手Q Android缓存监控与优化实践
一、背景
对于Android应用来说，内存向来是比较重要的性能指标。内存占用过高，会影响应用的流畅度，甚至引发OOM，非常影响用户体验。因此，内存优化也向来是行业内的重点工作项和难点工作项。
手Ｑ在很早之前就开发了很多内存优化技术：
1.自研内存泄露检测系统 LeakInspector天网。
LeakInspector是一套完整内存泄露检测系统：能够自动检测应用内存泄露问题；并提供兜底回收以及自动提单功能。2.图片引用大图告警。
能够自动检测出业务图片不合理使用：比如解码的图片尺寸大于显示尺寸2倍以上等问题。推动业务进行专项优化。3.内存触顶监控。
能够检测出内存不足时占用内存较高的业务场景，并定位到相应的页面，推动业务进行优化。
以上这些技术都取得了很好的内存优化效果，但他们的特点是：主要针对明显的内存问题，缺少更深入的内存分析。因此，手Q内存问题也一直存在，主要表现在以下两方面：1，手Q的平均内存一直持续增长，版本间增幅较高。手Q一月一个版本，平均每版本增长大概5.3M；2，用户的OOM率大概0.1%。
这次我们主要从监控和清理两个角度出发，系统化的进一步优化手Q内存：
1.统一缓存监控 开发实现全面的内存缓存监控系统，能够更细致的监控手Q内存缓存使用情况，及时发现轻度不合理问题，推进优化。
2.内存清理 在监控的基础上，开发实现自动清理机制。一方面统一调度手Q各业务主动清理内存，另一方面，通过深入的技术研究，实现系统内存清理技术。
通过监控和清理相互配合，我们最终实现了优化手Ｑ整体内存，降低OOM率的效果。以下是详细方案。
二、统一缓存监控
统一缓存监控主要包含图片缓存监控和业务对象缓存监控两部分。图片缓存监控主要关注Bitmap的引用，定位图片问题；业务对象缓存监控，主要监控手Ｑ各业务对象缓存，及时发现缓存问题。
2.1、图片缓存监控
对于Android应用来说，Bitmap向来是内存的占用大户。在手Q中平均有300+ Bitmap对象。统计显示：Bitmap引用内存占手Q总内存40%左右：
减少图片占用内存，需要规范图片缓存的使用。前期我们在手Q中封装实现了图片专用多级缓存QQLruChe，并要求各业务必须使用全局图片专用缓存来缓存图片。一方面可以方便调控图片缓存业务，另一方面，通过淘汰以及清理策略，可以有效控制图片缓存大小。但由于手Q业务众多，业务独立开辟图片缓存的情况还是时有发生。因此我们开发了一套图片缓存监控系统，及时检测出图片缓存私藏问题，同时也监控图片的其他不合理使用。
图片缓存监控使用内存快照技术实现，分为终端数据采集和后台数据分析两部分。流程如下所示：
终端数据采集：客户端实时检测当前可用内存，当可用内存不足时，自动生成内存快照文件，上报到后台。
后台数据分析：在后台，我们实现了一套Hprof文件分析以及Bitmap引用归并技术，批量分析内存快照文件，输出Bitmap引用链并进行归类统计，过滤全局图片专用缓存以及View层引用后，分析出存在图片缓存私藏的业务。
实现图片缓存监控过程中我们主要遇到以下几个难点：
1.内存快照文件大，约300M左右
内存文件过大会导致上传流量和存储成本比较大，而且上传耗时长。针对这个问题，一方面，我们对大盘用户采样上报，并提供良好的用户交互。另一方面我们深入分析内存快照采集原理，自研miniDump工具，通过native hook技术在生成内存快照时剔除了tyte[]数据，从而使文件体积减少70%.
2.内存快照文件人工分析成本高
通过MAT人工分析内存快照文件耗时费力，而且分析数量有限，用户上报的内存文件很多，无法定位top问题。
针对该问题，我们深入研究MAT插件技术，自研引用链分析以及Bitmap引用归并工具，自动化分析内存快照文件，归类Bitmap图片引用。
通过图片监控系统，我们有效检测出以下几类业务问题：
1.全局图片专用缓存占用空间大，存在优化空间。
bitmap引用链归并发现全局图片专用缓存占较高。同时，我们也统计了OOM用户全局图片缓存的内存量，平均约10M左右。因此有必要在内存不足时，自动trimToSize,释放内存空间。2.业务bug：逻辑完成后，没有及时释放图片引用。
业务逻辑存在问题，比如有几类业务在页面退出后，没有及时释放背景图资源引用。3.业务私自开辟图片缓存。
业务独立开辟缓存cache缓存bitmap，没有使用全局图片专用缓存。4.业务缓存数据对象中引用图片。
业务内存缓存的数据对象中，含有bitmap成员，内存空间大。可优化为缓存key，bitmap对象存到全局图片专用缓存中。5.图片静态引用。
定义静态的Bitmap或者Drawable对象，进程周期内，对象所引用的资源都无法释放。
在手Q730版本，图片缓存监控系统检测出32例业务问题，提单26例，累计节省内存约23M。
2.2、业务对象缓存监控
业务对象缓存监控主要是通过实现自定义集合类，实时上报各业务内存缓存使用情况到后台。在后台分析归并，从而定位业务缓存问题。
如上图所示，业务对象缓存主要分为终端数据采集、后台数据分析、缓存清理三部分。
终端数据采集： 通过自定义实现QQHashMap，QQConCurrentHashMap,QQLruCache等集合类，在系统原有集合类基础上，封装统计功能，实时统计程序运行期间各缓存的内存指标：插入次数，查询次数，删除次数，遍历次数，命中次数，未命中次数，缓存使用率，内存占用等。
后台分析：分析终端上报的用户数据，对各业务缓存进行归类统计，统计出平均内存占用，最大内存占用，内存占用中位数，缓存命中率，缓存浪费率等指标。
内存清理：监控系统在监控的基础上，也增加了清理接口。当检测到当前可用堆内存比较低，用户处于内存高负荷状态时，统一调度清理逻辑，进行内存自清理优化。
通过统一缓存监控，我们检测出了很多业务缓存问题，主要可归为以下三类：
1、缓存浪费率高
典型案例1，手Q表情某类缓存，平均浪费率超过88%，相当于缓存1000个对象，有800+没有使用过。
典型案例2：某红包模板缓存，存储后从不访问，浪费率100%。
针对这类问题，推动业务优化内存缓存结构，去除无用缓存，优化缓存方案，以降低浪费率。
2、缓存内存占用大
典型案例1：手Q某新闻类图片缓存，私自缓存Bitmap，最大占用内存15M，占所有图片缓存的35%。
典型案例2：钱包类背景图缓存，内存占用约1M左右，使用后未及时释放。
针对这类问题，对于缓存图片的业务，推动业务接入全局图片专用缓存；对于非图片类业务，接入自动清理，及时释放内存空间。
3、缓存结构存在优化空间
典型案例1：讨论组成员缓存，设计为LRUCache可淘汰缓存，但是用户未曾用满过。初始开辟空间过大。
典型案例2：未读消息缓存，极端用户缓存个数超过9000个，无数量上限控制。
针对这类问题，推动业务更新或者优化缓存结构，增加上限控制等。
三、内存清理
统一监控，可以有效发现业务缓存问题进行专项优化。但监控具有一定的滞后性，因此在监控的基础上，我们同时也增加了内存清理控制模块。
内存清理主要分为业务内存清理以及系统内存清理。业务内存清理，包含统一图片缓存清理，以及业务缓存对象清理两部分。这里前文已简单介绍。接下来我们介绍下两例系统相关的内存清理技术：系统ClassLoader内存清理和系统预加载图片清理。
3.1、系统ClassLoader内存清理
前期，我们分析了很多内存快照，发现一个共性的问题：在内存快照中有个ZipFile对象，内存占用一直超过2.6M。这个zipFile被系统类ClassLoader引用。
通过分析系统源码，我们发现ZipFile记录了安装包所有的类文件信息，手Q安装包中有超过15000个文件，文件越多，zipFile占用内存就越大。
我们进一步分析ClassLoader相关源码，发现只有在调用ClassLoader的findResource方法查找图片等安装包内资源时，才会使用到ZipFile的内容，未发现其他使用场景。同时，通过findResource方式查找资源存在一定的弊端：耗时很长，在Android系统上不推荐使用。
详情分析可参考：
http://blog.nimbledroid.com/2016/04/06/slow-ClassLoader.getResourceAsStream-zh.html综合评估，可以清理ClassLoader引用的这块内存。清理主要面临以下几个难点：
1.Android系统碎片化严重，兼容性问题比较突出。
不同版本，zipFIle成员变量的位置以及变量名不同。
zipFile初始化时机改变：4.3以前创建时即初始化，4.3之后，第一次访问才会初始化。
各厂商对系统API内部修改无法预期。2.强行清理，可能导致功能异常。
系统内部代码逻辑可能会受到影响，而且影响无法预期。
手Q当前使用ClassLoader查找资源的业务功能会受到影响。
后期新增业务无法预期，清理会导致系统功能失效。3.清理后再次加载zipFile耗时长，可能导致卡顿。
下图是我们清理系统ClassLoader的实现方案，采用代理，兜底，缓存，上报等手段逐一攻克以上难点，完美实现清理系统ClassLoader内存的效果。
1.针对兼容性问题，我们通过反射代理替换了系统的ZipFile为HookZipFile，替换完成后，清理掉zipFile内存。替换机制兼容系统不同版本以及特殊机型，对系统逻辑无影响。
2.针对清理导致的功能异常，我们实现了兜底能力，下次访问时，会重新创建zipFile。
3.针对耗时问题，内部封装实现缓存功能。并针对业务访问增加堆栈上报，及时推动业务改用其他方式获取资源。
内存清理方案，通过内部兼容性测试，发布后外网无crash问题，通过不断迭代，兼容率达到100%。并且内存清理效果明显，平均清理内存量约2.6M。
3.2、系统预加载图片清理
系统预加载图片缓存是zygote进程初始化时，通过preloadResources()预加载的通用图片资源，后续android应用进程都是从Zygote fork出来的，所以就继承了这部分预加载的图片资源。由于是静态强引用，这部分图片资源会一直占用内存空间。
预加载的好处在于系统只在zygote执行一次加载操作，所有应用用到该资源不需要再重新加载，减少资源加载耗时。与此同时，sPreloadedDrawables属于静态对象，会一直引用图片缓存，所以该系统机制会占用较高内存，在有些系统上，内存占用空间超过20M。
因此这里存在内存优化的空间，当内存占用高时，可以主动清理掉这部分内存，以便释放可观的堆内存空间，减少内存耗尽的风险。通过分析drawable加载机制的源码，我们了解到如果预加载的资源没有在sPreloadedDrawables中找到，会重新decode解码加载，不会影响现有功能。因此清理后的风险可控，主要面临的难点是兼容性问题：
1.系统API变动较多。sPreloadDrawables数据结构类型，对象存储位置，不同API版本之间都有改动。
2.厂商自定义修改较多。比如：小米7.0系统以及华为部分机型各自扩展了ResourceImpl实现，自定义了自己的资源加载基类，导致无法定位到sPreloadDrawable；OPPO部分机型，修改了sPreloadDrawable类的属性等等。
下图是我们清理系统预加载图片缓存的实现方案，通过反射替换的方式，拦截替换系统的预加载缓存为自定义图片缓存，内部管理图片加载，在内存不足时，及时清理预加载图片缓存。
针对兼容性问题，我们实现了一套完备的兼容性方案：包含1，替换前兼容检测；2，系统版本兼容处理；3，特定机型兼容处理；4，失败上报统计，不断兼容。
系统预加载图片清理，通过不断迭代，已经可以兼容几乎所有机型。版本发布后，未引入系统功能异常以及外网crash问题。内存清理量比较可观：平均在15M左右，最高达到25M。
四、优化效果
4.1、横向对比
在灰度阶段，我们对用户进行了ABTest测试,一半用户接入内存优化逻辑，一半用户不接入。大盘上报统计显示：优化用户OOM率明显低于未优化用户：OOM率由0.09%降至0.053%。
内存分布方面，内存优化显著降低了高内存用户占比。由3.05%降至1.7%。高内存用户是指当前可用内存不足20%的用户，是OOM高发用户群，降低这部分用户比例，可有效降低OOM率。
4.2、纵向对比
我们从7.3.0版本接入内存优化，从版本迭代来看，优化效果显著：OOM率由0.09%左右降低至0.047%左右，降幅47%。
手Q版本间平均内存增幅明显放缓，版本增幅由5.8M左右降至1.14M左右。
如果您觉得我们的内容还不错，就请转发到朋友圈，和小伙伴一起分享吧~