背景

Java 多線程開發(fā)中為了保證數(shù)據(jù)的一致性，引入了同步鎖(synchronized)。但是，對鎖的過度使用，可能導(dǎo)致卡頓問題，甚至 ANR：

• Systrace 中的主線程因?yàn)榈孺i阻塞了繪制，導(dǎo)致卡頓

• Slardar 平臺(tái)（字節(jié)跳動(dòng)內(nèi)部 APM 平臺(tái)，以下簡稱 Slardar）中搜索 waiting to lock 關(guān)鍵字發(fā)現(xiàn)很多鎖導(dǎo)致的 ANR，僅 Java 鎖異常占到總 ANR 的 3.9%

本文將著重向大家介紹 Slardar 線上鎖監(jiān)控方案的原理與使用方法，以及我們在抖音上發(fā)現(xiàn)的鎖的經(jīng)典案例與優(yōu)化實(shí)踐。

監(jiān)控方案

獲取運(yùn)行時(shí)鎖信息的方法有以下幾種

考慮到，很多鎖問題需要一定規(guī)模的線上用戶才能暴露出來，另外沒有調(diào)用棧難以從根本上定位和解決線上用戶的鎖問題。最終我們自研了一套線上鎖監(jiān)控系統(tǒng)，它需要滿足以下要求：

• 線上監(jiān)控方案
• 豐富的鎖信息，包括 Java 調(diào)用棧
• 數(shù)據(jù)分析平臺(tái)，包括聚合能力，設(shè)備和版本信息等
• 可納入開發(fā)和合碼流程，防止不良代碼上線

這樣的鎖監(jiān)控系統(tǒng)，能夠幫助我們高效定位和解決線上問題，并實(shí)現(xiàn)防劣化。

鎖監(jiān)控原理

我們先從 Systrace 入手，有一類常見的耗時(shí)叫做 monitor contention，其實(shí)是 Android ART 虛擬機(jī)輸出的鎖信息。

簡單介紹一下里面的信息

monitor contention with owner work_thread (27176) at android.content.res.Resources android.app.ResourcesManager.getOrCreateResources(android.os.IBinder, android.content.res.ResourcesKey, java.lang.ClassLoader)(ResourcesManager.java:901) waiters=1 blocking from java.util.ArrayList android.app.ActivityThread.collectComponentCallbacks(boolean, android.content.res.Configuration)(ActivityThread.java:5836)

• 持鎖線程：work_thread
• 持鎖線程方法：android.app.ResourcesManager.getOrCreateResources(...)
• 等待線程 1 個(gè)
• 等鎖方法：android.app.ActivityThread.collectComponentCallbacks(...)

Java 鎖，無論是同步方法還是同步塊，虛擬機(jī)最終都會(huì)到 MonitorEnter。我們關(guān)注的 trace 是 Android 6 引入的， 在鎖的開始和結(jié)束時(shí)分別調(diào)用ATRACE_BEGIN(...)? 和 ATRACE_END()

線上方案

默認(rèn)情況下 atrace 是關(guān)閉的，開關(guān)在 ATRACE_ENABLED() 中。我們通過設(shè)置 atrace_enabled_tags 為 ATRACE_TAG_DALVIK 可以開啟當(dāng)前進(jìn)程的 ART 虛擬機(jī)的 atrace。

再看 ATRACE_BEGIN(...)? 和 ATRACE_END() 的實(shí)現(xiàn)，其實(shí)是用 write 將字符串寫入一個(gè)特殊的 atrace_marker_fd (/sys/kernel/debug/tracing/trace_marker)。

因此通過 hook libcutils.so 的 write 方法，并按 atrace_marker_fd 過濾，就實(shí)現(xiàn)了對 ATRACE_BEGIN(...)? 和 ATRACE_END()? 的攔截。有了 BEGIN 和 END 后可以計(jì)算出阻塞時(shí)長，解析 monitor contention with owner... 日志可以得到我們關(guān)注的 Java 鎖信息。

獲取堆棧

到目前為止，我們已經(jīng)可以監(jiān)控到線上用戶的鎖問題。但是還不夠，為了能夠優(yōu)化鎖的性能，我們想需要知道等鎖的具體原因，也就是 Java 調(diào)用棧。

獲取 Java 調(diào)用棧，可以使用Thread.getStackTrace()方法。由于我們 hook 住了虛擬機(jī)的等鎖線程，此時(shí)線程處于一種特殊狀態(tài)，不可以直接通過 JNI 調(diào)用 Java 方法，否則導(dǎo)致線上 crash 問題。

解決方案是異步獲取堆棧，在 MonitorBegin 的時(shí)候通知子線程 5ms 之后抓取堆棧，MonitorEnd 計(jì)算阻塞時(shí)長，并結(jié)合堆棧數(shù)據(jù)一起放入隊(duì)列，等待上報(bào) Slardar。如果 MonitorEnd 時(shí)不滿足 5ms 則取消抓棧和上報(bào)

數(shù)據(jù)平臺(tái)

由于方案本身有一定性能開銷，我們僅對灰度測試中的部分用戶開啟了鎖監(jiān)控。配置線上采樣后，命中的用戶將自動(dòng)開啟鎖監(jiān)控，數(shù)據(jù)上報(bào) Slardar 平臺(tái)后就可以消費(fèi)了。

具體 case 可以看到設(shè)備信息、阻塞時(shí)長、調(diào)用堆棧

根據(jù)調(diào)用棧查找源碼，可以定位到是哪一個(gè)鎖，說明上報(bào)數(shù)據(jù)是準(zhǔn)確的。

穩(wěn)定性方面，10 萬灰度用戶開啟鎖監(jiān)控后，無新增穩(wěn)定性問題。

優(yōu)化實(shí)踐

經(jīng)過多輪鎖收集和治理，我們?nèi)〉昧艘恍┎诲e(cuò)的收益，這里簡單介紹下鎖治理的幾個(gè)典型案例。

典型案例

inflate 鎖：?

先解析一下什么是 inflate：Android 中解析 xml 生成 View 樹的過程就叫做 inflate 過程。inflate 是一個(gè)耗時(shí)過程，常規(guī)的手段就是通過異步來減少其在主線程的耗時(shí)，這樣大大的減少了卡頓、頁面打開和啟動(dòng)時(shí)長；但此方式也會(huì)帶來新的問題，比如 LayoutInflater 的 inflate 方法中有加鎖保護(hù)的代碼塊，并行構(gòu)建會(huì)造成鎖等待，可能反而增加主線程耗時(shí)，針對這個(gè)問題有三種解決方案：

克隆 LayoutInflater

• 把線程分為三類別：Main、工作線程和其它線程(野線程)，Context(Activity 和 App)為每個(gè)類別提供專有 LayoutInflater，這樣能有效的規(guī)避 inflate 鎖。
• 優(yōu)點(diǎn)：實(shí)現(xiàn)簡單、兼容性好
• 缺點(diǎn)：LayoutInflater 中非安全的靜態(tài)屬性在并發(fā)情況下有概率產(chǎn)生穩(wěn)定性問題

code 構(gòu)造替代 xml 構(gòu)造

• 這種方式完美的繞開了 inflate 操作，極大提高了 View 構(gòu)造速度。
• 優(yōu)點(diǎn)：復(fù)雜度高、性能好
• 缺點(diǎn)：影響編譯速度、View 自定義屬性需要做轉(zhuǎn)換、存在兼容性問題(比如廠商改屬性)

定制 LayoutInflater

• 自定義 FastInflater(繼承自 LayoutInflater)替換系統(tǒng)的 PhoneLayoutInflater，重寫 inflate 操作，去掉鎖保護(hù)；從統(tǒng)計(jì)數(shù)據(jù)看，在并發(fā)時(shí)快了約 4%。
• 優(yōu)點(diǎn)：復(fù)雜度高、性能好
• 缺點(diǎn)：存在兼容性，比如華為的 Inflater 為 HwPhoneLayoutInflater，無法直接替換。

文件目錄鎖：

ContextImpl 中獲取目錄(cache、files、DB 和 preferenceDir)的實(shí)現(xiàn)有兩個(gè)關(guān)鍵耗時(shí)點(diǎn)：1. 存在 IPC(IStorageManager.mkdir)和文件 check；2. 加鎖“nSync”保護(hù)；所以 ipc 變長和并發(fā)存在，都可能導(dǎo)致 App 卡頓，如圖為 Anr 數(shù)據(jù)：

相關(guān)的常用 Api 有 getExternalCacheDir、getCacheDir、getFilesDir、getTheme 等，考慮到系統(tǒng)的部分目錄一般不會(huì)發(fā)生變化，所以我們可以對一些不會(huì)變化的目錄進(jìn)行 cache 處理，減少帶 鎖方法塊的執(zhí)行，從而有效的繞過鎖等待。

MessageQueue：

Android 子線程與主線程通訊的通用方式是向主線程 MessageQueue 中插入一個(gè)任務(wù)(message)，等此任務(wù)(message)被主線程 Looper 調(diào)度執(zhí)行；所以 MessageQueue 中會(huì)對消息鏈表的修改加鎖保護(hù)，主要實(shí)現(xiàn)在 enqueueMessage 和 next 兩個(gè)方法中。

利用 Slardar 采集線上鎖信息，根據(jù)這些信息，我們可以輕松追蹤鎖的執(zhí)有線程和 owner，最后根據(jù)情況將請求(message)移到子線程，這樣就可以極大的減輕主線程壓力和等鎖的可能性。此問題的修改方式并不復(fù)雜，重點(diǎn)在于如何監(jiān)控到這些執(zhí)鎖線程。

序列化和反序列化：

抖音中有一些常用數(shù)據(jù)對象使用 Json 格式存儲(chǔ)。為保證這些數(shù)據(jù)的完整性，在讀取和存儲(chǔ)時(shí)加了鎖保護(hù)，從而導(dǎo)致鎖等待比較常見，這種情況在啟動(dòng)場景特別明顯；所以要想減少鎖等待，就必段加快序列化和反序列化，針對這個(gè)問題，我們做了三個(gè)優(yōu)化方案：

• Gson 反序列化的耗時(shí)集中在 TypeAdapter 的構(gòu)建，此過程利用反射創(chuàng)建 Filed 和 name(key)的映射表；所以我們在編譯時(shí)針對數(shù)據(jù)類創(chuàng)建對應(yīng)的 TypeAdapter，大大減少反序列化的時(shí)耗。
• 部分類使用 parcel 序列化和反序列化，大大提高了速度，約減少 90%的時(shí)耗。
• 大對像根據(jù)情況拆分成多個(gè)小對像，這樣可以減少鎖粒度，也就減少了鎖等待。以上方案在抖音項(xiàng)目中都有使用，取得了很不錯(cuò)的收益。

AssetManager 鎖：

獲取 string、size、color 或 xml 等資源的最終實(shí)現(xiàn)基本都封裝在 AssertManager 中，為了保證數(shù)據(jù)的正確性，加了鎖(對象 AssetManager)保護(hù)，大致的調(diào)用關(guān)系如圖：

常用的調(diào)用點(diǎn)有：

• View 構(gòu)造方法中調(diào)用 context.obtainStyledAttributes(...)獲取 TypedArray，最后都會(huì)調(diào)用 AssetManager 的帶鎖方法。
• View 的 toString 也調(diào)用了 AssetManager 的帶鎖方法。

隨著 xml 異步 inflate 的增加，這些方法并發(fā)調(diào)用也增加，造成主線程的鎖等待也日漸突出，最終導(dǎo)致卡頓，針對這個(gè)問題，目前我們的優(yōu)化方案主要有：

• 去掉多余的調(diào)用，比如 View 的 toString，這個(gè)常見于日志打印。
• 一個(gè) Context 根據(jù)線程名提供不同的 AssetManager，繞過 AssetManager 對象鎖；此方法可能帶來一些內(nèi)存消耗。

So 加載鎖優(yōu)化：

Android 提供的加載 so 的接口實(shí)現(xiàn)都在封裝在 Runtime 中，比如常用的 loadLibrary0 和 load0，如圖 1 和 l 圖 2 所示，此方法是加了鎖的，如果并發(fā)加載 so 就會(huì)造成鎖等待。通過 Slardar 的監(jiān)控?cái)?shù)據(jù)，我們驗(yàn)證了這個(gè)問題，同時(shí)也有一些意外收獲，比如平臺(tái)可能有自己的 so 需要加：

我們根據(jù) so 的不同情況，主要有以下優(yōu)化思路：

• 對于 cinit 加載的 so，我們可以提前在子線程中加載一下 cinit 的宿主類。
• 業(yè)務(wù)層面的 so, 可以統(tǒng)一在子線程中進(jìn)行提前加載。
• 使用 load0 替代 loadLibrary0，可以減少鎖中拼接 so 路徑的時(shí)耗。
• so 文件加載優(yōu)化，比如 JNI_OnLoad。

ActivityThread：

在收集的的數(shù)據(jù)中我們也發(fā)現(xiàn)了一些系統(tǒng)層的框架鎖，比如下圖這個(gè)：

這個(gè)問題主要集中在啟動(dòng)階段，ams 會(huì)發(fā) trim 通知給 ActivityThread 中的 ApplicationThread，收到通知后會(huì)向 Choreographer 的 commit 列表(此任務(wù)列表不作展開)中添加一個(gè) trim 任務(wù)，也就是在下個(gè) vsync 到達(dá)時(shí)被執(zhí)行；

trim 過程主要包括收集 Applicatioin、Activity、Service、Provider 和向它們發(fā)送 trim 消息，也是系統(tǒng)提供給業(yè)務(wù)清理自身內(nèi)存的一個(gè)時(shí)機(jī)；收集過程是加鎖(ResourcesManager)保護(hù)的，如圖：

考慮到啟動(dòng)階段并不太關(guān)心內(nèi)存的釋放，所以可以嘗試在啟動(dòng)階段，比如 40 秒內(nèi)，不執(zhí)行 trim 操作；具體的實(shí)現(xiàn)是這樣，首先替換 Choreographer 的 FrameHandler, 這樣就能接管 vsync 的 doFrame 操作，在啟動(dòng) 40 秒內(nèi)的每次 vsync 主動(dòng) check 或刪除 commint 任務(wù)列表中的 trim 操作。

收益

在抖音中我們除了優(yōu)化前面列出的這些典型鎖外，還優(yōu)化了一些業(yè)務(wù)本身的鎖，部分已經(jīng)通過線上實(shí)驗(yàn)驗(yàn)證了收益，也有一些還在嘗試實(shí)驗(yàn)中；通過對實(shí)驗(yàn)中各指標(biāo)的分析，也證實(shí)了鎖優(yōu)化能帶來啟動(dòng)和流暢度等技術(shù)收益，間接帶來了不錯(cuò)的業(yè)務(wù)收益，這也堅(jiān)定了我們在這個(gè)方向上的繼續(xù)探索和深化。

小結(jié)

前面列出的只是有代表性的一些通用 Java 鎖，在實(shí)際開發(fā)中遇到的遠(yuǎn)比這多，但不管什么樣的鎖，都可以根據(jù)進(jìn)程和代碼歸屬分為以下四類：業(yè)務(wù)鎖、依賴庫鎖、框架鎖和系統(tǒng)鎖；

不同類型的鎖優(yōu)化思路也會(huì)不一樣，部分方案可以復(fù)用，部分只能 case-by-case 解決，具體的優(yōu)化方案有：減少調(diào)用、繞過調(diào)用、使用讀寫鎖和無鎖等。

總結(jié)

經(jīng)過了長達(dá)半年的探索和優(yōu)化，此方案已在線上使用，作為我們?nèi)粘７懒踊椭鲃?dòng)優(yōu)化的輸入工具，我們評判的點(diǎn)主要有以下四個(gè)：

• 穩(wěn)定性：線上開啟后，ANR、Crash 和 OOM 和大盤一致。
• 準(zhǔn)確性：從目前線上的消費(fèi)數(shù)據(jù)來看，這個(gè)值達(dá)到了 99%。
• 擴(kuò)展性：業(yè)務(wù)可以根據(jù)場景開啟和關(guān)閉采集功能，也可以收集指定時(shí)間內(nèi)的鎖，比如啟動(dòng)階段可以收集 32ms 的鎖，其它階段收集 16ms 的鎖。
• 劣化影響：從線上實(shí)驗(yàn)數(shù)據(jù)看，一定量(UV)的情況下，業(yè)務(wù)和性能(丟幀和啟動(dòng))無顯著劣化。

此方案雖然只能監(jiān)控 synchronized 鎖，像 CAS、Native 鎖、sleep 和 wait 都無法監(jiān)控，但在我們?nèi)粘ｉ_發(fā)中synchronized 鎖占比非常大, 所以基本滿足了我們絕大部分的需求，當(dāng)然，我們也在持續(xù)探索其它鎖的監(jiān)控和驗(yàn)證其價(jià)值。