDraw 方法来实现。但是,我们在推广它的过程中,发现很多开发人员并不接受,因为很多 ImageView 之前已经写过了,你现在让他去替k . O d 7 U I }换,工作成本是比较高的。所以说,后来我们就想,有没有一种方案可以 免替换,最终我们就~ q r |找到了 ARTHooo [ % U N 6 ` #k 这样一个 Hook 的方案。
十、总结
对于 内存优化的专项优化 而言,我们要着重注意两点,即 优化大方向 和 优化细节。
1、优化大方向
对于 优化的大方向,我们应该 优先去做见效快的地方,主要有以下三部分:
- 1)、内存泄漏
- 2)、内存抖动
- 3)、Bc C – pitmap
2、优化细节
对于 优化细节,我们应该 注意一些系统属性或内存回调的使用 等等,主要可以细分为如下六部分:
- 1)、LargeHeap 属性
- 2)、onTrimMemory / onLowMemory
- 3)、使用优化过后的K } l a l集合:如 Spad V – ] krseArray 类^ 7 n C簇
- 4)、谨慎使用 SharedPreference
- 5)、谨慎使用外部库
- 6)、业务架构设计合理
3、内存优化体系化建设总结
在这篇文章中,我T , o ] N 4们除了建立了 内存的监控Q k 2 p闭环 这一核心体系之外,还实现了以下 十大组件 / 策略:
- 1)、根据设备分级来使用不同的内存和分配回收策略。
- 2)、针对低端机做了功能或图片加载格式的降级处理。
- 3)、针对缓存滥用的问题实现了统一的缓存管理组件。
- 4)、实现了大图监控和重复图p r J片的监控。
- 5)、在前台每隔一定时间去获取当前应用内存占最大内存的比例,当超过设定阈值O * ) { X {时则主动释放应用 cache。
- 6)、当 UI 隐藏时释放内存以增加系统缓存应用进= / n t / |程的能力。
- 7)、高效实现了应H 4 q A w用全局内的 Bitmap 监控。
- 8)、实现了全局的线程监控。
- 9)、针对内存使用的重度场景实现了 GC 监控。
- 10)、实现了P 4 .线下的 natiX 2 x D *ve 内r 8 p B i 2 X ]存泄漏监控。
最后X o o r,当监控到 应用内存超过阈值时,还定制了 完善的兜底策略 来 重启应用进程。
总的来看,要建立一套 全面且成体系的内存优化及监控 是非常重要也是极具挑战性的一项工作。并且,目前各大公司的 内存优化体系 也正处于 不断演进的历程 之K n a D – k J s中,其目的不外乎:实现更健全的功能、更深层次的定位问题、快速准确地发{ W ` ~ %现线上问题。
路漫漫其修远兮,吾将上下而求索
参考链接:
1、国内Top团队大牛带你玩转And( q % D 2 Nr~ } – # Y L v _oid性能分析与优化 第四章 内存优化
2、极客时间之An7 B s ` + ? kdroid开发高手课 内存优化
3、微信 Android 终端内存优化实践
4、GMTC= # 3 @-Android内存泄漏自动g 0 Z化链路分析组件Probe, Y %.key
5、Manage your app’s memory
6[ ] y ) V ` y、Ove] @ 7 2 WrviY c z v J ~ew of memory management
7、Android内存优化杂谈
8、Android性能优化之内存篇
9、管理应用的内存
10、《AndL e 8 K T 2 |roi! b + V { Y 5d移动性能实战》第二章 内存
11、每天, + i & 4一个linux命令(44):top命令
1+ U ] I U e / F a2、Android内存分析命令
Contanf R % % / pct Me
● 微信:
欢迎关注我的微信:
bcce5360
● 微信群:
微信群如果不能扫码加入,麻烦大家想进微信群的朋友们,加我微信拉你进群。
![](https://www.6hu.cc/storage/2020/04/1587040780-e0a0b4c3e69a92e.jpg)
●` P & 9 t c 1 B Q QQ群:
2千人QQ群,Aweso% j 9 t g s jme-Android学习交流群,QQ群号:959936182, 欢迎大家加入~
About me
-
Email: chao.% – M J Z aqu521@gmail.com
-
Blog: jsonchao.github.io/
-
6HU网: juejiv M m 3 6n.im/user/5a3ba9…