本文要点
- 为何需要自动化检测方案
- 自动卡顿检测方案原理
- 看一下Looper.loop()源码
- 实现思路
- AndroidPerformanceMonitor实战
- 基于AndroidPerformanceMonitor源码简析
- 接下来我们讨论一下方案的不足
- 自动检测方案优化
项目GitHub
#为何需要自动化检测方案
- 前面提到过的系统工具只适合线下针对性分析，无法带到线上！
- 线上及测试环节需要自动化检测方案
#方案原理
- 源于Android的消息处理机制； 一个线程不管有多少Handler，只会有一个Looper存在， 主线程中所有的代码，都会通过Looper.loop()执行；
- loop()中有一个
mLogging对象， 它在每个Message处理前后都会被调用： - 如果主线程发生卡顿，
一定是在
dispatchMessage执行了耗时操作！
由此，我们便可以通过
mLogging对象 对dispatchMessage执行的时间进行监控；
#看一下Looper.loop()源码
public static void loop() {
final Looper me = myLooper();
if (me == null) {
throw new RuntimeException("No Looper; Looper.prepare() wasn't called on this thread.");
}
final MessageQueue queue = me.mQueue;
// Make sure the identity of this thread is that of the local process,
// and keep track of what that identity token actually is.
Binder.clearCallingIdentity();
final long ident = Binder.clearCallingIdentity();
// Allow overriding a threshold with a system prop. e.g.
// adb shell 'setprop log.looper.1000.main.slow 1 && stop && start'
final int thresholdOverride =
SystemProperties.getInt("log.looper."
+ Process.myUid() + "."
+ Thread.currentThread().getName()
+ ".slow", 0);
boolean slowDeliveryDetected = false;
for (;;) {
Message msg = queue.next(); // might block
if (msg == null) {
// No message indicates that the message queue is quitting.
return;
}
// This must be in a local variable, in case a UI event sets the logger
final Printer logging = me.mLogging;
if (logging != null) {
logging.println(">>>>> Dispatching to " + msg.target + " " +
msg.callback + ": " + msg.what);
}
final long traceTag = me.mTraceTag;
long slowDispatchThresholdMs = me.mSlowDispatchThresholdMs;
long slowDeliveryThresholdMs = me.mSlowDeliveryThresholdMs;
if (thresholdOverride > 0) {
slowDispatchThresholdMs = thresholdOverride;
slowDeliveryThresholdMs = thresholdOverride;
}
final boolean logSlowDelivery = (slowDeliveryThresholdMs > 0) && (msg.when > 0);
final boolean logSlowDispatch = (slowDispatchThresholdMs > 0);
final boolean needStartTime = logSlowDelivery || logSlowDispatch;
final boolean needEndTime = logSlowDispatch;
if (traceTag != 0 && Trace.isTagEnabled(traceTag)) {
Trace.traceBegin(traceTag, msg.target.getTraceName(msg));
}
final long dispatchStart = needStartTime ? SystemClock.uptimeMillis() : 0;
final long dispatchEnd;
try {
msg.target.dispatchMessage(msg);
dispatchEnd = needEndTime ? SystemClock.uptimeMillis() : 0;
} finally {
if (traceTag != 0) {
Trace.traceEnd(traceTag);
}
}
if (logSlowDelivery) {
if (slowDeliveryDetected) {
if ((dispatchStart - msg.when) <= 10) {
Slog.w(TAG, "Drained");
slowDeliveryDetected = false;
}
} else {
if (showSlowLog(slowDeliveryThresholdMs, msg.when, dispatchStart, "delivery",
msg)) {
// Once we write a slow delivery log, suppress until the queue drains.
slowDeliveryDetected = true;
}
}
}
if (logSlowDispatch) {
showSlowLog(slowDispatchThresholdMs, dispatchStart, dispatchEnd, "dispatch", msg);
}
if (logging != null) {
logging.println("<<<<< Finished to " + msg.target + " " + msg.callback);
}
// Make sure that during the course of dispatching the
// identity of the thread wasn't corrupted.
final long newIdent = Binder.clearCallingIdentity();
if (ident != newIdent) {
Log.wtf(TAG, "Thread identity changed from 0x"
+ Long.toHexString(ident) + " to 0x"
+ Long.toHexString(newIdent) + " while dispatching to "
+ msg.target.getClass().getName() + " "
+ msg.callback + " what=" + msg.what);
}
msg.recycleUnchecked();
}
}
- 里边有一个for循环，
会不断地读取消息队列队头进行处理：
- 处理之前，会调用
logging.println()执行之后再次调用
我们可以从打印日志的前缀来判断Message处理的
开始和结束；
#实现思路
- 通过
Looper.getMainLooper().setMessageLogging();， 来设置我们自己的Logging； 这样每次Message处理的前后， 调用的就是我们自己的Logging； - 如果匹配到
>>>>> Dispatching， 我们就可以执行一个代码， 即在指定的阈值时间之后， 在子线程中开始执行一个【获取当前子线程的堆栈信息以及当前的一些场景信息（如内存大小、变量、网络状态等）】的任务；
如果匹配到<<<<< Finished， 则说明在指定的阈值时间内，Message被执行完成，没有发生卡顿， 那便将这个任务取消掉；
#AndroidPerformanceMonitor实战
AndroidPerformanceMonitor原理：便是上述的实现思路和原理；
特性1：非侵入式的
性能监控组件， 可以用通知的方式弹出卡顿信息，同时用logcat打印出关于卡顿的详细信息； 可以检测所有线程中执行的任何方法，又不需要手动埋点， 设置好阈值等配置，就“坐享其成”，等卡顿问题“愿者上钩”！！特性2：方便精确，可以把问题定位到代码的具体某一行！！！
【方案的
不足以及框架源码解析在下面实战之后总结！！】
####实战开始--------------------------------------------------- - 库的依赖：`implementation 'com.github.markzhai:blockcanary-android:1.5.0'` - **库的主页：[https://github.com/markzhai/AndroidPerformanceMonitor](https://github.com/markzhai/AndroidPerformanceMonitor)**
- 在项目中引入依赖后，
在Application进行初始化，
BlockCanary.install(this, new AppBlockCanaryContext()).start();第一个参数是上下文， 第二个参数是需要传入一个Block的配置类实例【BlockCanaryContext类实例或者其子类实例】：
public class TestApp extends Application {
@Override
public void onCreate() {
super.onCreate();
...
//AndroidPerformanceMonitor测试
BlockCanary.install(this, new AppBlockCanaryContext()).start();
}
}
AppBlockCanaryContext是我们自定义的类， 配置了BlockCanary的各种信息， 代码较多，可以看下GitHub，这里就不贴全部代码了~ 下面两个配置方法分别是 给出一个uid，可以用于在上报时上报当前的用户信息； 第二个是自定义卡顿的阈值时间，过了阈值便认为是卡顿， 这里指定的是500ms；
/**
* Implement in your project.
*
* @return user id
*/
public String provideUid() {
return "uid";
}
/**
* Config block threshold (in millis), dispatch over this duration is regarded as a BLOCK. You may set it
* from performance of device.
*
* @return threshold in mills
*/
public int provideBlockThreshold() {
return 500;
}
-
接着在
MainActivity的onCreate()中， 让主线程沉睡两秒（2000ms > 设定的阈值500ms）； -
运行时，因为主线程停滞时间超过既定阈值， 组件会认为其卡顿并且弹出通知！！ 当然Android8.0以后比较麻烦， 因为notificationManager需要配置Channel等才能用， 或者允许
后台弹出界面，桌面上便会出现这个图标：
进去之后就可以看到了相应的信息了：
当然，我们可以在logcat中定位关键词
blockInfo， 看到同样的详细的信息：如上， Block框架打印出来了【当前子线程的
堆栈信息以及当前的一些场景信息（如内存大小、变量、网络状态等)】, 从time-start到time-end的时间间隔又可以知道阻塞的时间，如上图展示出来的，正是我们设置的2秒！！！！ 也可以看到uid键的值 便是我们刚刚设定的字符串“uid”； 同时还直接帮我们定位到卡顿问题的出处！！！
可见得BlockCanary已然 成功检测到
卡顿问题的各种具体信息了！！！
#基于AndroidPerformanceMonitor源码简析 由于篇幅原因，笔者把以下解析内容提取出来单独作一篇博客哈~
目录 1. 监控周期的 定义 2. dump模块 / 关于.log文件 3. 采集堆栈周期的 设定 4. 框架的 配置存储类 以及 文件系统操作封装 5. 文件写入过程（生成.log文件的源码） 6. 上传文件 7. 设计模式、技巧 8. 框架中各个主要类的功能划分
###接下来我们讨论一下方案的不足
- 不足1：确实检测到卡顿，但获取到的卡顿堆栈信息可能不准确；
- 不足2：和OOM一样，最后的打印堆栈只是表象，不是真正的问题； 我们还需要监控过程中的一次次log信息来确定原因；
【假设初始方案，整个
监控周期只采集一次】 如上图， 假设主线程 在时间点T1（Message分发、处理前）与T2（Message分发、处理后）之间的时间段中发生了卡顿， 而卡顿检测方案是在T2时刻， 也就是 阻塞时间完全结束 （前提是T2-T1大于阈值，确定了是卡顿问题）的时刻， 方案才开始获取卡顿堆栈的信息，
而实际发生卡顿（如发生违例耗时处理过程）的时间点， 可能是在这个时间段内，而非获取信息的T2点， 那有可能，耗时操作在时间段内，即在T2点之前就已经执行完成了， T2点获取到的可能不是卡顿发生的准确时刻， 也就是说T2时刻获取到的信息，不能够完全反映卡顿的现场； 最后的T2点的堆栈信息只是表象，不能反映真正的问题；
我们需要缩小采集堆栈信息的周期，进行高频采集，详细如下；
###自动检测方案优化
优化思路：获取监控周期内的多个堆栈，而不仅是一个；
主要步骤：
startMonitor开始监控（Message分发、处理前）， 接着高频采集堆栈！！！ 阻塞结束，Message分发、处理后，前后时间差——阻塞时间超过阈值，即发生卡顿，便调用endMonitor（Message分发、处理后）；记录 高频采集好的堆栈信息 到文件中；【具体源码解析见上面解析部分（另一篇博客）】 在合适的时机上报给服务器；【相关方案以及源码解析见上面解析部分（另一篇博客）】如此一来， 便能更清楚地知道在整个卡顿周期（阻塞开始到结束；Message分发、处理前到后）之内， 究竟是哪些方法在执行，哪些方法执行比较耗时； 优化
卡顿现场不能还原的问题；新问题：面对 高频卡顿堆栈信息的上报、处理，服务端有压力；
- 突破点：一个卡顿下多个堆栈大概率有重复；
- 解决：对一个卡顿下的堆栈进行hash排重， 找出重复的堆栈；
- 效果：极大地减少展示量，同时更高效地找到卡顿堆栈；
参考：
