Android架构纵横谈之——软件自愈能力 （3）

By LiAnLab.org / 宋宝华

最近马不停蹄往返进行Linux技术讲座，所以本回delay了一周。上回书说到Android中生死与共的Zygote和SystemServer，今回书我们讲SystemServer的watchdog，也为软件架构自愈系列的总结篇。

第三只狗：朝廷鹰犬

2012 年7月，网名为“吴法天”、人称中国十大“五毛”的中国政法大学副教授吴丹红，和网名为“此是燕云”的四川电视台记者周燕，“微博约架”北京朝阳公园南 门。众多网友前去围观，一场鸡飞狗跳的闹剧就此上演。吴法天被打，天朝为之轰动。笔者观此视频，对于吴被打，稍有振动，而最震慑心灵的是，视频中，吴被众 人齐呼“走狗”，却是有相当的讽刺意味。“走狗”，基本上是与“朝廷鹰犬”同等的概念，可笑的是，替现政府说话的人，目前成为“走狗”，换回70年前，又 是怎样的观景？当年彼是绿林，今日彼为走狗，想起小时候看过的电影《金镖黄天霸》，黄天霸曾经是伟大的无产阶级领袖，绿林好汉的三统领，后投靠清廷，于是 成为“鹰犬”，成功升级为与明朝东厂同等的地位。政治是个卑鄙的把戏，历史上屡次的成功者，基本上都是最卑鄙者。

“走 狗”、“鹰犬”的特点是，对主人卑躬屈膝，对民间进行秘密监控、暴力镇压、实施酷刑等，搞到人人自危。在Android的世界里，这样的“走狗”也必然存 在。在SystemServer启动一些service后，它需要不断监视一些重要service的状况，一旦发现某个service有异动，思想上与统 治者长期不一致，势必要采取行动。在SystemService的众多service中，重点监控对象包括ActivityManagerService 、PowerManagerService、WindowManagerService等，这个监控透过Android的watchdog实现 。

在 一个典型的嵌入式系统中，会存在一个硬件看门狗，正常运转的系统会周期喂狗，否则证明系统hang了。硬件看门狗存在相当大的局限性，它只能监控整个系统 而不能监控单个的进程或者线程。于是发明软件看门狗意义重大。SystemServer会用到软件看门狗来确保AM 、PM、WM这几个服务hang住之后，退出SystemServer进程，从而进入上回书中的Zygote与SystemServer的生死与共。注意 service是hang而不是死，绕到个死胡同里出不来了。镜湖女侠决定了革命，你再怎么去说服她也没有用了。这些重要的service运行于 SystemServer的进程空间，在祖国的怀抱里长大，它们热爱祖国热爱人民，只是步调偏了，不按照当局规定的方式“爱国”，当局透过Java里面去 synchronized某锁的时候长时间拿不到。

我们随便读一下PowerManagerService.java的源代码，会发现几乎所有的重要操作都会透过synchronized其中的mLocks进行，咱们抓几个看看：

很 显然，如果我们故意去synchronizedmLocks这个锁，如果长时间拿不到，基本可认定PowerManagerService在某个操作里面 hang了，短时间或者直接就拿到了，证明一切正常。PowerManagerService里面实现了monitor成员函数来 synchronized mLocks：

    // for watchdog

    public void monitor() {

        synchronized (mLocks) { }

    }

      同样的道理，对于其他的几个service，我们也可以用类似的方法来验证它们是否hang。同志们啊，很多国内的书或者文档里面把这个侦测hang的过 程说成是侦测死锁，含义其实是大错特错了，也把广大的读者搞地不知所云。因为死锁只是引起hang的一种可能，hang的含义则更加广泛。缓刑或者监外执 行的罪犯，周期性地会去派出所报告工作，如果没去报告，很可能不是被家里人死锁在房间里打不开门了，更可能是跑路了。

同样，国内很多的教科书以内核cs8900驱动为例讲解网络设备驱动，我也反复在各大公司澄清过cs8900 那就是一反面教材，是一个平台相关信息***入与平台无关驱动代码的典型错误范例，需要拨乱反正啊有木有？

了 解了侦测service hang的原理，我们需要一套方法来实现这个侦测，这个过程透过watchdog来实现。在Android中，watchdog继承于thread类，代 码位于frameworks/base/services/java/com/android/server/Watchdog.java。采用单例模 式，提供getInstance() 接口，同时在watchdog创建的过程中，会创建一个用于消息处理的HeartbeatHandler：

public static Watchdog getInstance() {
        if (sWatchdog == null) {
            sWatchdog = new Watchdog();
        }

        return sWatchdog;
    }

    private Watchdog() {
        super("watchdog");
        mHandler = new HeartbeatHandler();
    }

SystemServer会调用watchdog的start函数，从而让继承于thread的Watchdog的run函数在一新线程被执行：

public void run() {
        boolean waitedHalf = false;
        while (true) {
            mCompleted = false;
            mHandler.sendEmptyMessage(MONITOR);//引发HeartbeatHandler在相应线程处理MONITOR消息

            synchronized (this) {
                long timeout = TIME_TO_WAIT;//周期性等待

                long start = SystemClock.uptimeMillis();
                while (timeout > 0 && !mForceKillSystem) {
                    try {
                        wait(timeout);
                    } catch (InterruptedException e) {
                        Log.wtf(TAG, e);
                    }
                    timeout = TIME_TO_WAIT - (SystemClock.uptimeMillis() - start);
                }

                if (mCompleted && !mForceKillSystem) {
                    // monitor都返回了，mCompleted为真
                    waitedHalf = false;
                    continue;
                }

                if (!waitedHalf) {
                    // monitor没有都返回，再进行第二次等待判断
                    waitedHalf = true;
                    continue;
                }
            }

            // 第2次了，monitor还没都返回，确实hung了
            if (!Debug.isDebuggerConnected()) {
                //SystemServer自杀
                Process.killProcess(Process.myPid());
                System.exit(10);
            } else {
                Slog.w(TAG, "Debugger connected: Watchdog is *not* killing the system process");
            }

            waitedHalf = false;
        }
    }

这个run函数实现比较简单， 周期性地设置mCompleted变量为假，通知心跳handler去调用各个monitor，而心跳handler会调用各个service的 monitor，如果各个monitor都返回了，心跳handler会将mCompleted设置为真(这个过程是不是和使用硬件看门狗的情况下把定时 器复位惊人的相似？因此，我们可以把这个过程看做“喂狗”)。否则，经过2次等待watchgod的run()发现mCompleted还为假，就证明 hang了。我们看看心跳handler调用各个monitor的过程并“喂狗”的过程：

final class HeartbeatHandler extends Handler {
        @Override
        public void handleMessage(Message msg) {
            switch (msg.what) {
                case MONITOR: {
                    //调用每个monitor
                    final int size = mMonitors.size();
                    for (int i = 0 ; i < size ; i++) {
                        mCurrentMonitor = mMonitors.get(i);
                        mCurrentMonitor.monitor();
                    }

                    synchronized (Watchdog.this) {
                        mCompleted = true; //修改mCompleted为true
                        mCurrentMonitor = null;
                    }
                } break;
            }
        }
    }

而PowerManagerService等service如何进入上面代码中的for循环呢？那是因为他们正好实现了 这个Watchdog.Monitor接口，并透过Watchdog.getInstance().addMonitor(this)加到了 monitor列表里面。

结合第一回和第二回，我们基本可以看出整个Android软件自愈过程的“环环相扣”，成为一个多么完美的体系 啊！SystemServer监控重要service，重要service hang则SystemServer死，SystemServer死则Zygote监控到，Zygote也死并且杀死整个Java世界，Zygote死则 init监控到，init重新启动Zygote，之后SystemServer、service又进入重生过程，与死亡的过程相反。

这个过程我们 看到了多进程之间的千丝万缕的联系，以及多进程模型的魅力和设计哲学，程序员喜欢孤立的去看待自己的程序而不是总揽全局，而从体系架构的角度去思考问题， 我们更加能清楚我们位于整个软件的哪个组成部分。和宇宙大爆炸比起来，咱屌丝们的房子、车子都不过是过眼云烟，所以我们要尽快把自己的人生理想调整到配合 宇宙大爆炸的方向上来。从Android的init、Zygote、SystemServer和重要service的彼此关联中，我们至少体会到了一些什 么，整天盯着自己的几个函数玩，不在宇宙里玩，玩地多不过瘾啊？关系上是“宇宙大爆炸－>Android-> 程序员”，不是“函数->模块->Android”，这是研究Android的方法学。谁可以帮我p一副图？把下面这个宇宙大爆炸图中p出个 Android，旁边再p出个苦B程序员呢？

在朝廷鹰犬的监控之下，无法与中央保持一致的service革命者就这样被watchdog给揪了出来。鹰犬问道，你只要放弃你的信念，保持喂狗，就可以活。而他（她）毅然选择了慷慨负死。威廉·华莱士道：“跟着我，你们将失去生命，但是，你们将获得自由” 。

谨以本回，献给中国历史上前赴后继的伟大的为天下人谋求永福的人们。

汝体吾此心，

于啼泣之余，

亦以天下人为念，

当亦乐牺牲吾身与汝身之福利，

为天下人谋永福也。

汝其勿悲！

——宋宝华