抖音-性能优化-内存优化

这是一篇关于抖音-性能优化-内存优化的思维导图，主要内容包括：优化实践，工具建设，堆内存治理思路。概况了堆内存分配问题的解决方案、内存泄漏的监控与修复措施以及客户端资源管理的最佳实践。这些措施共同构成了抖音平台内存优化的完整框架，旨在提升应用性能、增强用户体验。

抖音-性能优化-内存优化

• 堆内存治理思路
  • 两类问题
    • 堆内存单次分配过大/多次分配累计过大
    • 堆内存累计分配触顶
• 工具建设
  • 工具思路
    • 线下
      • 工具
        • AS Memory Profiler
        • LeakCanary
        • Memory Analyzer（MAT）
      • 基于LeakCanary设计自动分析上报内存泄露工具
        • 流程
        • 弊端
          • 检测出来堆内存泄露过多，并且也没有比较好堆优先级排序，研发消费不过来，历史问题一直堆积，而且很难和业务研发沟通问题解决堆收益
          • 线下场景能跑到的场景有限，很难把所有用户场景穷尽
          • Android端的HPORF的获取依赖原生的Debug.dumpHporf，dump过程会挂起主线程导致明显卡顿，线下使用体验较差
          • LeakCanary基于Shark分析引擎分析，分析速度较慢，分析过程会影响进程内存占用
          • 分析结果较为单一，仅仅只能分析出Fragment、Activity内存泄露，想大对象、过多小对象问题导致的内存OOM无法分析
    • 线上
      • Liko
        • 核心思路
          • 在发生OOM或者内存触顶等触发条件下，dump内存的HPROF文件，对HPROF文件进行分析，分析出内存泄露、大对象、小对象、图片问题并按照泄露链路自动归因，将大数据问题按照用户发生次数、泄露大小、总大小等纬度排序，推进业务研发按照优先级顺序来建立消费流程
        • 整体架构
        • 流程
          • Hprot搜集
          • Hprof分析时机
            • 线下
              • dump分析完成后根据内存状态主动触发分析
            • 线上
              • 当用户下次冷启退出应用后台且内存充足当情况下触发分析
          • 分析策略
            • 分析端
              • Android客户端分析
              • 回传至Server端分析
            • 使用方案
              • MAT分析引擎
• 优化实践
  • 内存泄漏
    • 后台根据GCROOT + 引用链自动分配研发跟进解决，还对系统导致一些内存泄漏进行分析和修复
  • 内存泄漏兜底
    • 大量对内存泄漏，如果都靠推进研发解决，经常会出现生成大于消费都情况，针对这些未被消费都内存泄漏在客户端做监控和止损点，将onDestroy的Activity添加到弱引用中，延迟60s监控是否回收，未回收则主动释放泄漏的Actvitiy持有的ViewTree的背景图和ImageVIew图片
  • 大对象
  • 小对象
    • 通用类优化
      • 字段优化
        • 一次性的属性字段，用完后及时清理掉缓存（如json对象）
      • 类拆分
        • 将Model拆分成多个业务Model和一个通用Model，采用组合的方式让各个业务线最小化依赖自己的业务Model
    • 业务优化
      • 按需加载
      • 内存缓存限制或清理
    • 缓存优化
      • 使用LRU缓存机制来缓存视频对象
  • 图片
    • 图片库
      • 设置合理的缓存，同时在应用 or 系统内存吃紧的情况下主动释放图片缓存
    • 图片自身优化
      • 合理配置采样率、config、size等
    • 图片兜底
    • 图片监控