App内存优化

一、内存优化介绍

1.背景介绍

• 内存是大问题但缺乏关注
• 压实骆驼的最后一个稻草（堆栈溢出）

2.内存问题

• 内存抖动：锯齿状、GC导致卡顿
• 内存泄露：可用内存减少、频繁GC
• 内存溢出：OOM，程序异常

二、优化工具选择

1.工具选择

Memory Profiler

• 实时图标展示应用内存使用量

• 识别内存泄露、抖动等

• 提供捕获堆转储、强制GC以及跟踪内存分配的能力

  总结

• 方便直观

• 线下平时使用

Memory Analyzer

• 强大的Java Heap 分析工具，查找内存泄露及内存占用
• 生成整体报告、分析问题等
• 线下深入使用

LeakCanary

• 自动内存泄露检测
• https://github.com/square/leakcanary
• 线下集成

三、Android 内存管理机制

一、Java 内存管理机制

Java 内存分配

• 方法区：存储类信息，常量、静态变量等，如 public static final 的一些变量、常量。所有线程共享
• 虚拟机栈：存储局部变量和操作数栈的（为Java方法服务的）
• 本地方法栈：（为native 方法服务的）
• 堆：几块内存块中最大的内存。所有线程共享，对象的内存分配实际上都是在堆上分配的。在虚拟机栈上分配的都是引用，会指向在堆中创建的真正的对象。是GC主要作用的一块区域。常说的内存泄露也是发送在堆上的。
• 程序计数器：存储当前线程执行方法执行到第几行

Java 内存回收算法

标记-清除算法

• 标记出所有需要回收的对象

• 统一回收所有被标记的对象

  
  缺点

• 标记和清除效率不高

• 产生大量不连续的内存碎片

复制算法

• 将内存划分为大小相同的两块
• 一块内存用完之后复制存活对象到另一块
• 清理另一块内存
  优缺点
• 实现简单，运行高效（相比标记-清除算法）
• 浪费一半空间，代价大

标记-整理算法

• 标记过程与 “标记-清除” 算法一样
• 存活对象王一端进行移动
• 清理其余内存
  
  优点
• 避免标记-清除导致的内存碎片
• 避免复制算法的空间浪费

分代收集算法

• 结合多种收集算法优势
• 新生代对象存活率低，使用复制算法
• 老年代对象存活率高，使用标记-整理算法

二、Android内存管理机制

• 内存弹性分配，分配值与最大值受具体设备影响
• OOM场景：设备内存真正不足、可用内存不足（设备内存不足以分配给当前应用）

Dalvik 与 ART 区别

• Dalvik 仅固定一种回收算法
• Art 回收算法可以运行期选择回收算法（5.0之后都是Art）
• Art 具备内存整理能力，减少内存空洞

Low Memory Killer 机制

针对所有进程来说的，当手机内存不足的情况下，Low Memory Killer 机制会针对所有进程进行一个回收，按照进程分配优先级顺序，找低优先进程进行回收。同时也会考虑回收收益。例如回收一个进程是30兆还是300兆

进程分类

1. 前台进程
2. 可见进程
3. 服务进程
4. 后台进程
5. 空进程

四、内存抖动解决实战

内存抖动介绍

定义：内存频繁分配和回收导致内存不稳定
表现：频繁GC、内存曲线呈锯齿状
危害：导致卡顿、OOM

内存抖动导致OOM

• 频繁创建对象，导致内存不足及碎片（不连续）
• 不连续的内存片无法被分配，导致OOM

内存抖动解决实战

使用Memory Profiler 初步排查

使用Memory Profiler 或Cpu Profiler 结合代码排查

内存抖动解决技巧

• 找循环或者频繁调用的地方

五、内存泄露解决实战

内存泄露介绍

定义：内存中存在已经没有用的对象
表现：内存抖动、可用内存逐渐减少
危害；内存不足、GC频繁、OOM

内存泄露解决实战

Memory Analyzer

• https://www.eclipse.org/mat/downloads.php
• 转换命令：hprof-conv 原文件路径 转换后文件路径

总结

1. 使用Memory Profiler 初步观察（可用内存逐渐减少时，可以断定有内存泄露）
2. 通过Memory Analyzer 结合代码确认

六、全面理解MAT

七、ARTHook 优雅检测不合理图片

Bitmap 内存模型

• Api10 之前Bitmap 自身在Dalvik Heap 中，像素在native （有一个坏处，java 层内存回收后，native 层不知道）
• Api10 之后像素也被放在Dalvik Heap 中
• Api 26之后像素在Native(增加了java 向native 层的通知机制)

获取Bitmap 占用内存

• getByteCount
• 宽 x 高 x 一像素占用内存

常规检测不合理图片方式

背景：图片对内存优化至关重要、图片宽高大于控件宽高
实现：继承ImageView ,覆写实现计算大小
缺点：侵入性强、不通用

ARTHook 实战

介绍

挂钩，将额外的代码钩住原有方法，修改执行逻辑

• 运行时插桩
• 性能分析

Epic

• Epic 是一个虚拟机层面、以Java Method 为粒度的运行时Hook 框架
• 支持Android 4.0- 9.0
• https://github.com/tiann/epic

使用

1. compile ‘me.weishu:epic:0.3.6’
2. 继承XC_MethodHook ,实现相应逻辑
3. 注入Hook：DexposedBridge.findAandHookMethod

优点

无侵入性
通用性强
兼容问题大，开源方案不能带到线上环境

线上内存监控方案

常规方案

方案一

• 设定场景线上Dump : Debug.dumpHprofData()
  (假设线上app 以使用单个程序最大占用内存的80%时，进行下线上内存Dump )
  

方案一总结

• Dump 文件太大（Dump 文件大小跟程序使用时长有关），和对象数正相关，可裁剪
• 上传失败率高，分析困难
• 配合一定策略，有一定效果

**

方案二

1. LeakCanary 带到线上
2. 预设泄露怀疑点
3. 发现泄露回传

方案二总结

• 不适合所有情况，必须预设怀疑点
• 分析比较耗时、也容易OOM

LeakCanary原理

• 监控生命周期，onDestroy 添加RefWatcher 检测
• 二次确认断定发生内存泄露
• 分析泄露，找引用链
• 由监控组件 + 分析组件组成

LeakCanary 定制

• 预设怀疑点 —> 自动找怀疑点
• 分析泄露链路慢 ----> 分析Retain size（占用内存） 大的对象
• 分析OOM ----> 对象裁剪，不全部加载到内存

线上监控完整方案

• 待机内存、重点模块内存、OOM率
• 整体及重点模块GC次数、GC 时间
• 增强的LeakCanary 自动化内存泄露分析