当我们谈论Android应用程序的性能时，内存管理是一个至关重要的方面。当应用的：内存”存在不”合理的使用时，就容”易发生问，题，如OOM、应用存活；率、低、界面卡顿？等，等。优化内存使用可以显著提高。应用的响应，速度、稳定性、和用”户体验。过去一段时间我；们对司机端App的内！存问题做了大量！的治理，在此”分享治理的，过程，希望！能够为其；他团队提供一些经“验和启发。
线、上OOM设备、崩溃率最高为0.8‱，占整体崩溃率的20%，在整体Crash率中占据了大头。
在所有OOM崩溃上报的页面中，首页、车贴拍摄页占据了Top 2。首页作为APP的最重要的页面奈飞ssr节点，频繁崩溃会严重影响；用户体验；车贴拍摄页面作为公司的核心业务流程ssr免费分享节点网站，一旦异：常也会阻塞司机接单，导致频繁上报业务工单。
内存泄露的问题全靠研发自身的代码质量把控，线下没有任何的监控机制。经过多个版本的迭代，内存泄漏问题愈发严重。
通过长时间的内存治理，截止；最新版本，由于：内存溢出导致的；设备崩。溃率从最高。0.8‱降至0.01‱；线%；核心页面、核心？流程O。OM。崩溃率下降！至0。并且在线；下建立！有效的防劣化机制，成功拦截上报了多处的内存泄漏问题带到线上。
在做性能优化和技；术优化前，制定好整体的。策略方向往往会事半功，倍。针对我们Ap！p当前”的问题”现状，制定了以下的；优化。策略：
高、频OOM页面治理：从线上。用户，使：用体感”的角度考虑，高频OOM页、面时最急需解决的，此部分？的ROI最高，因此首先针对这些页面；做专项的治理。
Java内存泄漏治理：单个内存泄漏和大对象占用虽然不会立刻导致OOM，但随着应用的使用时长增。加，泄漏，的增多一样会增加OOM的概率。此部分主要解决Java层的内存泄、漏问题，包括，页面内存泄漏和不合理的大对；象引入。
Native内存泄漏治理：针对Native层导致的O”OM，在我们；项目中次”数较少，而且由于C/C++不像JVM拥有自己的内存管理机制，在内存管；理这块更？为复杂，治理成本较高分享自己收集的ssr订阅地址，此部分ROI较低，因此放在最后处理。
经过上述的治理阶段之后，一般都能取到不错的成果，但治理是长期的，如果没有一套长久有效的。防劣机制，往往很”快就会。打回原形。回过来看我们治理过程中的遇到的一些问题和实？践，我们针对，性的建立”了一？套多个维度的监控防劣机制。
高频问题一般都会有：相同的。特征，针对这类问题我？们处理的思路一般是：寻找共性特征-线下复现验证-定位问题点修复。这里分享一下我们两例高频OOM页面的排查过程。
我们通过抽查？几例首页OO”M；前的离线”日志，发现此类用户都命中了大量的新单推送弹窗展示，因此、推测与这，个弹窗的展示有关。
我们通过Android Studio提供的Profiler工具，可以看到运行”8分钟后（约240条），内存就上涨50MB，并且没有下降的趋势，对比线上”发生OOM的case，订单推送弹窗都是触发了2000+次以上，意味着上涨的内存会更多。基本可以确定线上首页的OOM问题是由这个弹窗大量展示引起。
我们现在已经；确定是订单推送弹？窗导！致的OO？M，但还未确定这个弹窗为什么导致内存上涨了。一样是通过Android Profiler通过dump测”试前后；的内存、快照信息：
查看该弹窗代码发现该Dialog！初始化时注册了Activ；ity的L！ifecycle监听，但未在dimiss时进行反注册，导致展示过的AppInPushNotificationDialog弹窗都没有被释放，又由于首页是常驻的，随着使用时长增加，推送弹窗会一直增！加，内存会？一直上；涨到O！OM。
定？位到问题之：后，修复方案就很简单了，只需一行代“码，在弹窗消失”的时候移，除掉。Lifecycle监听就能解决该问题。
上面首页的问题我们依靠回捞的离线日志明显看出共性特征（大量的推送弹窗展、示），但如果其他ca：se并没有这些明显的业务信；息呢？这种我们就比较难、去排查，原因。
比如这个车贴拍摄的场，景，这是一个通过相机实时识别车辆上车贴情况的业务场景，在此类case的离线日志中并没有拿到一些有用的信息。为了能拿到OOM案发现场时的内存快照信息，我们增加了一个上报策略，配合内存海绵方案（O！OM时清除堆内存大对象统计），在OOM时尝试dump内存快照信息上传到异常平台。
在上报的内存快照文件中，发现byte数组的占比非常。高，达到了总体90%以上。
可以发现byte、数组大部分是由几个录制和图像相关的类创建并持有。可以推测跟相机的图像：录制逻辑有关。
在线下模拟拍摄过程中，虽然没有复现O。OM，但发现在拍摄过程该页面存在频繁的内存抖。动和GC。
以上持有byte数组引用的相关类是拍摄！过程中图像录制所使用，与对应的业务开发沟通发现大部分录制对象没有进，行复用和及时回收，而且识别功能的实；现是1秒回调多帧去进行识别，这样就导致了页面会频、繁创建对。象和GC，从而。引起内”存抖动。
后“续通过对象池复用等优化手段来“减少，录制对象的创建，大大减少了频繁GC，灰度上线验证后发现成功解决了该页面的OOM问题。
依赖，JVM的GC机制，能够将过期对象所占的内存空间释放，减少了内存“占用。既然有！GC。机制了，为什：么还；会泄漏：呢？因为GC！回。收是根据可达性：来判断，对象是否引用的，当GC动作发生时，如果一个对象被gc root对象持有，那么它是无法被回收的。
当一个对象所定义的生命周期结束了，仍有被GC ROOT对象所持有无法释、放，那我们就；认：为这个对象发生内存？泄漏。
在Android中；页面承载了大部分的内容，页面都有自己的生命周期，所以我们可以从这两个角度去排查和治理Java的内存泄漏问题。
工欲、善其事，必先？利其器。我们首先需要有方法去发现这些内存泄漏的问、题（页面泄漏、大对象占用），在Ja；va堆内存监控这一部分，行业上已经有不少成熟的方案和工具，在线上和线下都经过大量的稳；定性验证，读者可以根据自身项目的情况选！择接入使用奈飞ssr节点免费ssr订阅地址。
经过调研，前期我们选择线上接入Koom-Java Heap泄漏监控工具进行检测，后期则替换”成部门自？研的内存监控工具（性能更好，采集策！略更合理）。通用的采集策略基本是定时轮询+内存超过阈值时触发采集，作为常规的线上内、存泄漏排查策略什么问题。但为了能更精准的发现OOM时用户内存泄漏的情况，我们选择化主动为被动，新增应用OOM时才进行采集分析上报（配合上文提到的内存海绵方案），这种策略“有以下两：个好处：
采用定时轮询+内存超过阈值时d：ump内存”的方式，会影响到没有内、存问题的用户App性、能，选择，在OOM时才尝试dump能，最小化地影响用户性能。
当内存超过阈值时不一定是有问题，但OOM时去dump发现问题的概率会更。高。
通过上述的各种采集策略回捞数据后，发现了多个业务模块都存在Java内存泄漏、和不合理大对象占用的现象，其中不少还是核心业务模块，触发泄，漏的、频率较高。
使用单？例对！象时，定义为接口；类型的成员变量（很容易隐式持有外部类引用）！在赋值使用后，需要及时！释放引用。
加载大图时，Bitmap使用之后未释放。如静态变量持有了Bitmap引用，在加载完图像之后没有释放引用。
大数组的占用。如Glide的缓存池就：使用了“集合数组进行维护，可以在选择合适的时机进行一定的释放。
不同于JVM的自动垃圾回收机制，C/C++层的对象内存申请和释放都需要开发者自行管理。大多数情“况下，开发者都通过mall，oc和free函数来申请和释放，或者是new和delete关键字，它最终的也是由malloc和free的函。数来实现。更高阶的实现方式，可以直接调用更底层的系统接口，如mmap。
就算我们能保证我们的代码质量不会出现这种错误。但大型的项目中都会引入不少的三方so文件，这一类的代码质量是不可控的，很容易就引入了Native泄漏。为了能把这些泄漏问题都暴露”出来，我们可以使用一些工具去做：监控和排查。
针对C/C++内存分配和方法需要自行管理的特点，从入口和出口来做切入点，大部分工具的原理都是通过hook内存分配和释放的方法函数，去捕；获泄漏”对象。以下是一些行业比较主流的工具：
相比于Java层的OOM，我们项目Nati！ve层的OOM较少，但也是存在一些上报。这一部分我们的思路是：
KOOM Native检测工具利用mark-and-sweep算法去分析整个进程 Native Heap，能够做到自动分析泄漏对”象，这个：特点很适合作：为线上监控能力。因此我们在线上接入了该工具，也发现了项目内多个so都存在不同程度的泄漏现象。
Native的内存问题我“们不能只聚焦在泄漏监控修复这一维度，不合理的内存分配使用也很容易导致OOM。当我们把线上发。现的泄漏都修复后，发现还有零星的Native OOM上报。通过分析排查这些场景虽然不存在内存泄漏，但存在不合理的内存申请。
比如有个case是在发送图片之后就容易报Native层的OOM，经过线下模拟场景发现在发送图”片前后Native内存会发生突刺。
通过dump突刺的“内存信息，发现突刺的”原因是加载了一个大Bit！map，由于Android 8.0以后Bitmap得内存分配移到了Native heap，推测应该是大图，直接加载导致。
经“过代码”排查发现此部分存在，对图片作旋转的操作，直接加载了原图转化为Bitmap去执行，因此如果图片比较大就很容易造成内存突刺。
经过一系列的治理手段，线上的OOM次数和App的平均内存占用已经有了大幅度的下降。但如果没有制定一套完善的防“劣化监；控机制，随着时间的推移内存问题很容易就会继续恶化。
在QA侧会对每个版本的安装！包做基础的性能测试评估，但测试场景较少，检查项比！较单一，检测时长，较短，很难发现，内存问题。
线上A”pm“内存已：经有相！关的监控，可以覆盖“常”见的Java内存“泄漏和大对象。但为？了防止影“响App性能，触发采集的策略条、件较多，无法覆盖较多的，场景；而且纯依“赖线上Apm的监控免费ssr订阅地址，问题已经带到线上影响了用户，问题发现比较滞后；并且各业“务线由，于Native层、线程泄”漏较少，线上APM实现N“ativ“e层泄漏监控功能的！RO；I不高，因此也缺乏Na！tiv”e层相关的监控。
回顾我们在治理过程遇到的问题、场景和使用到的工具，我们做了一些整合和补！充，建立了一套线下的内存监控！体系：
秉着不。重复造轮子的前提，Ja、va内，存、Native内。存、线程泄漏行业上都有比较成熟的方案和原理讲解，直接集成使用排查过程中使用到的工具，此部分不再详述。
这一部分主要是为了监：控某；些页面频繁GC的问题。可以利”用JVMTI(ART TI)“ 提供的能力实现，JVMTI具有以下能力：
通过VMObjectAlloc与ObjectFree监听对象分配，收集内存抖动期间分配的对。象信息（类名路径、对象大小）。
这部分监控则是为了监控使用时长较长的一些页面（比如首页）内存持续上涨的问题。基本的实现思路是定时采集页面中，内存的数据作为样本，然后去验证这组样本数据是否呈上涨趋势。通常我们要验证；一组数据是否呈上涨趋势，可以采用**斜率法**的方式去进行判断计算。
当发现内？存问题时，应用会通。过吐司的“形式！告知研：发问题；类型，增加、研发感知，并通。过本地l”og输出详。细的排查信息，帮助？研发快速的修复内存问题。
为了避免“漏网之鱼，除了本”地的提醒告知之外，还会结合实时日志和自研的异常上报平台，自动统计上报内存问题。利用平台把问题？分配到对应的研发”修复，实现问题的闭环。
在治理。过程中，我们；也发现了不少内存？问题是“二方、三分。库引入的。SDK的引入和“变“更，目前内存这块是处于0卡口状态，只能依靠S；DK研发本身的；自测，而自测过程中更多关注的可能是Crash、Anr这种体感比较明显的问题，内存问；题比：较少去关：注。因此我们打通了MTC（自动化测试平台）的性能、报告，增加了一项SDK的内存问题报告，作为SDK变更”的准入卡口。后续在试验稳定之后，会补充到版本的性能报；告奈飞ssr节点，为QA侧提供更多维度的内存性能检测项。
通过以：上的防劣化机制，在平时开发和测试版本回。归阶段，我们监控收集到了很多新增的、线上未捕捉到、的内存问题，并通过本地提醒和异常平台上报告警的能力分配到各个业务！开发进行修复，成功避免了问题带到线上。
过去半？年，我们对历史的内存问题做了一次比较长时间的专项治理，也取得“了不错的成”果。在此；我们总结出以下经验：
专项治理前！可以“先制定。好总体的策略和方向，从用户体感、投入成本的角度去决定治理的优先级，循序渐进进行治理。
避免重复造、轮子。很多内存问题目前”已经有很多成熟的通用方案和工具，选择适合的即可，我们应该把！更多的精力”放到问题排查上。
长；治才能久、安。线上的问题、排查是很费时的，我们应该尽可能把问题在线下就暴露出来。因此做好防劣化的建设十分有必要。
目前Java层的OOM已趋于稳定，但Native层还有少部分的余量上报，后面会继，续更深入地进行研究和治理。
结合MTC自动化测试平台实现更多内存。相关的检测项能力，增加版本回归中性能报告的检测维度，减少人工自测的成本。
