快手开源KOOM浅析,一个高性能线上内存监控方案

Posted 涂程

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了快手开源KOOM浅析,一个高性能线上内存监控方案相关的知识,希望对你有一定的参考价值。

转载地址:https://juejin.cn/post/6982121209144016910

KOOM 相比较 LeakCanary 和 Matrix 来说有点不同,后俩者由于 dump 的整个过程会影响到主进程,所以基本应用与线下监控,而 KOOM 提出了 fork dump 的概念,能在 dump 分析内存泄漏的时候而不影响到主进程的应用运行,所以,非常适合使用在线上监控。

所有的内存泄漏监控工具都离不开这三点:

  • 监控触发时机
  • dump 内存堆栈
  • 分析 hprof 文件

1、监控触发时机

LeakCanary 和 Matrix 都是在 Activity.onDestroy 时触发泄漏检测,KOOM 有点另辟蹊径,KOOM 是用阈值检测法来触发,我们来看下核心逻辑:

MonitorThread.class

class MonitorRunnable implements Runnable {
    ...
    @Override
    public void run() {
      if (stop) {
        return;
      }
      // 是否触发检测
      if (monitor.isTrigger()) {
        // 检测回调触发
        stop = monitorTriggerListener
            .onTrigger(monitor.monitorType(), monitor.getTriggerReason());
      }
      if (!stop) {
        // 间隔 5s 轮训检测
        handler.postDelayed(this, monitor.pollInterval());
      }
    }
  }

MonitorThread 是一个利用 HandlerThread 不停在轮训监控当前是否触发检测,isTrigger 是关键所在

HeapMonitor.class

  @Override
  public boolean isTrigger() {
    ...
	// ①、获取当前的内存状态
    HeapStatus heapStatus = currentHeapStatus();
	// ②、当前使用内存是否达到最大阈值,内存使用占比超过 95%
    if (heapStatus.isOverMaxThreshold) {
      // 已达到最大阀值,强制触发 trigger,防止后续出现大内存分配导致 OOM 进程 Crash,无法触发 trigger
      currentTimes = 0;
      return true;
    }
	// ③、当前使用内存是否达到触发条件,内存使用占比超过 80、85、90
    if (heapStatus.isOverThreshold) {
      // 默认是 true
      if (heapThreshold.ascending()) {
         // ④、此时记录的内存占用比上次记录的高、达到最大阈值
        if (lastHeapStatus == null || heapStatus.used >= lastHeapStatus.used || heapStatus.isOverMaxThreshold) {
          currentTimes++;
        } else {
          currentTimes = 0;
        }
      } else {
        currentTimes++;
      }
    } else {
      currentTimes = 0;
    }
    // 将本地记录进行缓存
    lastHeapStatus = heapStatus;
    // ⑤、记录的次数超过 3 次,则触发条件
    return currentTimes >= heapThreshold.overTimes();
  }
  private HeapStatus lastHeapStatus;

  private HeapStatus currentHeapStatus() {
    HeapStatus heapStatus = new HeapStatus();
    heapStatus.max = Runtime.getRuntime().maxMemory();
    heapStatus.used = Runtime.getRuntime().totalMemory() - Runtime.getRuntime().freeMemory();
    float heapInPercent = 100.0f * heapStatus.used / heapStatus.max;
    heapStatus.isOverThreshold = heapInPercent > heapThreshold.value();
    heapStatus.isOverMaxThreshold = heapInPercent > heapThreshold.maxValue();
    return heapStatus;
  }

解释:

  • ①:currentHeapStatus 方法是获取当前的内存状态,主要收集了当前最大内存、已使用的内存、已使用内存的占比、已使用的内存占比是否超过阈值,已使用的内存占比是否超过最大阈值。
  • ②:当前已使用内存是否达到最大阈值,内存使用占比超过 95%(常量值,可配置),如果超过的话,则直接触发
  • ③:当前已使用内存占比是否触发到阈值,该阈值会根据机型内存来进行变更,具体看 KConstants.getDefaultPercentRation(常量值,可配置)
  • ④、如果本次记录的内存占比比上次记录的还要大,或是触发到了最大阈值,则记录一下次数
  • ⑤:记录的次数超过 3 次,则触发

对于第四点我开始是有点疑虑的,只有内存是在连续 3 次增长的时候才会迭代次数,并且我们的检测是轮训的 5s,如果在增长的次数刚好 2 次,gc 回收又让内存重新回跌,然后次数又会被重置,下次再又增长上来,又要从 0 开始记录次数,这种会不会漏检?但又思考再三,如果内存泄漏的话,内存的趋势肯定是增长状态的,只不过是时间问题,他并不像 crash 检测那样,需要很高的时效性。

2、dump 内存堆栈

Dump hprof是通过虚拟机提供的 API dumphprofData 实现的,这个过程会 “冻结” 整个应用进程,造成数秒甚至数十秒内用户无法操作,这也是LeakCanary 无法线上部署的最主要原因,如果能将这一过程优化至用户无感知,将会给 OOM 治理带来很大的想象空间。

正如 KOOM 所说的,解决 dump 无感知会是非常大的想象空间,因为他可以部署到线上监控。

KOOM 使用 fork dump 操作,从当前主进程 fork 出一个子进程,由于 linux 的 copy-on-write 机制,子进程和父进程共享的是一块内存,那么我们就可以在子进程中进行 dump 堆栈,不影响主进程的运行。当然其中还是有很多的坑,这里不展开讲,可以查看快手的文章 解决 Dump hprof 冻结 app 部分

HeapDumpTrigger.class

  public void doHeapDump(TriggerReason.DumpReason reason) {
    // 生成 dump 的 hprof 文件存储路径
    KHeapFile.getKHeapFile().buildFiles();
    ...
    // 开始 dump
    boolean res = heapDumper.dump(KHeapFile.getKHeapFile().hprof.path);
    ...
  }

heapDumper 实现类有三个,我们只看 ForkJvmHeapDumper 类

ForkJvmHeapDumper

  @Override
  public boolean dump(String path) {
    ...
    // 适配 android 11 ,和下面流程差不多
    if (Build.VERSION.SDK_INT > Build.VERSION_CODES.Q) {
      return dumpHprofDataNative(path);
    }
    ...
    try {
      // ①、挂起主进程并 for 出子进程
      int pid = trySuspendVMThenFork();
      if (pid == 0) {
        // ②、子进程开始 dump hprof
        Debug.dumpHprofData(path);
        // 结束子进程
        exitProcess();
      } else {
        // ③、恢复挂起的主进程
        resumeVM();
        // ④、等待子进程的 dump
        dumpRes = waitDumping(pid);
      }
    } catch (IOException e) {
       e.printStackTrace();
    }
    return dumpRes;
  }

解释:

  • ① : 调用 native 方法,挂起当前的主进程,并 for 出子进程,该挂起仅仅只是更改 ThreadList 变量的线程状态味 suspend,主要目的的欺骗子进程的 dump
  • ② : 子进程开始 dump hprof 文件
  • ③ : 恢复挂起的主进程,也是更改 ThreadList 变量状态
  • ④ : 等待子进程退出, 看到 issue #81 有人对这个等待过程提出了疑虑,作者也进行相应的解答,waitPid 只是暂停线程,而我们 dump 的过程是在 HandlerThread 进行的,所以并不影响主线程

dump 出的堆栈已存放到了指定 path 中,接下来只需要继续回到 doHeapDump 方法,做接下来的解析操作。

3、分析 hprof 文件

分析的回调有点长,就直接写类和方法好了:

  • KOOMInternal.onHeapDumped
  • HeapAnalysisTrigger.startTrack
  • HeapAnalysisTrigger.trigger
  • HeapAnalysisTrigger.doAnalysis
  • HeapAnalyzeService.runAnalysis : 启动一个 IntentService 服务
  • HeapAnalyzeService.doAnalyze
  • KHeapAnalyzer.analyze

KHeapAnalyzer.class

 public boolean analyze() {
    // 查找泄漏的引用链
    Pair<List<ApplicationLeak>, List<LibraryLeak>> leaks = leaksFinder.find();
    if (leaks == null) {
      return false;
    }
    //将 gc 引用链写入到 report 文件中
    HeapAnalyzeReporter.addGCPath(leaks, leaksFinder.leakReasonTable);
    // 标记当前 report 已完成
    HeapAnalyzeReporter.done();
    return true;
  }

对于解析,KOOM 做了如下优化:

  • GC root 剪枝,由于我们搜索 Path to GC Root 时,是从 GC Root 自顶向下 BFS,如JavaFrameMonitorUsed等此类 GC Root 可以直接剪枝。
  • 基本类型、基本类型数组不搜索、不解析。
  • 同类对象超过阈值时不再搜索。
  • 增加预处理,缓存每个类的所有递归 super class,减少重复计算。
  • 将object ID的类型从long修改为int,Android虚拟机的object ID大小只有32位,目前shark里使用的都是long来存储的,OOM时百万级对象的情况下,可以节省10M内存。

4、总结

KOOM 将内存泄漏做到线上监控,已经是市面上几款内存泄漏框架中的一种创新了

以上是关于快手开源KOOM浅析,一个高性能线上内存监控方案的主要内容,如果未能解决你的问题,请参考以下文章

首次揭秘,快手自研性能监控系统开源项目KOOM

MySQL性能优化浅析及线上案例

Android Koom 处理 app 的OOM 一些系列问题(java /native/thread leak)

Android Koom 处理 app 的OOM 一些系列问题(java /native/thread leak)

OOM!又是OOM!Android 内存监控一定要注意!

OOM!又是OOM!Android 内存监控一定要注意!