Unidbg学习笔记（十九）：生产化

Unidbg学习笔记（十九）：生产化

大多数 Unidbg 教程到“能调出结果”就结束了。但真实业务里，你常常要把 Unidbg 当成一个线上中间件 —— 接 HTTP 请求，每秒处理几百次签名计算，24 小时不挂。从“能跑”到“能用于生产”之间，有一段工程化的路要走。这一篇就是这条路上的全图。

---

上一篇把你留在了哪里

第十八篇我们讲了算法还原 —— 那是 Unidbg 的“分析模式”。还原成功之后，你可以扔掉 Unidbg，用 Python 直接算。

但还原不是总是划算的。一个签名算法你愿意花两周还原，因为它每天被调用几十亿次；一个验证码算法你不愿意还原，因为它每天只调几千次，直接用 Unidbg 算就好了。

这种“不还原，直接当服务用”的场景，就是这一篇的主题。我们要把 Unidbg 从一个单线程的分析脚本，变成一个能跑在生产环境的高并发服务。

---

分析阶段 vs 生产阶段：关注点完全不同

很多人把“分析阶段的代码”直接搬到生产，然后被各种问题轰炸。根本原因是没意识到:

维度	分析阶段	生产阶段
目标	拿到正确结果	拿到正确结果 + 高并发 + 稳定
Backend	Unicorn2 （功能全，慢）	Dynarmic （快，功能少）
线程模型	单线程，一次一调用	多线程，池化复用
生命周期	跑完一次就退出	7x24 小时常驻
关注点	正确性	正确性 + QPS + 延迟 + 内存
错误处理	抛异常，看 stack trace	降级、熔断、告警
日志	print 调试	结构化日志 + Trace ID

最容易被忽略的一条：生命周期。分析阶段的代码跑完就退出，内存泄漏不重要；生产阶段每天跑 86400 秒，哪怕一次调用泄漏 1KB，一天也是 GB 级别的炸弹。

---

第一个坑：AndroidEmulator 不是线程安全的

新手生产化的第一步，通常是这样:

// 在 Spring Bean 里, 一个全局 AndroidEmulator
@Component
public class SignService {
    private final AndroidEmulator emulator;
    
    public SignService() {
        this.emulator = AndroidEmulatorBuilder.for64Bit().build();
        // ... 加载 SO
    }
    
    public byte[] sign(byte[] input) {
        // 多线程同时调用这个方法 -> 灾难
        return invokeSign(emulator, input);
    }
}

这是错的。AndroidEmulator 不是线程安全的。内部的:

• 模拟 CPU 寄存器（单例，多线程同时改 → 数据竞争）
• 内存映射表（单例，一个线程的栈帧覆盖另一个的）
• JNIEnv 状态（单例，调用返回时混乱）
• 错误状态（errno 之类，线程串数据）

这些都是单实例的。多线程并发调用同一个 emulator，你会看到:

• 偶发的“返回值是另一个请求的结果”
• 偶发的 segfault （Backend 抛异常）
• 偶发的 NullPointerException

这些 bug 几乎不可复现，因为它们依赖时序。一旦在生产环境出现，你会查得想哭。

正确思路：每个并发请求必须用独立的 emulator 实例。这是无法绕过的硬约束。

---

一种看似聪明的偷懒：单实例 + synchronized

知道"硬约束"之后，新手最常见的第一反应不是"那我搞多个实例"，而是："那我加把锁不就行了？" 网上能搜到的"unidbg + Spring Boot" 模板里 80% 都是这种写法：

// 注: 这是反面教材, 用来说明"硬约束为什么硬"
@RestController
@RequestMapping("/qqmusic")
public class QQMusicController {
    @Autowired QQMusicRecognizer qqMusicRecognizer;   // @Component, 全局单例

    @RequestMapping(value = "prepareFeature", method = RequestMethod.POST)
    public String prepareFeature(@RequestParam("inputData") String inputData) {
        synchronized (this) {                          // ← 关键: 全局锁
            return qqMusicRecognizer.prepareFeature(inputData);
        }
    }
}

这种写法"能跑"——但代价是放弃了并发本身。synchronized 保证了同一时刻只有一个请求在用 emulator，确实规避了线程不安全。但同时：

• QPS 等于单线程吞吐。无论服务器有多少核，所有请求串行通过这把锁。8C 的机器和 1C 的机器在这种部署下表现一样
• 请求堆积时延迟爆炸。signature 计算 50ms，并发 50 请求时第 50 个要等 2.5 秒——而 P99 告警阈值通常就是 200ms
• 资源利用率极低。CPU 99% 时间在等锁

它的根本问题不是"不安全"，而是用最粗暴的同步把并发降级成串行——解决了"线程不安全" 这个症状，但完全放弃了"并发"这件事本身。这就是上一节"硬约束"为什么硬：你以为可以用一把锁绕过去，但代价是你不再有一个"高并发服务"，只有一个"穿了 HTTP 外衣的串行脚本"。

8 个并发请求、每次 sign 50ms：synchronized 让 R8 等到 400ms 才完成、QPS 卡死在 20、CPU 利用率只有 12.5%；对象池让 8 个请求 50ms 一并跑完，QPS 直冲 160。8C 机器跑出 1C 还是 8C 性能，就在这一处。

它在两种场景下仍然合理：PoC / Demo 阶段（先跑通再优化）和极低流量内部工具（每天调用 < 1000 次）。但凡涉及对外 API、高并发场景、或多核服务器，都不应该停在这一步。

下面这三种方案就是"如何真正满足硬约束"的递进路径——从最简单的 ThreadLocal 到工业级的对象池。

---

三种线程隔离方案对比

每个请求要独立实例，怎么管理这些实例呢？三种主流方案：

方案 1: ThreadLocal

每个线程持有自己的 emulator，第一次访问时创建，之后复用。

private static final ThreadLocal<AndroidEmulator> EMULATOR = ThreadLocal.withInitial(() -> {
    AndroidEmulator e = AndroidEmulatorBuilder.for64Bit().build();
    // 加载 SO ...
    return e;
});

public byte[] sign(byte[] input) {
    AndroidEmulator e = EMULATOR.get();
    return invokeSign(e, input);
}

优点：实现简单，一个线程一个 emulator，复用率高。

缺点:

• 不能控制总数。如果用 Tomcat 默认 200 线程池，你就有 200 个 emulator。内存可能爆掉。
• 回收难。ThreadLocal 不会主动 close emulator，线程死的时候 emulator 也只是被标记为可回收，内存不会立刻释放。
• 状态可能污染。一个线程长期使用同一个 emulator，内部状态（全局变量、堆碎片、文件描述符泄漏）会越积越多。

适用场景：短期试验，流量不大，重启频繁。

方案 2：对象池

预创建固定数量的 emulator，并发请求从池里借，用完归还。

GenericObjectPool<AndroidEmulator> pool = new GenericObjectPool<>(
    new EmulatorFactory(),
    new GenericObjectPoolConfig<>() {{
        setMaxTotal(20);     // 最多 20 个实例
        setMinIdle(5);       // 最少保持 5 个空闲
        setMaxWait(Duration.ofMillis(3000));  // pool 2.10+ 推荐, 旧版 setMaxWaitMillis(3000)
    }}
);

public byte[] sign(byte[] input) throws Exception {
    AndroidEmulator e = pool.borrowObject();
    try {
        return invokeSign(e, input);
    } finally {
        pool.returnObject(e);
    }
}

优点:

• 总数可控。你说 20 就是 20， 不会因为线程多而爆。
• 预热。启动时 pool.preparePool() 把池子填满，第一个请求就不会卡在创建 emulator 上。
• 健康检查。池子可以定期对每个实例做 validation，把坏的实例淘汰。
• 回收清晰。用完归还，长时间没用的实例会被 evict 掉，内存可控。

缺点:

• 实现稍复杂（用 Apache Commons Pool 即可，不算太难）
• 需要做 borrow/return 的异常处理，否则实例会泄漏

适用场景：生产环境的标准方案。 99% 的场景都应该用这个。

方案 3：按需创建

每次请求都创建一个新的 emulator，用完销毁。

public byte[] sign(byte[] input) {
    AndroidEmulator e = AndroidEmulatorBuilder.for64Bit().build();
    try {
        // 加载 SO + 调用
        return invokeSign(e, input);
    } finally {
        e.close();
    }
}

优点:

• 完全无状态，永远不会有“上一次请求污染下一次”的问题。
• 实现最简单。

缺点:

• 慢。创建一个 emulator + 加载 SO 通常要几百毫秒到几秒。每次请求都付一次，是不能接受的。
• 资源消耗大。JIT 缓存、模拟内存全都重新分配。

适用场景：调用频率极低 (每分钟 < 1 次)、对延迟不敏感的离线任务.

三方案对比总结

特性	ThreadLocal	对象池	按需创建
实现复杂度	低	中	极低
总实例数可控	否	是	是（就是 0 或 1）
启动延迟	首次请求慢	启动时已就绪	每次都慢
状态污染风险	高	中（可定期重建）	无
推荐生产使用	不推荐	推荐	仅特殊场景

---

Backend 选型：Unicorn2 vs Dynarmic

第三篇讲过 Backend 是什么，这里讲生产环境怎么选。

特性	Unicorn2	Dynarmic
执行速度	1x （基线）	30-40x（实测，参考第 3 篇）
CodeHook 支持	OK	不支持（抛 UnsupportedOperationException）
Trace 支持	OK	不支持（同 CodeHook，hook_add_new 抛错）
断点支持	OK	不支持（debugger_add 是空方法，静默失效）
稳定性	极稳	部分指令略有 bug
体积	较小	较大（JIT 元数据）

生产化的直接结论:

• 分析阶段用 Unicorn2：因为你需要 Trace、CodeHook、断点这些工具。
• 生产阶段切到 Dynarmic：速度快几十倍（第 3 篇实测约 30-40 倍），而你已经不需要那些调试工具了。

怎么切换:

AndroidEmulator emulator = AndroidEmulatorBuilder.for64Bit()
    .addBackendFactory(new DynarmicFactory(true))   // 生产
    // .addBackendFactory(new Unicorn2Factory(true))  // 分析
    .build();

坑：Dynarmic 不是所有指令都完美支持。切换之后必须做基准对比，用 Unicorn2 跑 100 个 case， Dynarmic 跑同样的 100 个 case，全对上才能上线。这一步绝对不能省。

---

自建服务的五个工程关键点

很多人选择直接用 unidbg-boot-server，这是一个开源的 Spring Boot 封装。内置对象池，HTTP 接口，开箱即用。

但如果你要自建（因为业务复杂、需要特殊定制），下面是五个你必须考虑的关键点:

关键点 1：实例池大小怎么定

经验公式: 池大小 = min(物理 CPU 数 x 2, 物理内存 GB / 单实例内存)

每个 Unidbg 实例大概占用:

• 小 SO (< 1MB): 100-200 MB
• 中 SO (1-10MB): 200-500 MB
• 大 SO （10MB+，含资源文件）：500MB-1GB

计算示例：8C16G 的服务器，单实例 300MB:

• CPU 上限：8 * 2 = 16
• 内存上限：16 GB / 0.3 GB ≈ 53 （但要给 OS 和 JVM 留余量，实际 35-40）
• 池大小：min(16, 35) = 16

别贪多。池大小设到 50 不一定比 16 跑得快，因为 JIT 编译、内存压力会拖累整体。从经验公式开始，跑压测看 P99.

关键点 2：预热是必须的

症状：服务启动后第一个请求耗时 5 秒，后续请求 10ms.

原因：第一个请求触发了池子的延迟创建。你的 LB 还没把流量切过来呢，健康检查就超时了。

解决方案：启动时主动调用一次，让所有实例都被创建并跑通一次。

@PostConstruct
public void warmUp() {
    pool.preparePool();
    
    // 预跑一次 sign, 触发 JIT 编译
    for (int i = 0; i < pool.getMaxTotal(); i++) {
        AndroidEmulator e = pool.borrowObject();
        try {
            sign(e, "warmup".getBytes());
        } finally {
            pool.returnObject(e);
        }
    }
}

预热一次，后续的请求都是热的。这是生产化的标配，不能省。

关键点 3：健康检查和实例回收

Unidbg 实例会老化。表现:

• 内存逐渐增长（JIT 缓存膨胀、未释放的临时缓冲区）
• 偶发的不一致结果
• 调用时间逐渐变长

所以必须定期“换新”:

new GenericObjectPoolConfig<>() {{
    setMaxTotal(20);
    
    // 一个实例最多用 1000 次, 然后销毁重建
    // setMinEvictableIdleDuration: pool 2.12+; setTimeBetweenEvictionRuns(Duration): pool 2.10+
    // 旧版 (< 2.10) 用 setMinEvictableIdleTimeMillis / setTimeBetweenEvictionRunsMillis
    setMinEvictableIdleDuration(Duration.ofSeconds(60));
    setTimeBetweenEvictionRuns(Duration.ofSeconds(30));
    
    // 借出时验证
    setTestOnBorrow(true);
}};

加上一个 validate 方法，让池子定期检查实例是否还能产生正确结果:

@Override
public boolean validateObject(PooledObject<AndroidEmulator> p) {
    try {
        AndroidEmulator e = p.getObject();
        byte[] result = invokeSign(e, KNOWN_INPUT);
        return Arrays.equals(result, KNOWN_OUTPUT);
    } catch (Exception ex) {
        return false;
    }
}

实例失败 → 池子自动销毁 + 重建。这是自愈能力，生产服务必备。

更丰富的健康判据

validateObject 只做“已知输入算出已知输出”这一项检查，覆盖的是“实例是不是还能算对”，但对“实例是不是在缓慢劣化”几乎没有发言权。真正的生产级实例池会把健康检查做成多维度的复合判据，任何一条超阈值就触发淘汰:

维度	检查方法	阈值参考	触发动作
结果正确性	KNOWN_INPUT 对 KNOWN_OUTPUT	100% 一致	立即淘汰
RSS 总量	周期性抓 /proc/self/statm	比初始化后高 2 倍	淘汰 + 告警
JIT 缓存膨胀	/proc/<pid>/smaps 中可执行匿名段（rwx/r-x）总和	单实例对应分摊值翻倍	淘汰（即将崩）
调用次数	每次 borrow 计数	超过 1000 次	淘汰（老化保护）
静默挂起	最近 N 次调用总耗时	超过往期 P99 的 10 倍	淘汰 + 告警
异常计数	最近 10 次调用的异常数	超过 3 次	淘汰（连续故障）

代码上合起来是这样:

@Override
public boolean validateObject(PooledObject<EmulatorWrapper> p) {
    EmulatorWrapper w = p.getObject();
    
    // 维度 1: 结果正确性
    try {
        byte[] result = invokeSign(w.emulator, KNOWN_INPUT);
        if (!Arrays.equals(result, KNOWN_OUTPUT)) return false;
    } catch (Exception ex) {
        return false;
    }
    
    // 维度 2: RSS 增长
    long currentRss = readProcStatm();
    if (currentRss > w.initialRss * 2) return false;
    
    // 维度 3: 调用次数
    if (w.callCount.get() > 1000) return false;
    
    // 维度 4: 异常连击
    if (w.recentFailures.get() > 3) return false;
    
    return true;
}

其中“调用次数”这一项尤其值得单列——很多团队只做内存和正确性检查，跑上一周后才发现实例们都老化了但都还算得对，表现是 P99 延迟从 50ms 慢慢涨到 200ms，却没有任何告警触发。调用次数作为硬上限，本质上是一种“预防性淘汰”，避免长寿命实例的慢性劣化。经验值大约是 1000-5000 次，太小浪费（每次重建有冷启动成本），太大失去保护意义。

对应的淘汰策略也有讲究:

• 立即淘汰（invalidate）：结果不一致、抛异常、RSS 爆表——这些是“已经坏了”，必须立刻从池子里拿出来销毁。
• 延迟淘汰（mark for eviction）：调用次数到上限、P99 超阈值——这些是“该换了但还能用”，打个标记让池子在下次 evict run 时替换，不中断正在进行的请求。
• 告警但不淘汰：RSS 轻微偏高、JIT cache 接近但未超限——这些只是“预警”，留着用同时通知运维关注趋势。

三级响应组合起来，池子的健康就从“要么活着要么崩”变成了“有层次的自我保养”，对长跑的生产服务至关重要。

关键点 4：错误处理和降级

Unidbg 在某些情况下会抛 BackendException、UnsupportedOperationException，可能让整个调用栈崩掉。生产服务不能接受。

public Optional<byte[]> sign(byte[] input) {
    AndroidEmulator e = null;
    try {
        e = pool.borrowObject(2000);  // 2 秒等不到实例就放弃
        return Optional.of(invokeSign(e, input));
    } catch (NoSuchElementException ne) {
        // 池子满了, 没有实例
        meter.poolExhausted.increment();
        return Optional.empty();
    } catch (Throwable t) {
        // 任何其他异常 -> 实例可能损坏, 销毁
        log.error("sign failed", t);
        if (e != null) {
            try { pool.invalidateObject(e); } catch (Exception ignored) {}
            e = null;  // 防止 finally 再次归还
        }
        return Optional.empty();
    } finally {
        if (e != null) pool.returnObject(e);
    }
}

注意关键细节: invalidateObject 之后要把 e 设为 null，否则 finally 会再 returnObject，把已销毁的实例又放回池子。

关键点 5： JVM 参数调优

Unidbg 服务的 JVM 参数和普通 Web 服务不太一样:

java -server \
  -Xms4g -Xmx4g \                       # 堆大小固定, 避免动态扩展
  -XX:+UseG1GC \                        # G1 适合大堆 + 低延迟
  -XX:MaxGCPauseMillis=200 \            # GC 暂停目标
  -XX:MaxDirectMemorySize=2g \          # 限制 JNA/参数传递用到的 DirectByteBuffer
  -XX:+AlwaysPreTouch \                 # 启动时预占内存, 避免运行时缺页
  -XX:+UseStringDeduplication \         # 减少重复字符串占用
  -jar app.jar

关键的两个参数:

• MaxDirectMemorySize：注意，这只能约束走 Bits.reserveMemory 的路径——ByteBuffer.allocateDirect() 是其中最常见的一条，部分 Unsafe.allocateMemory 调用也会走（取决于具体调用点）。约束不了 Unicorn/Dynarmic 通过 JNI 调到 native 层 malloc/mmap 直接拿走的模拟内存。后者既不计入 -Xmx，也不计入 MaxDirectMemorySize，必须靠容器/主机内存余量来兜底。设这个参数主要是为了防止 JNA 那部分失控扩张拖累整体。
• AlwaysPreTouch：让 JVM 在启动时就把堆全部 touch 一遍，避免运行时第一次访问页面缺页中断。启动慢一点，但运行时延迟更稳定。

关于 native 内存排查：JVM 自带的 -XX:NativeMemoryTracking 只跟踪 HotSpot 自身（Class、Code、Compiler、GC、Thread 等）分配的 native 内存，完全感知不到 Unicorn/Dynarmic 通过 JNI 拿走的那部分。要查 Unidbg 的 native 泄漏，正确工具是 jemalloc + jeprof（MALLOC_CONF 开 profiling）、pmap -x <pid>、/proc/<pid>/smaps 比对快照、async-profiler --alloc native 这类，从进程视角看堆外内存的去向。

---

容器化部署的额外考量

把 Unidbg 服务部署到 K8s，有几个容易踩的坑:

坑 1：内存限制要算上 native 内存

resources:
  limits:
    memory: "8Gi"

这个 8Gi 是整个容器的总内存，包含:

• JVM 堆 (Xmx)
• DirectMemory (MaxDirectMemorySize)
• JIT 代码缓存
• 线程栈
• Unidbg 内部分配的 native 内存

如果你设 Xmx=6G + MaxDirectMemorySize=4G = 10G，容器只有 8G， K8s 会把你 OOMKilled。必须留 25-30% 的余量给 native.

左边那种 Xmx + Direct 直接顶到 limit 的配法是 K8s 上最常见的翻车姿势——光是 Heap + Direct 自己加起来就超了，更别提 JIT 缓存、线程栈、Unidbg 通过 JNI 拿走的 mmap/malloc。后者既不计入 -Xmx 也不计入 MaxDirectMemorySize，NMT 也看不到，全部得靠剩下那 25% headroom 兜底。

坑 2： CPU limit 会拖累 JIT

K8s 的 CPU limit 是通过 cfs_quota 实现的，可能让 JIT 编译卡顿。生产建议：设 request 但不设 limit，或者 limit 至少是 request 的 1.5 倍。

坑 3：镜像里别用 Alpine

Alpine 用 musl libc，而 unidbg 自带的 libdynarmic.so / libunicorn.so 是 glibc 链接的 native 库——直接 System.loadLibrary 时会报 Error loading shared library 或 GLIBC 缺失。要么装 gcompat（musl→glibc 兼容层）凑合用，要么直接换基于 Ubuntu/Debian 的镜像如 eclipse-temurin:17-jdk-jammy，后者省事得多。

---

监控指标和告警

生产服务必须监控以下指标:

指标	含义	告警阈值参考
QPS	每秒处理请求数	看业务，但要监控
P50 / P99 延迟	中位/长尾延迟	P99 > 200ms 报警
错误率	失败请求比例	> 1% 报警
池子借出/归还差	反映实例泄漏	持续不减 -> 立即告警
池子空闲数	反映容量瓶颈	长时间为 0 -> 扩容
JVM 堆使用率	反映 GC 健康	> 80% 持续 5 分钟 -> 报警
DirectMemory 使用率	反映 native 健康	> 90% -> 立即告警
进程 RSS	反映总内存占用	持续增长 -> 内存泄漏

最容易暴露问题的两个:

1. 池子借出/归还差：这是检测实例泄漏最有效的指标。借出 1000 次 + 归还 990 次 = 漏了 10 个实例。
2. 进程 RSS 持续增长：不是 Java 堆增长，而是整个进程内存。一旦持续上涨，通常是 native 内存泄漏——用 pmap -x / smaps 比对快照、jemalloc + jeprof 抓 native 分配 profile 才能定位，JVM 自带的 NMT 看不到。

---

一个完整的生产架构

把上面的所有要点串起来，一个 Unidbg 生产服务大概长这样:

核心信条：每个 emulator 实例都是一个短寿命的、可替换的、健康可监测的资源。它不是单例，不是长期持有，不是线程不安全的全局对象，而是像数据库连接一样的池化资源。

---

一个真实事故复盘

去年帮一个朋友排查问题，症状：Unidbg 服务上线一周后，内存从 4GB 涨到 12GB，然后被 OOMKilled，重启又恢复 4GB。每周一次循环。

第一反应：内存泄漏。但 JVM 堆很稳，始终在 3GB 左右。

线索 1：用 pmap -x 对比启动后和一周后的内存映射快照，发现匿名段（anon）持续增长——而 JVM 堆 + Metaspace + DBB 加起来稳定，说明涨的部分在 Unicorn/Dynarmic 通过 JNI malloc 拿走的那块，HotSpot 自己感知不到。

线索 2：仔细看代码，发现池子里有个细节:

} catch (BackendException ex) {
    log.error("backend error", ex);
    return null;
} finally {
    pool.returnObject(e);   // <-- 把出错的实例又放回池子!
}

问题：BackendException 抛出之后，emulator 状态可疑（具体取决于异常类型——SVC handler 业务异常通常可恢复，Unicorn 自身 fault 则可能让内存映射处于半坏状态），但代码不分青红皂白把它 return 到池子，下次又被借出来用。最稳妥的做法是统一销毁重建，不去赌"哪种异常可恢复"。一周累积下来，池子里全是"半坏"的实例，每个都泄漏一点点 native 内存。

修复:

} catch (BackendException ex) {
    log.error("backend error", ex);
    pool.invalidateObject(e);  // 销毁 + 让池子创建新的
    e = null;
    return null;
} finally {
    if (e != null) pool.returnObject(e);
}

修复后，内存稳定在 4GB，不再增长。

这个事故的教训:

1. 抛异常的实例必须销毁，不能归还。这是最容易写错的地方。
2. 生产监控里 RSS 比 JVM 堆更重要。JVM 堆告诉你 Java 部分的健康，RSS 告诉你整个进程的健康。
3. 故障要靠“长期跑”才能暴露。写完代码跑 10 分钟没问题不等于稳定，上线之前跑一晚上的压测才靠谱。

事故 2：线程池饿死 + 慢请求堆积

另一次事故症状很不一样：服务启动时 QPS 正常，运行 2-3 小时后 QPS 开始掉，P99 从 50ms 飙到 3 秒，错误率涨到 15%。重启又恢复，但几小时后再次出现。

线索挨个看：JVM 堆稳定，RSS 稳定，池子空闲数从 10 降到 0 并且再也没回升。问题出在借出 1000 次只归还了 970 次，长期累积下来池子被“偷偷借走但不归还”的请求耗光了。

根因是业务代码里有一条超长的“死胡同”路径：某个特定类型的输入会触发 SO 里的一个深层嵌套，Unidbg 没挂但也没返回，卡在 Backend 的无限循环里。池子的 borrowObject(2000) 超时只是让调用方拿不到实例，不会让那个卡住的实例还回来，于是实例越借越少，直到池子空了全员排队。

修复分两层：第一层是在 invokeSign 外面加 强制超时 + 强制 invalidate:

Future<byte[]> future = executor.submit(() -> invokeSign(e, input));
try {
    byte[] result = future.get(5, TimeUnit.SECONDS);
    return Optional.of(result);
} catch (TimeoutException te) {
    future.cancel(true);                 // ⚠️ 见下方陷阱说明
    pool.invalidateObject(e);
    e = null;
    return Optional.empty();
}

⚠️ 必须知道的陷阱：future.cancel(true) 不能真正打断卡在 native 层的 Unicorn / Dynarmic 调用——它只向 Java 线程发 InterruptedException，而 native 执行不响应 Java 中断。结果是：JVM 这边以为线程停了，实际 native 层还在跑；这时立刻 invalidateObject(e) 调 emulator.close()，会和正在执行的 native 代码冲突，有概率 SIGSEGV 让整个 JVM 挂掉。

所以第一层只是"看起来在做事"，真正可靠的兜底是第二层——emu_stop() 才能从 native 内部主动退出指令循环。生产里第一层用作"调用方拿不到结果时不阻塞"的快速路径，但实例的真正回收必须等第二层触发后再做。

第二层是在 SO 里找到那个死循环点，给 Backend 注册指令计数限制（emulator.getBackend().registerEmuCountHook(N)），超上限 Unicorn 会自动调 emu_stop() 退出当前模拟，把控制权交回 Java——这才是能真正打断 native 死循环的机制。本系列项目里 AwemeTTEncrypt.java:45 就用了 registerEmuCountHook(100000) 做这种保险。

这个事故的关键教训是：池化不等于安全，池化只是把资源集中管起来——但资源如果从池子里出去就再没回来，池化就变成了定时炸弹。所有从池子里借出去的实例都必须有“保底归还或销毁”的兜底路径，哪怕是最诡异的超时场景也要能处理。

事故 3:GC pause 尖峰导致业务抖动

最后一个事故是 GC 引起的。服务平时 P99 是 80ms，偶尔会出现单个 P99 达到 1-2 秒的尖峰，持续几秒后恢复。业务方反馈“不稳定”，但日志里看不到任何错误——因为请求都成功了，只是特别慢。

GC 日志一开就真相大白：Full GC 平均每 10 分钟来一次，每次 Stop-The-World 持续 500-1500ms（这个量级已经是 G1 退化到 Full GC fallback 的征兆，正常 G1 设计期望 STW < 500ms）。根因是 G1 的 Region 规划被频繁申请释放的 DirectByteBuffer 搞崩了：每个 DirectByteBuffer 在构造时会通过 jdk.internal.ref.Cleaner（OpenJDK 9+；早期 OpenJDK 8 是 sun.misc.Cleaner）挂一个清理动作 java.nio.DirectByteBuffer$Deallocator（实现 Runnable，run() 里调 unsafe.freeMemory() 释放堆外字节）。问题是 Cleaner 对象 + Deallocator 对象都跟着 DirectByteBuffer 一起从新生代晋升到老年代，Young GC 回收不掉，只有 Full GC 才会触发它们的 run() 真正释放堆外内存——一旦堆外接近 MaxDirectMemorySize，Bits.reserveMemory 内部会显式调一次 System.gc() 来逼迫释放（前提是 JVM 没设 -XX:+DisableExplicitGC，否则这条路径会被关掉、堆外直接爆 OOM），于是出现规律性的尖峰。

修复路径有三个方向，后来选了第二和第三的组合:

1. 方向 A：换 ZGC。ZGC 的 STW 能控制在 10ms 以内，但需要 JDK 17+ 且堆不能太小，对已有部署改动大。
2. 方向 B：在池子里复用 DirectByteBuffer。让每个 emulator 实例自己持有固定的 buffer，避免每次调用都申请/释放。改动小，效果明显。
3. 方向 C：把 -XX:MaxGCPauseMillis 从 200 收紧到 100，并缩小 Young 区。让 G1 更激进地做 Mixed GC，避免老年代堆积。

两者合起来后，Full GC 频率从 10 分钟一次降到 1 小时一次，持续时间也压到了 200ms 以内，P99 不再有尖峰。这里值得记住的经验是：Unidbg 服务的性能瓶颈经常不在 Unidbg 本身，而在 JVM 的 GC 策略——DirectByteBuffer、大对象、频繁分配都会触发 GC 病理模式，监控 GC 指标和监控 Unidbg 指标同等重要。

---

总结

问题	答案
为什么不能把分析阶段的代码直接搬到生产	关注点不同，还有线程安全和长期稳定性问题
AndroidEmulator 是线程安全的吗	否
三种线程隔离方案怎么选	99% 用对象池
生产应该用哪个 Backend	Dynarmic，切换前必须做基准对比
怎么定池子大小	min（CPU * 2， 内存 / 单实例占用），跑压测验证
必须做什么才能稳定	预热 + 健康检查 + 老实例回收 + 错误时销毁
最隐蔽的坑是什么	异常发生时把损坏实例归还到池子
监控里最重要的指标	借出/归还差，进程 RSS

一句总结：把每个 emulator 实例当成数据库连接来管理 —— 池化、预热、健康检查、错误时销毁、定期更新。这套思路把 90% 的生产问题都干掉了。