线上场景

前面几节我们主要介绍了线下场景的监控，线下场景不管是 android studio 还是 MAT 或者 adb命令都可以直接使用，但线上场景就不行了，一是不能直接连接，二是设备数量众多，不可能每台都看，所以我们采用两步走的”远程坐诊”方式来解决这个问题。(因为UI和CPU基本在线下场景就能解决，故本节我们主要针对内存监控进行介绍)。

可分为两步
第一步，通过代码将设备的基本信息记录到日志中，如果低于预期可以报警
第二步，针对报警的设备dump出详细内存信息供下载查看

第一步
内存:

ActivityManager.MemoryInfo memInfo = new ActivityManager.MemoryInfo();
ActivityManager am = (ActivityManager) context.getSystemService(Context.ACTIVITY_SERVICE);  am.getMemoryInfo(memInfo ); 
long deviceMemory = memInfo .totalMem;  
long freeMemory = memInfo .availMem; 
long threshold = memInfo .threshold; 
long lowMemory = memInfo .lowMemory;

或者:

最大内存: Runtime.getRuntime().maxMemory(); 
当前使用内存: Runtime.getRuntime().totalMemory() - Runtime.getRuntime().freeMemory()；

CPU不能直接通过API获取，是通过读取系统内的文件信息获得，代码就不贴出来了，大家可以参考：
https://www.jianshu.com/p/6bf564f7cdf0

其它信息包括网络，电量根据实际情况也可以记录一下。

第二步:
如果第一步收集的信息(主要是内存)低于阈值(自己设定)，那么就dump出内存快照,一行代码即可:
Debug.dumpHprofData(filePath)
（其具体实现在源码 art/runtime/hprof/hprof.cc 中）;

先将快照输出至指定目录，然后再上传至服务器即可(自己实现)，接着再将此文件下载到本地，有了这个文件，后面的操作就和 线下场景的内存一模一样了，通过hprof-conv.exe命令转换后，导入到工具里查看即可，就像是你把自己的血液样本(其它样本也可)寄给了千里之外的医生，即使不在你的身旁，也能用仪器检测出病因。

直接使用dumpHprofData这个方法会引起进程冻结，应用会卡顿几秒，体验很不好，快手的团队针对这种情况，给出了优化的解决方案：fork出一个一模一样的进程（叉子进程），在新进程进行dump，从而不影响正在使用的进程。这个就涉及到native层的操作了，大家可参考快手的解决OOM的开源库:KOOM 。
https://baijiahao.baidu.com/s?id=1674693121890730020&wfr=spider&for=pc

除了用代码生成内存快照外，使用adb命令也可以，并且这种方式可以直接导入到as中无需进行格式转换(MAT还是要转换的)。但是因为众多的手机厂商对系统都进行了定制化的修改，所以这种方式兼容性并不好，在一些机型上可能失效。

adb shell am dumpheap pid /data/local/tmp/x.hprof (pid替换成你应用的进程id)

最后，还有一点要注意，因为dump函数比较耗时，在发生OOM之后再去执行dump操作，可能捕获不到有效信息，最好是在OOM发生前进行dump，用第一步的方式定时去查询内存，如果超过阈值，那么就dump，不要等到异常发生了才去dump。

Tips:
1.Dump后的.hprof往往很大，我实测会有4,50M左右(仅供参考)，这对流量，存储都提出了很高的要求，这又引申出了一个概念：裁剪 hprof 文件，它的目的是去除一些无关紧要的信息，让其体积减少，便于网络传输和存储。Hprof文件也是遵循一定的协议或者说格式(如下图)，基于这个对其修改，达到裁切的目的。

可以参考西瓜视频的内存快照裁剪压缩工具 Tailor
https://blog.csdn.net/ByteDanceTech/article/details/111189304
或者美团的Probe
https://tech.meituan.com/2019/11/14/crash-oom-probe-practice.html
2.我们熟知的LeakCanary核心也用到了dumpHprofData来生成内存快照，位于独立的HeapAnalyzerService进程，而解析是由开源项目HAHA(https://github.com/square/haha)来完成。

dumpHprofData方法这个只是获取Java堆的信息，应用中还包含了 Native内存的信息，这部分内存是由业务动态申请的内存，一般是业务so库，业务代码是c/c++实现的，常用的方式就是调用 malloc函数申请内存，调用free释放内存。这些内存的申请都需要合理的释放，否则会导致内存不足。可结合Debug.getMemoryInfo()以及/proc/pid/smap文件来分析。
关于线上native内存的泄漏监控，我们可以参考西瓜视频Raphael： https://github.com/bytedance/memory-leak-detector

最后，我们来整体看下线上场景APP监控的流程(引用了腾讯全民K歌的整体分析流程)：

基本流程是通过监控系统得出记录文件 再交给本地分析和后台分析，做的好的，可以将分析结果与项目管理软件相关联，直接将BUG指派到人。

总的来说，我们不是只懂得一些内存泄露解决方法就可以，更重要的是通过日常测试与监控，得到内存泄露检测与修改的一整套闭环体系。有了这一套体系或者流程，开发测试的效率提高，应用的质量得到极大的保证。当然，对于很多中小公司来说，这么做可能有点本末倒置了，实际中需要去衡量投入与产出比及带来的价值。

总结:
1.线上的监控相比线下更有难度，只有个别实力雄厚的大厂才能建立一套完整的闭环体系。我们要结合自身的情况去做监控方案，否则就得不偿失了。
2.监控功能的开关和灰度很重要，最好能做到可控，一旦监控本身有问题，可以及时关闭。
微信甚至上过一种兜底方案：在内存逼近临界值时，把自己kill掉。。。也就是说把本来的系统行为提前转为自己的应用行为了，充分体现了控制反转的思想。但这种做法风险系数很高，只能针对一小部分用户灰度。
3.线上和线下结合才能包治百病。