android art内存管理,Android内存优化大盘点

原标题：Android内存优化大盘点

本文作者

作者：Stan_Z

https://www.jianshu.com/p/fba7b43bdc9c

做内存优化的同学有福了，不过文章知识点依然硬核，能啃多少是多少吧，其他性能优化相关文章：

内存优化是性能优化的重头戏，因此这部分也花了很多时间来梳理。老规矩，先上大纲：

1

基础知识

1.1 Android内存管理框架:

这里针对上图进行简单描述：

1)物理地址与虚拟地址：

虚拟内存是程序和物理内存之间引入的中间层，目的是解决直接使用物理内存带来的安全性问题、超过物理内存大小需求无法满足等等问题。

而Linux的内存管理就是建立在虚拟内存之上的。虚拟地址与物理地址通过页表建立映射关系，CPU通过MMU(Memory Management Unit ：内存管理单元)访问页表来查询虚拟地址对应的物理地址。虚拟地址分为内核空间和用户空间,它们对应的虚拟地址分别为进程共享和进程隔离的。

2)内核空间内存管理：

内核把page作为内存管理的基本单位。对特性不同的page又以zone来做划分，zone又由node来管理。

主要关注的区有3个：

区

描述

ZONE_DMA

直接内存访问，无需映射

ZONE_NORMAL

一一对应映射页

ZONE_HIGHMEM

动态映射页

每个zone中内存的组织形式是基于buddy伙伴算法，把空闲的page以2的n次方为单位进行管理。因此Linux最底层的内存申请都是以2的n次方为单位来申请page的。

Buddy伙伴算法以产生内部碎片为代价来避免外部碎片的产生。Linux针对大内存的物理地址分配，采用Buddy伙伴算法，如果是针对小于一个page的内存，频繁的分配和释放，则不宜用Buddy伙伴算法，取而代之的是Slab。

Slab是为频繁分配/释放的对象建立高速缓存。

3)用户空间内存管理：

用户空间主要分两部分，一个是面向C++的native层，一个是基于虚拟机的java层。

native内存划分:

Data 用于保存全局变量

Bss 用于保存全局未初始化变量

Code 程序代码段

Stack 线程函数执行的内存

Heap malloc分配管理的内存

java基于虚拟机的内存划分:

Program Counter Register 它是一个指针，指向执行引擎正在执行的指令的地址。

VM stack 基于方法中的局部变量，包括基本数据类型以及对象引用等。

Native Method Stack 针对native方法，功能与虚拟机栈一致。

Method Area 虚拟机加载的类信息、常量、静态变量等。

Heap 对象实体。

1.2 linux内存分配与回收

内存分配：

在调用alloc_page或者alloc_pages等接口进行一次内存分配时，最后都会调用到__alloc_pages_nodemask函数，这个函数是内存分配的心脏，对内存分配流程做了一个整体的组织。该流程牵涉到的分配过程有两个：

快速内存分配：是get_page_from_freelist函数，通过low阀值从zonelist中获取合适的zone进行分配，如果zone没有达到low阀值，则会进行快速内存回收，快速内存回收后再尝试分配。

慢速内存分配：当快速分配失败后，也就是zonelist中所有zone在快速分配中都没有获取到内存，则会使用min阀值进行慢速分配，在慢速分配(slow path)过程中主要做三件事，异步内存压缩、直接内存回收以及轻同步内存压缩，最后视情况进行oom分配。并且在这些操作完成后，都会调用一次快速内存分配尝试获取页框。

内存回收：

内存回收是以zone为单位进行的(也会以memcg为单位，这里不讨论这种情况)，而系统判断一个zone需不需要进行内存回收是由水线watermark来判断的。

high当zone的空闲页框数量高于这个值时，表示zone的空闲页框较多，不需要再继续进行内存回收。

low快速分配的默认阀值，在分配内存过程中，如果zone的空闲页框数量低于此阀值，系统会对zone执行快速内存回收。

min在快速分配失败后的慢速分配中会使用此阀值进行分配，如果慢速分配过程中使用此值还是无法进行分配，那就会执行直接内存回收和快速内存回收。

当linux系统内存压力就大时，就会对系统的每个压力大的zone进程内存回收，它针对三样东西进程回收：slab、lru链表中的页、buffer_head。

这里主要看lru链表中的页是怎么回收的。lru链表主要用于管理进程空间中使用的页，类型分为： 文件页、匿名页、shmem页。

文件页(file-backed page)：有文件背景页面。可以直接和硬盘对应的文件进行交换。

匿名页(anonymous page)：无文件背景页面。如进程堆、栈、数据段使用的页等，无法直接跟磁盘交换，但是可以跟swap区进行交换。

mmap页(tmpfs/shmem的page)：它具有文件的属性，能够像操作文件一样去操作它。但是它无文件背景，因此也有匿名页属性，内核在内存紧缺时不能简单的将page从它们的page cache中丢弃，而需要swap-out。

三种文件页回收对比，图片出处：[linux内核tmpfs/shmem浅析]

Lru链表回收算法

Lru链表有5个双向链表：

LRU_INACTIVE_ANON、LRU_ACTIVE_ANON、LRU_INACTIVE_FILE、LRU_ACTIVE_FILE、LRU_UNEVICTABLE。

老化过程：将不处于lru链表的新页放入到lru链表中->将处于活动lru链表的页移动到非活动lru链表->将非活动lru链表中的页移动到非活动lru链表尾部->回收页然后将页从lru链表中移除。

页回收方式

页回写： 文件页保存的数据与磁盘中文件对应的数据不一致，则认定此文件页为脏页，需要先将此文件页回写到磁盘中对应数据所在位置上，然后再将此页作为空闲页框释放到伙伴系统中。

页交换： 不经常使用的匿名页，将它们写入到swap分区中，然后作为空闲页框释放到伙伴系统。

页丢弃： 文件页中保存的内容与磁盘中文件对应内容一致，说明此文件页是一个干净的文件页，就不需要进行回写，直接将此页作为空闲页框释放到伙伴系统中。

当内存紧张时，优先换出无脏数据的page cache(文件页包含page cache)，直接丢弃。其次才是匿名页和有脏数据的文件页的回收。遵循URL老化规则。通过Swappiness来确定更倾向于回收哪种更多一点，swappiness越大，越倾向于回收匿名页，反之越倾向于回收文件页。

内存回收手段

因为在不同的内存分配路径中，会触发不同的内存回收方式，内存回收针对的目标有两种，一种是针对zone的，另一种是针对一个memcg的，而这里我们只讨论针对zone的内存回收，个人把针对zone的内存回收方式分为三种，分别是快速内存回收、直接内存回收、kswapd内存回收。

快速内存回收：处于get_page_from_freelist函数中，在遍历zonelist过程中，对每个zone都在分配前进行判断，如果分配后zone的空闲内存数量 < 阀值 + 保留页框数量，那么此zone就会进行快速内存回收，即使分配前此zone空闲页框数量都没有达到阀值，都会进行此zone的快速内存回收。注意阀值可能是min/low/high的任何一种，因为在快速内存分配，慢速内存分配和oom分配过程中如果回收的页框足够，都会调用到get_page_from_freelist函数，所以快速内存回收不仅仅发生在快速内存分配中，在慢速内存分配过程中也会发生。

直接内存回收：处于慢速分配过程中，直接内存回收只有一种情况下会使用，在慢速分配中无法从zonelist的所有zone中以min阀值分配页框，并且进行异步内存压缩后，还是无法分配到页框的时候，就对zonelist中的所有zone进行一次直接内存回收。

注意，直接内存回收是针对zonelist中的所有zone的，它并不像快速内存回收和kswapd内存回收，只会对zonelist中空闲页框不达标的zone进行内存回收。并且在直接内存回收中，有可能唤醒flush内核线程。

kswapd内存回收：发生在kswapd内核线程中，每个node有一个swapd内核线程，也就是kswapd内核线程中的内存回收，是只针对所在node的，并且只会对 分配了order页框数量后空闲页框数量 < 此zone的high阀值 + 保留页框数量 的zone进行内存回收，并不会对此node的所有zone进行内存回收。

这三种内存回收虽然是在不同状态下会被触发，但是如果当内存不足时，kswapd内存回收和直接内存回收很大可能是在并发的进行内存回收的。而实际上，这三种回收再怎么不同，进行内存回收的执行代码是一样的，只是在内存回收前做的一些处理和判断不同。

alloc_page触发分配连续物理内存流程

内存分配过程，在调用alloc_page或者alloc_pages等接口进行一次内存分配时，最终都会调用到__alloc_pages_nodemask函数，先尝试使用low阀值的快速内存分配，遍历zonelist，判断是否有zone满足分配连续页框，如果不满足走快速内存回收。

如果快速内存分配失败，代表当前已经无法分配出连续物理内存，怎么进入slowpath慢速内存分配流程，先唤醒所有node的kswapd内核线程，尝试以min阀值进行快速内存分配，如果做不到则触发kswapd内存回收，还是回收不到怎么通过压缩规整系统可移动页，如果还是不满足，则对zonelist中的所有zone进行一次直接内存回收(这里不同于快速内存回收和kswapd内存回收，只会对zonelist中空闲页框不达标的zone进行内存回收)。

最后如果还是无法回收到满足条件的内存，那就触发oom。

1.3 Art虚拟机内存分配与回收

Art堆划分：

Image Space 连续地址空间，不进行垃圾回收，存放系统预加载类，而这些对象是存放system@framework@boot.art@classes.oat这个OAT文件中的，每次开机启动只需把系统类映射到Image Space。

Zygote Space 连续地址空间，匿名共享内存，进行垃圾回收，管理Zygote进程在启动过程中预加载和创建的各种对象、资源。

Allocation Space 与Zygote Space性质一致，在Zygote进程fork第一个子进程之前，就会把Zygote Space一分为二，原来的已经被使用的那部分堆还叫Zygote Space，而未使用的那部分堆就叫Allocation Space。以后的对象都在Allocation Space上分配。

Large Object Space 离散地址空间，进行垃圾回收，用来分配一些大于12K的大对象。

注：Image Space和Zygote Space在Zygote进程和应用程序进程之间进行共享，而Allocation Space就每个进程都独立地拥有一份。

注意，虽然Image Space和Zygote Space都是在Zygote进程和应用程序进程之间进行共享，但是前者的对象只创建一次，而后者的对象需要在系统每次启动时根据运行情况都重新创建一遍。

当满足以下三个条件时，在large object heap上分配，否则在zygote或者allocation space上分配：

请求分配的内存大于等于Heap类的成员变量large_object_threshold_指定的值。这个值等于3 * kPageSize，即3个页面的大小。

已经从Zygote Space划分出Allocation Space，即Heap类的成员变量have_zygote_space_的值等于true。

被分配的对象是一个原子类型数组，即byte数组、int数组和boolean数组等。

Art运行时为新创建对象分配内存过程：

图片出自罗升阳[ART运行时为新创建对象分配内存的过程分析]

执行GC的三个阶段：

阶段一：首先会进行一次轻量级的GC， GC完成后尝试分配。如果分配失败，则选取下一个GC策略，再进行一次轻量级GC。每次GC完成后都尝试分配，直到三种GC策略都被轮询了一遍还是不能完成分配，则进入下一阶段。

阶段二：允许堆进行增长的情况下进行对象的分配。

阶段三：进行一次允许回收软引用的GC的情况下进行对象的分配。

这里牵涉到几种引用类型：

强引用(StrongReference)：JVM 宁可抛出 OOM ，也不会让 GC 回收具有强引用的对象；

软引用(SoftReference)：只有在内存空间不足时，才会被回的对象；

弱引用(WeakReference)：在 GC 时，一旦发现了只具有弱引用的对象，不管当前内存空间足够与否，都会回收它的内存；

虚引用(PhantomReference)：任何时候都可以被GC回收，当垃圾回收器准备回收一个对象时，如果发现它还有虚引用，就会在回收对象的内存之前，把这个虚引用加入到与之关联的引用队列中。程序可以通过判断引用队列中是否存在该对象的虚引用，来了解这个对象是否将要被回收。可以用来作为GC回收Object的标志。

Art GC

与GC有关参数

[dalvik.vm.heapgrowthlimit]: [256m] 默认情况下, App可使用的Heap的最大值, 超过这个值就会产生OOM。

[dalvik.vm.heapsize]: [512m] 如果App的manifest配置了largeHeap属性, 则App可使用的Heap的最大值为此项设定值。

[dalvik.vm.heapstartsize]: [8m] App启动后, 系统分配给它的Heap初始大小. 随着App使用会增加。

[dalvik.vm.heapmaxfree]: [8m] GC后，堆最大空闲值

[dalvik.vm.heapminfree]: [512k] GC后，堆最小空闲值

[dalvik.vm.heaptargetutilization]:[0.75] GC后，堆目标利用率

这三个指标动态调整堆的大小，预留一定空间用于下个对象申请，多余空间还给系统。

虚拟机主流GC算法：

引用计数算法(jdk1.2之前)：堆中的每个对象对应一个引用计数器，创建对象置为1，每次引用到此对象+1，其中一个引用销毁-1，变为0即满足回收。致命缺点：循环引用的对象无法进行回收。

可达性算法(jdk1.2之后)：确定GC root，寻找路径可达的引用节点，形成可达性树，不在树上的节点即满足回收条件。

标记-清除算法(Mark-Sweep)：遍历所有的GC Roots，然后将所有GC Roots可达的对象标记为存活的对象。对没标记的对象全部清除。

优点：对不存活对象进行处理，在存活对象高的情况下非常高效。

缺点：清除对象不会整理，造成内存碎片，这部分内存碎片属于内部碎片。

复制算法(Coping):遍历所有的GC Roots,将可达的对象复制到另一块内存空间，遍历完后清空原来的内存空间(剩下的都是不可达对象)。

优点：对可达对象进行复制，在存活的对象比较少时极为高效。

缺点：需要额外的内存空间。

标记-整理算法(Mark-Compact):在标记-清除算法基础上，增加存活对象内存整理。

优点：不造成内存碎片，也不需要额外内存空间

缺点：整理过程耗时，效率不高。

Art的三种GC策略

Sticky GC :只回收上一次GC到本次GC之间申请的内存。

Partial GC:局部垃圾回收，除了Image Space和Zygote Space空间以外的其他内存垃圾。

Full GC: 全局垃圾回收,除了Image Space之外的Space的内存垃圾。

策略的对比：(gc pause 时间越长，对应用的影响越大)

GC 暂停时间：Sticky GC < Partial GC < Full GC

回收垃圾的效率：Sticky GC > Partial GC > Full GC

前后台GC

应用从前台切到后台，从后台切到前台都会发生一次gc，应用程序在前台运行时，响应性是最重要的，因此也要求执行的GC是高效的。

相反，应用程序在后台运行时，响应性不是最重要的，这时候就适合用来解决堆的内存碎片问题。

因此，Mark-Sweep GC适合作为Foreground GC，而Compacting GC适合作为Background GC。

Art运行时GC过程：

图片出自罗升阳[ART运行时垃圾收集(GC)过程分析]

非并行GC

1)调用子类实现的成员函数InitializePhase执行GC初始化阶段。

2)挂起所有的ART运行时线程。

3)调用子类实现的成员函数MarkingPhase执行GC标记阶段。

4)调用子类实现的成员函数ReclaimPhase执行GC回收阶段。

5)恢复第2步挂起的ART运行时线程。

6)调用子类实现的成员函数FinishPhase执行GC结束阶段。

除了当前执行GC的线程之外，其它的ART运行时线程都会被挂起，整个标记过程会稍长。

并行GC：

1)调用子类实现的成员函数InitializePhase执行GC初始化阶段。

2)获取用于访问Java堆的锁。

3)调用子类实现的成员函数MarkingPhase执行GC并行标记阶段。

4)释放用于访问Java堆的锁。

5)挂起所有的ART运行时线程。

6)调用子类实现的成员函数HandleDirtyObjectsPhase处理在GC并行标记阶段被修改的对象。

7)恢复第4步挂起的ART运行时线程。

8)重复第5到第7步，直到所有在GC并行阶段被修改的对象都处理完成。

9)获取用于访问Java堆的锁。

10)调用子类实现的成员函数ReclaimPhase执行GC回收阶段。

11)释放用于访问Java堆的锁。

12)调用子类实现的成员函数FinishPhase执行GC结束阶段。

ART运行时充分地利用了设备的CPU多核特性，在并行GC的执行过程中，将每一个并发阶段的工作划分成多个子任务，然后提交给一个线程池执行，这样就可以更高效率地完成整个GC过程，缩短了gc 暂停时间，避免长时间暂停对应用程序造成停顿。

注：串行执行效率太低了，现在Art虚拟机默认都是并行GC。

1.4 Android内存回收主要手段

应用层：

onTrimMemory 由lmk触发的,AMS抛出的应用层面的回调，目的是让应用程序配合做一些内存释放工作，同时也可以作为系统内存过低的监听。

gc 虚拟机层面的垃圾回收内存。

系统层：

Process.kill 通过signal 9 kill进程，释放占用的内存。

lmk(lowmemorykiller)在内存不足时杀掉优先级较低的进程来回收内存的策略。具体内容可以参考之前文章lowmemorykiller总结

https://www.jianshu.com/p/09922ab0390b

lmk演变：

android 8.1之前 -kernelspace lmk 监听：kswapd触发的shrink回调

android 8.1 - 9.0 -userspace lmk 监听：vmpressure

android 10 -userspace lmk 监听：PSI(Pressure stall information) https://facebookmicrosites.github.io/psi/docs/overview.html

app compaction Android 10版本引入的，AMS与Kernel层联动对满足一定条件的App进行内存压缩，在保证后台进程尽量不被杀的基础上减少它们的内存占用。具体内容可参考之前文章 app compactionhttps://www.jianshu.com/p/ae4ca096201a

kswapd 根据水线进行周期内存回收。对当前非活跃lru链表链尾的文件页、匿名页进行回收，其中匿名页回收会写入zram区间。

这里单独介绍下zram:

zram是Linux内核的一项功能, 它将内存的部分区域划分为压缩空间, 在内存较低时先通过内存压缩来变现获取更多内存使用空间, 耗尽之后才使用磁盘, 变相提高内存利用率。本身会消耗部分CPU占用率来换内存空间的相对增加。

cat proc/meminfo

SwapTotal: 2306044 kB zram配置大小

SwapFree: 1737380 kB 当前zram剩余大小

如果为0，则表明zram没有打开。

2

分析工具

1)adb命令

对应用进程和系统整体内存状态做一个宏观把控。

具体分析参考之前文章：性能优化工具(十)- Android内存分析命令

https://www.jianshu.com/p/9edfe9d5eb34

2)Memory Profiler

操作应用程序过程中，以实时图表的形式反馈当前的内存情况，对像明显的内存抖动、内存泄漏能做一个初步分析。

具体使用参数之前文章：性能优化工具(十三)-使用 Memory Profiler 查看 Java 堆和内存分配 https://www.jianshu.com/p/72b213fa6a26

3)leakCanary

傻瓜式内存泄漏检测工具，对于Activity/Fragment的内存泄漏检测非常好用。

具体使用参考之前文章：性能优化工具(九)-LeakCanary

https://www.jianshu.com/p/70b8c87ea877

4)MAT

内存问题全面分析工具，也可以说是兜底工具，使用相对复杂点。

具体使用参考之前文章：性能优化工具(八)-MAT

3

内存问题分析

常规内存问题主要分三种：

内存溢出：

指程序在申请内存时，没有足够的内存空间供其使用，造成OOM。往往是由内存抖动、内存泄漏等问题量变到质变之后出现。

内存溢出伴随的是crash日志，它分两种情况：一种是大对象直接造成的OOM,比如bitmap，这种看报错日志就能定位到问题，比较好解决; 还有一种是存在内存泄漏，压死骆驼的最后一根稻草报的crash信息并不能准确反映出oom的真正问题。可以结合内存泄漏一起分析。

内存抖动：

短时间内有大量的对象被创建或者被回收。频繁创建和销毁对象造成频繁GC， 导致内存不足及碎片。

内存抖动mem profile 锯齿图

内存抖动主要就是循环或者频繁调用处短时间内创建和销毁大量对象，这里值得警惕的是频繁调用点的字符串”+”拼接的log日志，还有用ArrayList做大量的非尾部remove操作等。

内存泄漏：

指程序在申请内存后，无法释放已申请的内存空间。造成可用内存逐渐减少。

内存抖动mem profile 内存逐步增长图

内存泄漏分析整体思路：

首先通过adb命令对整个内存状况做个宏观把握：

cat proc/meminfo

MemTotal: 2914764 kB

MemFree: 78008 kB 系统空闲内存(系统尚未被使用的，total-free = used)

MemAvailable: 440972 kB 可用内存(memfree + 可回收内存(部分buffer/cached,slab也能回收一部分))

...

SwapTotal: 1048572 kB 交换空间的总大小(设置的zram交换空间大小)

SwapFree: 471124 kB 未被使用交换空间的大小

...

Slab: 176044 kB 内核中slab分配的内存大小(slab = SReclaimable+SUnreclaim)

SReclaimable: 55528 kB 可收回Slab的内存大小

SUnreclaim: 120516 kB 不可收回Slab的内存大小

这里主要关注：

系统剩余内存MemAvailable，如果比较低代表当前系统内存整体不足；Zram开没开，SwapFree还剩余多少；Slab占用内存多大，其中SUnreclaim部分占用内存是多少，看是否有kernel泄漏。

dumpsys meminfo

Total PSS by process: Java层存活的进程及其占用内存情况

241,086K: system (pid 1479)

161,423K: surfaceflinger (pid 544)

137,754K: com.android.systemui (pid 4843/ activities)

...

Total PSS by OOM adjustment: Native存活的进程及其占用内存情况

376,783K: Native

161,423K: surfaceflinger (pid 544)

14,303K: audioserver (pid 725)

9,247K: zygote (pid 719)

...

576,007K: Persistent 按进程优先级分别来统计对应的进程及其内存使用情况

241,086K: system (pid 1479)

...

219,381K: Foreground

167,657K: com.tengxin.youqianji (pid 29421/ activities)

...

317,970K: B Services

33,115K: com.UCMobile:channel (pid 25225)

...

410,541K: Cached

36,294K: com.android.vending (pid 13418)

...

这里主要看下当前存活的进程是否有占用内存明显异常的，另外看看不同优先级进程的比例如何，如果当前可以内存比较低，但是B services和cache类型进程数量还比较高，那得看framework内存管理策略是否有问题。

一般来说，内存比较低时，lmk会从cache开始杀进程，并且b services进程会降级为cache，变相增加lmk第一档查杀数量。

dumpsys meminfo pid

** MEMINFOinpid1479 [system]**

PssPrivatePrivateSwapPssHeapHeapHeap

TotalDirtyCleanDirtySizeAllocFree

------------------------------------------

NativeHeap26106 25984 104 8739 73728 34267 39460

DalvikHeap63706 63676 4 1858 56528 40144 16384

DalvikOther6704 6668 12 24

Stack2388 2364 24 1352

Ashmem8004 8000 0 0

Gfxdev532 124 0 0

Otherdev55 8 36 0

.sommap1561 444 780 488

.jarmmap0 0 0 8

.apkmmap145 0 0 0

.dexmmap28702 0 4428 40

.oatmmap78494 0 49992 0

.artmmap3068 2684 76 856

Othermmap34 4 0 0

GLmtrack1424 1424 0 0

Unknown1275 1084 188 2882

TOTAL238445 112464 55644 16247 130256 74411 55844

AppSummary

Pss( KB)

------

JavaHeap: 66436 从 Java或 Kotlin代码分配的对象内存。受 dalvik.vm相关配置限制

NativeHeap: 25984 从 C或 C++代码分配的对象内存。不受限

Code: 55644 应用用于处理代码和资源(如 dex字节码，已优化或已编译的 dex码， .so库和字体)的内存。

Stack: 2364 应用中的原生堆栈和 Java堆栈使用的内存。这通常与您的应用运行多少线程有关。

Graphics: 1548 图形缓冲区队列向屏幕显示像素所使用的内存。这是与 CPU共享的内存，不是 GPU专用内存。

PrivateOther: 16132

System: 70337

TOTAL: 238445 TOTALSWAPPSS: 16247

Objects

Views: 3 ViewRootImpl: 1

AppContexts: 20 Activities: 0 当前存活的 activity

Assets: 8 AssetManagers: 6

LocalBinders: 888 ProxyBinders: 1652

Parcelmemory: 1697 Parcelcount: 751

DeathRecipients: 753 OpenSSLSockets: 0

如果在dumpsys meminfo中发现明显内存异常的进程，那么直接dump对应的进程详细内存分配数据，看看是什么原因。Java、Native或者Graphics图形占据内存比较高，是否存在泄漏情况，另外关注Activities，比如以前就看到过由相机进入相册重复创建activity的情况，造成大量activity泄漏。

另外还可以关注下当前系统内存碎片情况：

cat /proc/pagetypeinfo

Numberofblocks type Unmovable Movable Reclaimable CMA HighAtomic Isolate

Node 0, zone DMA 16723984300

Node 0, zone Normal 22826611010

Unmovable 超过总数的20%,可能存在内存碎片。

另外还可以dumpsys cpuinfo 关注下当前kswapd0 cpu占用率 ，侧面反映内存不足。

在有现场和有有效的bugreport信息的情况下，通过adb命令分析，基本对内存问题做一个基本面的判断，是否存在内存不足，如果内存不足是哪个层面的问题？

user space内存问题 还是kernel space内存问题，user space的话，看是系统进程内存问题，还是应用进程内存问题，同时也还能细分到是java heap的问题 还是native heap的问题。

那么总结下，最终问题会分为三类：java heap问题、native heap问题、kernel问题。

鸿洋注：kernel问题太过深入，需要的可以去原文查看。

1)java内存泄漏分析

Android提供了hprof机制，通过MAT进行定位分析。

分析步骤：

首先如果是android studio抓取的hprof文件，需要做下转换才能在MAT上打开：hprof-conv 源文件路径 转换文件路径，然后通过MAT来分析转换后的hprof文件，MAT提供了若干分析视角：

histogram基于类的角度

列举所有对象情况，可以group by class、package等切换视角。可以在里面具体检索某个类，对类可以看它当前的引用关系：outgoing 我引用了哪些类 ，incoming 哪些类引用了我 内存泄漏看这个。

基本数据字段说明：

object 对象数目

shallow 对象自己占多少内存

retained 在我这个引用链之上，对象总共占用多少内存

dominator_tree基于对象的角度

每个对象的支配数，percentage 是对象在所有对象中占的百分比。

top consumers占用内存比较高的对象

leak suspects内存泄漏怀疑点

OQLsql操作

2)native内存泄漏分析

Android提供了分析native进程内存泄漏的方法---malloc debug。

详细使用参考kernel文档：bionic/libc/malloc_debug/README.md

步骤：

1)adb root

2)adb shell setenforce 0

3)adb shell chmod 0777 /data/local/tmp

4)adb shell setprop libc.debug.malloc.program app_process64 //跟踪zygote及zygote的子进程

5)adb shell setprop libc.debug.malloc.options "backtrace_enable_on_signal leak_track"

6)adb shell stop

7)adb shell start

8)adb shell kill -45 //enable backtrace

9)adb shell kill -47 //在/data/locat/tmp/目录下会生成名为backtrace_heap..txt，logcat中也会打印出内存泄漏调用栈信息，如下图片所示

…

当复现出问题时，可以通过几次抓取的log，对比找出一直malloc没有free的调用栈，即内存泄漏点。

10)使用native_heapdump_viewer.py解析backtrace_heap生成.html文件，分析内存占用情况。

以9.0的代码为例，调试audioserver进程

1)adb root

2) # setenforce 0 //避免由于selinux权限问题，无法生成heap文件

3) # setprop libc.debug.malloc.program audioserver // 调试audioserver进程

4) # setprop libc.debug.malloc.options "backtrace_enable_on_signal leak_track"

5) #kill -9 pid_ audioserver // 杀掉audioserver进程, 该进程会重启

logcat日志会有如下信息：

# logcat -v time | grep malloc_debug

09-26 20:19:41.573 I/malloc_debug( 6934): /system/bin/audioserver: Run: 'kill -45 6934'to enablebacktracing.

09-26 20:19:41.573 I/malloc_debug( 6934): /system/bin/audioserver: Run: 'kill -47 6934'to dump the backtrace.

6) #kill -45 pid_ audioserver_new(6934) // 使能backtrace，然后复测内存泄漏问题，当audioserver进程存在内存泄漏时，执行下一步生成内存泄漏的backtrace

7) # kill -47 pid_ audioserver_new(6934) // 在/data/local/tmp目录下面生成backtrace_heap文件

/data/ local/tmp # ls -al

-rw------- 1 audioserver audio 89704 2019-09-26 20:30 backtrace_heap.6934.txt

8)使用native_heapdump_viewer.py解析backtrace_heap.6934.txt

命令如下：

python development/s/native_heapdump_viewer.py --verbose --html backtrace_heap.6934.txt --symbols ./out/target/product/raphael/symbols > backtrace_heap.html

在调试native进程内存泄漏问题的时候要注意以下两个方面：

需要setenforce 0，关闭selinux权限，否则无法在/data/local/tmp目录下面生成backtrace heap文件；解析backtrace heap文件

用到native_heapdump_viewer.py这个脚本，9.0源码目录下面development/s/的这个脚本文件不能正常解析，需要使用10.0源码里面的这个文件，或者从下面这个地方去下载：https://android.googlesource.com/platform/development/+/master/s/native_heapdump_viewer.py4

内存监控方案

内存监控方案这部分参考张绍文在内存优化部分做的分享，主要还是针对app的

1)采集方式

用户在前台的时候，可以每 5 分钟采集一次 PSS、Java 堆、图片总内存。

我建议通过采样只统计部分用户，需要注意的是要按照用户抽样，而不是按次抽样。简单来说一个用户如果命中采集，那么在一天内都要持续采集数据。

2)计算指标

通过上面的数据，我们可以计算下面一些内存指标。

内存异常率：可以反映内存占用的异常情况，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。其中 PSS 的值可以通过 Debug.MemoryInfo 拿到。

内存 UV 异常率 = PSS 超过 400MB 的 UV / 采集 UV

触顶率：可以反映 Java 内存的使用情况，如果超过 85% 最大堆限制，GC 会变得更加频繁，容易造成 OOM 和卡顿。

内存 UV 触顶率 = Java 堆占用超过最大堆限制的 85% 的 UV / 采集 UV

其中是否触顶可以通过下面的方法计算得到。

longjavaMax = runtime.maxMemory;

longjavaTotal = runtime.totalMemory;

longjavaUsed = javaTotal - runtime.freeMemory;

// Java 内存使用超过最大限制的 85%

floatproportion = ( float) javaUsed / javaMax;

一般客户端只上报数据，所有计算都在后台处理，这样可以做到灵活多变。后台还可以计算平均 PSS、平均 Java 内存、平均图片占用这些指标，它们可以反映内存的平均情况。

通过平均内存和分区间内存占用这些指标，我们可以通过版本对比来监控有没有新增内存相关的问题。

因为上报了前台时间，我们还可以按照时间维度看应用内存的变化曲线。

比如可以观察一下我们的应用是不是真正做到了“用时分配，及时释放”。如果需要，我们还可以实现按照场景来对比内存的占用。

3)GC 监控

在实验室或者内部试用环境，我们也可以通过 Debug.startAllocCounting 来监控 Java 内存分配和 GC 的情况，需要注意的是这个选项对性能有一定的影响，虽然目前还可以使用，但已经被 Android 标记为 deprecated。

通过监控，我们可以拿到内存分配的次数和大小，以及 GC 发起次数等信息。

longallocCount = Debug.getGlobalAllocCount;

longallocSize = Debug.getGlobalAllocSize;

longgcCount = Debug.getGlobalGcInvocationCount;

上面的这些信息似乎不太容易定位问题，在 Android 6.0 之后系统可以拿到更加精准的 GC 信息。

// 运行的GC次数

Debug.getRuntimeStat( "art.gc.gc-count");

// GC使用的总耗时，单位是毫秒

Debug.getRuntimeStat( "art.gc.gc-time");

// 阻塞式GC的次数

Debug.getRuntimeStat( "art.gc.blocking-gc-count");

// 阻塞式GC的总耗时

Debug.getRuntimeStat( "art.gc.blocking-gc-time”);

需要特别注意阻塞式 GC 的次数和耗时，因为它会暂停应用线程，可能导致应用发生卡顿。我们也可以更加细粒度地分应用场景统计，例如启动、进入朋友圈、进入聊天页面等关键场景。

纵观通篇，我更多的篇幅是花在了内存基础总结，以及如何分析具体内存问题上。

对大部分app开发者或者rom开发者来说基本是通过存量内存问题的分析去倒逼内存优化产出。至于内存监控，我本身也没有太多经验，因此就参考张绍文微信的方案，了解下思路点到为止。

参考：

linux内核tmpfs/shmem浅析

linux内存源码分析 - 内存回收(整体流程)

直接内存回收中的等待队列

linux内存源码分析 - 内存压缩(实现流程)

Linux内存管理 (16)内存规整

linux内存源码分析 - 内存压缩(同步关系)

ART运行时为新创建对象分配内存的过程分析

ART运行时垃圾收集机制简要介绍和学习计划

ART运行时垃圾收集(GC)过程分析

Android内存优化(二)DVM和ART的GC日志分析

04 | 内存优化(下)：内存优化这件事，应该从哪里着手？返回搜狐，查看更多

责任编辑：