Android Native内存泄漏检测
背景
Android 平台上的内存问题一直是性能优化和稳定性治理的焦点和痛点，Java 堆内存因为有比较成熟的工具和方法论，加上 hprof 快照作为补充，定位和治理都很方便。
而 native 内存问题一直缺乏稳定、高效的工具，仅有的 malloc debug 不仅性能和稳定性难以满足需要，还存在 Android 版本兼容的问题。
现状
事实上，native 内存泄漏治理一直不乏优秀的工具，已知的可用于调查 native 内存泄漏问题的工具主要有：LeakTracer、MTrace、MemWatch、Valgrind-memcheck、TCMalloc、LeakSanitizer 等。
但由于 Android 平台的特殊性，这些工具要么不兼容，要么接入成本过高，很难在 Android 平台上落地。
这些工具的原理基本都是：先代理内存分配/释放相关的函数
（如：malloc/calloc/realloc/memalign/free），
再通过 unwind 回溯调用堆栈，最后借助缓存管理过滤出未释放的内存分配记录。
因此，这些工具的主要差异也就体现在代理实现、栈回溯和缓存管理三个方面。根据这些工具代理实现的差异，大致可以分为 hook 和 LD_PRELOAD 两大类，典型的如 malloc debug 和 LeakTracer。
malloc debug
malloc debug 是 Android 系统自带的内存调试工具（官方 Native 内存调试 有相关介绍 ） ，虽然没有额外的接入代码，但开启方式和核心功能等都受 Android 版本限制。
地址：
https://android.googlesource.com/platform/bionic/+/master/libc/malloc_debug/README.md
我们在线下尝试使用 malloc debug 监控西瓜视频 App（配置 wrap.sh）时发现，正常启动时间小于 1s 的机型（Pixel 2 & Android 10），其冷启动时间被拉长到了 11s+。
而且在正常使用过程中滑动时的卡顿感非常明显，页面切换时耗时难以接受，监控过程中应用的使用体验极差。
不仅如此，西瓜视频在 malloc debug 监控过程中还会遇到必现的栈回溯 crash（堆栈如下，《libunwind llvm 编年史》有相关分析）。
网友的使用分享：
malloc debug 内存泄露案例分析_wozhouwang的博客-CSDN博客
https://blog.csdn.net/wozhouwang/article/details/103620184
LeakTracer
LeakTracer 是另一个比较知名的内存泄漏监控工具。
github地址：https://github.com/fredericgermain/LeakTracer。
其原理是：通过 LD_PRELOAD 机制抢先加载一个定义了
malloc/calloc/realloc/memalign/free 等同名函数的代理库，这样就全局代理了应用层内存的分配和释放，通过 unwind 回溯调用栈并过滤出疑似的内存泄漏信息。
Android 平台上的 LD_PRELOAD 是被严格限制的，因为其没有独立的 unwind 实现，依赖系统的 unwind 能力，也会遇到 malloc debug 遇到的栈帧兼容问题；
如果把 LeakTracer 集成到目标 so 里通过 override 方式实现代理，只能拦截到本 so 里显式的内存分配/释放，无法拦截到其他 so 和跨 so 调用的内存分配/释放。
通过 native 插桩的方式也是如此，只能监控局部单纯的内存泄漏，无法全局监控内存使用。
网友使用分享：
Android上使用LeakTracer检测native内存泄露_taohongtaohuyiwei的博客-CSDN博客
https://blog.csdn.net/taohongtaohuyiwei/article/details/104694747
综合评估
功能
相对于 malloc debug 和 LeakTracer，Raphael 不仅支持 malloc / calloc / realloc / memalign / free，也支持监控 mmap / mmap64 / munmap 等，
使监控范围扩展到了线程、webview、Flutter、显存等，基本完全覆盖了 Android 平台上的 native 内存使用场景
性能
Android 平台上的 native 内存泄漏检测通常都是在程序运行过程中进行的，栈回溯和缓存管理会消耗部分 CPU 和内存，带来一定的性能损失。
Raphael 可配置的监控能力有很大的伸缩性，性能影响可以限制在可接受范围内，以下数据基于西瓜视频 App 32 位模式评测（中高端机型和 64 位下的性能更高）：
CPU：32 位模式 & ≥1024 的监控阈值下，在低端机上 CPU 消耗< 3%
内存：32 位模式下默认会有约 16M 的虚拟内存消耗
帧率：32 位模式 & ≥1024 的监控阈值下，低端机上帧率没有明显变化
稳定性
已开源的版本是基于开源 inline hook 实现的，在部分 Android 6 机型上存在卡死问题，除此之外暂未发现其他稳定性问题。
此外，字节跳动这边早期的治理实践集中在线下，并基于 Raphael 建设完善了线下的防治体系，更为稳定的版本可以满足线上的监控需求，我们会在后续迭代开源。
治理实践
Raphael 在字节跳动内部使用非常广泛，是字节跳动 native 协会指定的 native 内存泄漏检测工具。在治理实践中，Raphael 覆盖了几乎所有的 native 内存使用场景，辅助解决了大量的 native 内存泄漏和内存使用不合理的问题。
接下来通过四个典型的案例简单介绍下 Raphael 的监控能力和基于 Raphael 的数据分析方法（应用自身的，Java 层的，webview 的，系统层的）
案例 使用Raphael 定位内存泄漏
综合以上分析和接入体验，我们不难发现，这些内存泄漏监控工具在 Android 平台上实际接入时基本都存在以下三个比较典型的问题：
流程繁琐：需要配置 wrap.sh/root permission/setprop 等，受 Android 版本限制
兼容问题：unwind 库存在严重的兼容性问题，libunwind_llvm 无法正确回溯 GNU 编译的栈帧
性能问题：官方的 malloc debug 性能数据是损失 10 倍以上，实测西瓜开启后在中高端机上不可用
定位native的内存泄漏，最开始是使用android原生支持的malloc debug，但是正如上文所说的，我在基于Android10的rk3288的开发板上，正常情况下打开APP时1s内，但是打开malloc debug检测后，直接启动activity超时，因此放弃了malloc debug。
后面又使用了LeakTracer，但也正如上文说的：只能拦截到本 so 里显式的内存分配/释放，无法拦截到其他 so 和跨 so 调用的内存分配/释放。
通过 native 插桩的方式也是如此，只能监控局部单纯的内存泄漏，无法全局监控内存使用。
最后使用了Raphael来定位native的内存泄漏问题。
详细的说明请参考：
https://github.com/bytedance/memory-leak-detector/blob/master/README_cn.md
Raphael.start(
Raphael.MAP64_MODE|Raphael.ALLOC_MODE|0x0F0000|1024,
"/storage/emulated/0/raphael", // need sdcard permission
null
);
需要注意的是，上面启动检测的参数：1024 的意思是只检测超过或等于1024bytes的泄漏，可以根据自己的项目修改该值。如我的项目是将其修改为4.
复现内存泄漏的情形后，使用adb发送广播来抓取目前的内存分配堆栈：
adb shell am broadcast -a com.bytedance.raphael.ACTION_PRINT -f 0x0100000发送该广播后，在上面开启内存泄漏检测的参数，即上面的 / storage/ emulated / 0 / raphael目录下，会生成一份 raphael 文件，包括 maps 和 report 。
然后再隔一段时间发送抓取堆栈的广播：
adb shell am broadcast -a com.bytedance.raphael.ACTION_PRINT -f 0x01000000。通过对比两次抓取的堆栈文件：report，就可以知道哪里发生内存泄漏了。
比如对比我的项目两次抓取的report：
根据前面的地址，然后通过addr2line，就可以找到对应发生内存泄漏的代码了。
来源：http://vanelst.site/2021/08/31/android-native-leak-check/
推荐：
Android高级开发中ANR/Native Crash问题的解决方法
转载:字节流动