聊聊Android线程优化这件事

一、背景

在日常开发APP的过程中，难免需要使用第二方库和第三方库来帮助开发者快速实现一些功能，提高开发效率。但是，这些库也可能会给线程带来一定的压力，主要表现在以下几个方面：

• 线程数量增多：一些库可能会在后台启动一些线程来执行任务，这样会增加系统中线程的数量，从而导致系统资源的浪费。
• 线程竞争：一些库可能会在同一时间启动多个线程来执行任务，这样会导致线程之间的竞争，从而影响程序的执行效率。
• 线程阻塞：一些库可能会在执行任务时阻塞主线程，从而导致程序的卡顿和响应速度变慢。

二、整体思路

为了解决使用第二方库和第三方库代理的线程问题，我选择用下面的思路来进行线程优化：

1. 线程检测，评估优化空间。
2. 线程统计，收集优化范围。
3. 线程和线程池优化，线程数收敛。
4. 线程栈裁剪，减少线程内存。

三、具体方案

1. 线程检测

最常见的几种获取线程信息的方式如下

为了有完整的线程统计，而且能实时了解运行过程中线程数的变化，那我们就选择了读取伪文件系统里面线程信息的方式。

/*** 获取所有线程信息*/
private fun getThreadInfoList(): List<ThreadInfo>? {//获取伪文件所有的线程信息文件val file = File("/proc/self/task")...//遍历task文件目录下for (threadDir in listFile) {//读取每个目录下的status文件获取单个线程信息val statusFile = File(threadDir, "status")if (statusFile.exists()) {val threadInfo = ThreadInfo()try {BufferedReader(InputStreamReader(FileInputStream(statusFile))).use { reader ->var line: StringhitFlag = 0while (reader.readLine().also { line = it } != null) {if (hitFlag > 2) {break}//解析线程名if (line.startsWith("Name")) {val name =line.substring("Name".length + 1).trim { it <= ' ' }threadInfo.name = namehitFlag++continue}//解析线程Pidif (line.startsWith("Pid")) {val pid =line.substring("Pid".length + 1).trim { it <= ' ' }threadInfo.id = pidhitFlag++continue}//解析线程状态if (line.startsWith("State")) {...threadInfo.status = statehitFlag++}}}} catch (e: Exception) {Log.e(LOG_TAG, e.toString())}threadInfoList.add(threadInfo)}}return threadInfoList
}

最后只需要在APP启动后就开启轮询任务：1，获取伪文件。2，写入数据库。3，更新视图展示。

统计了运行时创建的线程、可用的线程、正在运行的线程。

理想的情况就是可用的线程数应该和正在运行的线程数尽量接近，实际发现差异巨大，所以优化的空间还是蛮值得期待的。

2. 线程统计

了解创建线程和线程池的字节码

如何扫描到创建的线程和线程池

通过插桩的方式，来查找创建线程池和线程的类名，并把这些类名统一输出到一份txt文档。插桩的框架，我选择的是ASM，因为使用ASM进行插桩具有高效性、灵活性、易用性、兼容性和社区活跃等优点，是一种比较优秀的字节码操作框架，对于提高应用程序的性能和可维护性具有重要意义。

那么通过ASM是如何扫描到的呢？

要扫描到创建线程池的类名，你需要使用ASM的访问者模式（Visitor Pattern）来遍历字节码中的方法和指令。在遍历过程中，当遇到创建线程的指令（如：new java/util/concurrent/ThreadPoolExecutor）时，就可以获取到创建线程的类名。

import org.objectweb.asm.*;public class ThreadPoolDetectorClassVisitor extends ClassVisitor {public ThreadPoolDetectorClassVisitor(int api, ClassVisitor classVisitor) {super(api, classVisitor);}@Overridepublic MethodVisitor visitMethod(int access, String name, String desc, String signature, String[] exceptions) {MethodVisitor mv = cv.visitMethod(access, name, desc, signature, exceptions);return new ThreadPoolDetectorMethodVisitor(api, mv);}class ThreadPoolDetectorMethodVisitor extends MethodVisitor {public ThreadPoolDetectorMethodVisitor(int api, MethodVisitor methodVisitor) {super(api, methodVisitor);methodVisitor);}@Overridepublic void visitMethodInsn(int opcode, String owner, String name, String desc, boolean itf)) {if (opcode == Opcodes.INVOKESTATIC && owner.startsWith("java/util/concurrent/Executors")) {System.out.println("Detected creation of new ThreadPool!");}super.visitMethodInsn(opcode, owner, name, desc desc, itf);}}
}

3. 统计和分类扫描到的创建线程和线程池的类名

• 扫描到的结果

• 结果进行分类

• 结果的用处

1. 了解项目现状。
2. 对后续优化可以设置白名单。
3. 可以对线上设置的线程进行降级处理。

3. 线程和线程池优化

3.1 线程优化

• 对于APP业务层和自研SDK，我们检查是否真的需要直接new thread，能否用线程池代替，如果必须创建单个线程，那我们创建的时候必须加上线程名，方便排查线程问题。
• 对于三方SDK，那就可以通过插桩来重命名（名称必须少于16个字符），方便尽快知道该线程是来自哪个SDK。

3.2 线程池优化

• 对于APP业务层，我们需要提供常用线程池，例如I/O、CPU、Single、Cache等等线程池，避免开发各自创建重复的线程池。
• 对于自研SDK，我们尽量让架构组的开发同学提供可以设置自定义线程池的能力，方便我们代理到我们APP业务层的线程池。
• 对于三方SDK，首先了解有没有提供设置我们自定义线程池的接口，有的话，那就直接设置我们APP业务层的线程池。如果没有这种能力，那我们就进行插桩来进行线程池收敛。在进行三方SDK插桩代理的时候，需要注意三点：

1. 设置白名单，进行逐步代理。
2. 针对不同的SDK，要区分是本地任务还是网络任务，这样能明确是代理到I/O线程池还是CPU线程池。
3. 设置降级开关，方便线上有问题时，及时对单个SDK进行降级处理。

3.2.1 行业方案

（1）反射收敛，但是使用反射来收敛线程池的确有一些潜在的弊端：

• 性能开销：反射在执行时需要进行一系列的检查和解析，这会比直接的Java方法方法调用带来更大的性能开销。
• 安全问题：反射可以访问所有的字段和方法，包括私有有的和受保护的，这可能会破坏对象的封装性，导致安全问题。
• 代码复杂性：使用反射的代码通常比直接的Java代码更复杂，更难理解和维护。

因此，虽然反射是一种强大的工具，但在使用时需要谨慎，尽量避免不必要的使用。

（2）代理收敛，但是使用代理设计模式来收敛线程池也有一些潜在的弊端：

• 增加复杂性：代理方式会引入额外的类和对象，这会增加系统的复杂性。对于简单的问题，使用代理可能会显得过于复杂。
• 代码可读性：由于代理方式涉及到额外的抽象层，这可能会对代码的可读性产生一定的影响。
• 调试困难：由于代理模式的存在，错误可能会被掩盖或者难以定位，这可能会使得调试变得更加困难。

因此，虽然代理模式是一种强大的设计模式，但在使用时也需要考虑到这些潜在的问题。

（3）协程收敛，但是使用协程收敛线程池也有一些局限性和潜在的弊端：

• 需要依赖Kotlin协程库：使用Kotlin协程需要依赖Kotlin协程库，如果应用程序中没有使用Kotlin语言，那么需要额外引入Kotlin库，增加了应用程序的体积。
• 协程的执行时间不能过长：Kotlin协程的执行时间不能过长，否则会影响其他协程的执行。因此，在使用Kotlin协程进行线程收敛时，需要合理控制协程的执行时间。
• 可能会导致内存泄漏：如果协程没有正确地取消，可能会导致内存泄漏。因此，在使用Kotlin协程时，需要注意正确地取消协程。

因此，虽然Kotlin协程可以通过使用协程调度器来实现线程收敛，但是也存在一些弊端，需要开发者根据具体情况来选择是否使用。

（4）插桩收敛，虽然插桩也有一些不足之处：

• 可能影响程序行为：如果插桩代码改变了程序的状态或者影响了线程的线程的调度，那么它可能会改变程序的行为。
• 可能引入错误：如果插桩代码桩代码本身存在错误，那么它可能会引入新的错误到程序中。

但是这些缺点在线程池收敛的时候还是可控的，相比于上面的反射收敛、代理收敛和协程收敛来说，还有许多优点：

• 直接性：插桩直接在代码中插入额外的逻辑，不需要通过代理或反射射间接地操作对象，这使得插桩更直接，更易于理解和控制。
• 灵活活性：插桩可以在任何位置插入代码，，这提供了很大的灵活性。而代理和反射通常只能操作公开的接口和方法。
• 无需修改原始代码：插桩通常常不需要常不需要修改原始的线程池代码，这使得它可以在不影响原始代码的情况下收集信息。
• 颗粒度控制：可以对某个方法或某段代码进行线程收敛，而不是整个应用程序。

综上所述，我就选择了更加通用、灵活、精确的方式来收敛二方和三方的线程池—插桩代理。

3.2.2 代码设计图

3.2.3 代码流程图

暂时无法在飞书文档外展示此内容

3.2.4 代码实施

1. 创建NewThreadTrackerPlugin，在插件里主要是获取到需要进行代理的线程池白名单以及注册ThreadTrackerTransform。

class NewThreadTrackerPlugin implements Plugin<Project> {@Overridevoid apply(Project project) {System.out.println("ThreadTracker:start ThreadTrackerPlugin")project.getRootProject().getSubprojects().each { subProject ->PluginUtils.addProjectName(subProject.name)PluginUtils.projectPathList.add(subProject.projectDir.toString())}org.gradle.api.plugins.ExtraPropertiesExtension ext = project.getRootProject().getExtensions().getExtraProperties()//通过配置来设置是否需要输出所有创建线程池的txt文件，文件名为"thread_tracker_XXX.txt"if (ext.has("scanProject")) {boolean scan = ext.get("scanProject")PluginUtils.setScanProject(scan)System.out.println("ThreadTracker:需要扫描项目吗？" + scan)}//通过配置来获取需要进行插桩代理的白名单if(ext.has("whiteList")){List<String> list = ext.get("whiteList")PluginUtils.addWhiteList(list)}else {System.out.println("ThreadTracker:请创建thread_tracker.gradle文件，设置whiteList白名单")}//注册ThreadTrackerTransform。//Gradle Transform 是 Android 官方提供给开发者在项目构建阶段，即由 .class 到 .dex 转换期间修改 .class 文件的一套 API。目前比较经典的应用是字节码插桩、代码注入技术。AppExtension appExtension = (AppExtension) project.getProperties().get("android")appExtension.registerTransform(new ThreadTrackerTransform(), Collections.EMPTY_LIST)}}

2. 创建 ThreadTrackerTransform，重写ThreadTrackerTransform的transform方法，在该方法里面来遍历文件目录下和Jar包中的class文件，并让ClassReader接受的是我们自定义的ThreadTrackerClassVisitor。

/*** transform 方法来处理中间转换过程，主要逻辑在该方法中实现。我们可以在 transform 方法中，实现对字节码的修改、处理等操作。* @param transformInvocation*/
@Override
void transform(@NonNull TransformInvocation transformInvocation) {...//对于一个.class文件进行Class Transformation操作，整体思路是这样的：// ClassReader --> ClassVisitor(1) --> ... --> ClassVisitor(N) --> ClassWriterClassReader classReader = new ClassReader(file.bytes)ClassWriter classWriter = new ClassWriter(classReader, ClassWriter.COMPUTE_MAXS)ClassVisitor cv = new ThreadTrackerClassVisitor(classWriter, null)classReader.accept(cv, EXPAND_FRAMES)byte[] code = classWriter.toByteArray()FileOutputStream fos = new FileOutputStream(file.parentFile.absolutePath + File.separator + name)fos.write(code)fos.close()...
}

3. 创建ThreadTrackerClassVisitor，重写visitMethod来返回自定义的MethodVisitor，通过这个对象来访问方法的详细信息。

在visitMethod方法方法中，我们可以插入自己的代码，以修改或替换原有的方法声明声明。例如，我们可以改变方法的访问权限、改变方法的参数、改变方法的返回值，甚至可以完全替换原有的方法声明。

@Override
public MethodVisitor visitMethod(int access0, String name0, String desc0, String signature0, String[] exceptions) {MethodVisitor mv = cv.visitMethod(access0, name0, desc0, signature0, exceptions);if (filterClass(className)) {return mv;}return new ProxyThreadPoolMethodVisitor(ASM6, mv, className);
}/**
*。 过滤掉不需要插桩的类，比如这个插桩代码模块、自定义的线程池等等
**/
private boolean filterClass(String className) {return className.contains("com/lalamove/threadtracker/") || className.contains("com/lalamove/plugins/thread") || className.contains("com/tencent/tinker/loader") || className.contains("com/lalamove/huolala/client/asm/HllPrivacyManager");
}

4. 创建ProxyThreadPoolMethodVisitor，并重写它的visitMethodInsn方法来真实插桩自己的线程池。

在visitMethodInsn方法中，我们可以插入自己的代码，以修改或替换原有的方法调用。

  @Overridepublic void visitMethodInsn(int opcode, String owner, String name, String descriptor, boolean isInterface) {//如果配置中是需要扫描App，则把创建线程池的类名全部都写在"thread_tracker_XXX.txt"里面，供开发者统计、分类、设置白名单和降级处理if (PluginUtils.getScanProject()) {if (owner.equals(O_ThreadPoolExecutor) && name.equalsIgnoreCase("<init>")) {PluginUtils.writeClassNameToFile("创建ThreadPoolExecutor的类：" + className);} }//如果配置中是需要插桩代理线程池，则把原本的类 "java/util/concurrent/ThreadPoolExecutor"换成了我们自定义的类"com/lalamove/threadtracker/proxy/BaseProxyThreadPoolExecutor"//mClassProxy只是一个总开关，是否开启代理；具体某个类是否需要代理，在创建线程池的具体地方会根据类名来判断if (mClassProxy) {if (owner.equals(O_ThreadPoolExecutor) && name.equalsIgnoreCase("<init>")) {if ("(IIJLjava/util/concurrent/TimeUnit;Ljava/util/concurrent/BlockingQueue;)V".equalsIgnoreCase(descriptor)) {mv.visitLdcInsn(className);mv.visitMethodInsn(opcode, O_BaseProxyThreadPoolExecutor, name, "(IIJLjava/util/concurrent/TimeUnit;Ljava/util/concurrent/BlockingQueue;Ljava/lang/String;)V", false);} else if ("(IIJLjava/util/concurrent/TimeUnit;Ljava/util/concurrent/BlockingQueue;Ljava/util/concurrent/ThreadFactory;)V".equalsIgnoreCase(descriptor)) {mv.visitLdcInsn(className);mv.visitMethodInsn(opcode, O_BaseProxyThreadPoolExecutor, name, "(IIJLjava/util/concurrent/TimeUnit;Ljava/util/concurrent/BlockingQueue;Ljava/util/concurrent/ThreadFactory;Ljava/lang/String;)V", false);} else if ("(IIJLjava/util/concurrent/TimeUnit;Ljava/util/concurrent/BlockingQueue;Ljava/util/concurrent/RejectedExecutionHandler;)V".equalsIgnoreCase(descriptor)) {mv.visitLdcInsn(className);mv.visitMethodInsn(opcode, O_BaseProxyThreadPoolExecutor, name, "(IIJLjava/util/concurrent/TimeUnit;Ljava/util/concurrent/BlockingQueue;Ljava/util/concurrent/RejectedExecutionHandler;Ljava/lang/String;)V", false);} else if ("(IIJLjava/util/concurrent/TimeUnit;Ljava/util/concurrent/BlockingQueue;Ljava/util/concurrent/ThreadFactory;Ljava/util/concurrent/RejectedExecutionHandler;)V".equalsIgnoreCase(descriptor)) {mv.visitLdcInsn(className);mv.visitMethodInsn(opcode, O_BaseProxyThreadPoolExecutor, name, "(IIJLjava/util/concurrent/TimeUnit;Ljava/util/concurrent/BlockingQueue;Ljava/util/concurrent/ThreadFactory;Ljava/util/concurrent/RejectedExecutionHandler;Ljava/lang/String;)V", false);} else {mv.visitMethodInsn(opcode, O_BaseProxyThreadPoolExecutor, name, descriptor, false);}return;} }super.visitMethodInsn(opcode, owner, name, descriptor, isInterface);}

上述使用到的一些常量定义如下，也引入到了我们自己自定义的线程池。

class ClassConstant {//Java里面创建线程池的类名static final String O_ThreadPoolExecutor = "java/util/concurrent/ThreadPoolExecutor";//自定义创建线程池的类名static final String O_BaseProxyThreadPoolExecutor = "com/lalamove/threadtracker/proxy/BaseProxyThreadPoolExecutor";}

5. 创建BaseProxyThreadPoolExecutor，重写了创建线程池的所有构造方法，也通过传入的类名判断了该类里面的线程池是否需要代理，以及代理的是的CPU密集型线程池还是IO密集型线程池。

package com.lalamove.threadtracker.proxyimport android.util.Logimport com.lalamove.threadtracker.TrackerUtils
import java.util.concurrent.*/*** ThreadPoolExecutor代理类*/
open class BaseProxyThreadPoolExecutor : ThreadPoolExecutor {var mProxy = true//App层自定义的IO线程池private var threadPoolExecutor: ThreadPoolExecutor =TrackerUtils.getProxyNetThreadPool()constructor(corePoolSize: Int,maximumPoolSize: Int,keepAliveTime: Long,unit: TimeUnit?,workQueue: BlockingQueue<Runnable>?,className: String?,) : super(corePoolSize, maximumPoolSize, keepAliveTime, unit, workQueue) {init(corePoolSize,maximumPoolSize,keepAliveTime, className)}private fun init(corePoolSize: Int,maximumPoolSize: Int,keepAliveTime: Long,className: String?,) {//判断className下创建的线程池是否要被插桩代理if (className != null) {mProxy = TrackerUtils.isProxy(className)}//单线程暂不代理if (corePoolSize == 1 || (corePoolSize == 0 && maximumPoolSize == 1)) {mProxy = false}if (!mProxy) {return}//设置核心线程超时允许销毁if (keepAliveTime <= 0) {setKeepAliveTime(10L, TimeUnit.MILLISECONDS)}allowCoreThreadTimeOut(true)//设置className的线程池被代理为CPU线程池if (className != null && TrackerUtils.proxyCpuClass(className)) {threadPoolExecutor = TrackerUtils.getProxyCpuThreadPool()}}...override fun submit(task: Runnable): Future<*> {return if (mProxy) threadPoolExecutor.submit(task) else super.submit(task)}override fun execute(command: Runnable) {if (mProxy) threadPoolExecutor.execute(command) else super.execute(command)}//注意：不能关闭，否则影响其他被代理的线程池override fun shutdown() {if (!mProxy) {super.shutdown()}}//注意：不能关闭，否则影响其他被代理的线程池override fun shutdownNow(): MutableList<Runnable> {val list = if (mProxy) mutableListOf<Runnable>() else super.shutdownNow()return list}}

3.2.5 实施代理

1. 在工程最外层创建thread_tracker.gradle，里面可以设置需要代理的线程池白名单。

2. 通过打印日志就能看出白名单里面的线程池是否被代理成功。

3. 设置降级开关

（1）设置每个SDK里面细分类名对应的code

（2）在配置系统上设置需要关闭SDK，设置上面对应的code码即可。

（3）在APP初始化的时候尽可能早的获取配置系统上的code字符串

（4）在进行代理的时候，会匹配code字符串，来决定具体的线程池是否进行代理。

3.2.6 代理后的收益

• 累计减少了大约40条线程的开销

4. 线程栈裁剪

4.1 裁剪方式

创建线程的时候，线程默认的栈空间大小为 1M 左右，经过测试大部分情况下线程内执行的逻辑并不需要这么大的空间，因此线程栈空间减小，可以对内存这块有明显的优化。

接下来我们来看下函数FixStackSize源码，是怎么设置线程栈默认为1M的？

static size_t FixStackSize(size_t stack_size) { //参数是java层中thread 的stack_size默认0if (stack_size == 0) {stack_size = Runtime::Current()->GetDefaultStackSize();}// 默认栈大小是 1Mstack_size += 1 * MB;//...if (Runtime::Current()->ExplicitStackOverflowChecks()) {stack_size += GetStackOverflowReservedBytes(kRuntimeISA);} else {8k+8Kstack_size += Thread::kStackOverflowImplicitCheckSize +GetStackOverflowReservedBytes(kRuntimeISA);}//...return stack_size;}

发现函数的源码实现就是通过 stack_size += 1 * MB 来设置 stack_size 的： 如果我们传入的 stack_size 为 0 时，默认大小就是 1 M ； 如果我们传入的 stack_size 为 -512KB 时，stack_size 就会变成 512KB（1M - 512KB）。 那我们是不是只用带有 stack_size 入参的构造函数去创建线程，并且设置 stack_size 为 -512KB 就行了呢？ 应用中创建线程的地方太多很难一一修改，前面我们已经将应用中的线程部分收敛到自定义的线程池中去了，所以只需要修改自定义线程池中创建的线程方式即可。在我们自定义的 ThreadFactory 中，创建 stack_size 为 - 512 KB 的线程，这么一个简单的操作就能减少线程所占用的虚拟内存。

package com.lalamove.threadtracker.proxyimport java.util.concurrent.ThreadFactory
import java.util.concurrent.atomic.AtomicIntegeropen class ProxyThreadFactory : ThreadFactory {override fun newThread(runnable: Runnable): Thread {val mAtomicInteger = AtomicInteger(1)return Thread(null, runnable, "Thread-" + mAtomicInteger.getAndIncrement(), -512 * 1024)}
}

需要注意是线程栈大小的设置需要根据具体的应用场景来进行调整。 如果线程栈大小设置得过小，可能会导致栈溢出等问题； 如果设置得过大，可能会浪费过多的内存资源。 因此，在进行线程栈大小设置时，我这边会设置一个动态的裁剪值，即使有线上问题，我们也可以进行适当的调整，以保证程序的正常运行。

4.2 裁剪后的收益

• 通过火山引擎的APP性能分析平台对比发现，内存平均值减少了20M

• 通过Profiler实测，发现和火山引擎检测结果相近

方式	Total（单位：M）	Java（单位：M）	Native（单位：M）	Graphics（单位：M）	Stack（单位：M）	Code（单位：M）	Others（单位：M）
关闭代理	492.4	61.1	181.6	57.9	0.2	144.7	46.9
开启代理	464.3	58.2	158.6	64.5	0.1	139	43.8

四、收益和踩坑

1. 收益

• 优化之前，线程数为197条；优化之后，线程数为152条；线程数减少了大约40条
• 优化之前，内存使用了470.93M；优化之后，内存使用了450.24M；内存减少了大约20M
• 优化之前，系统CPU使用率为34.83%；优化之后，系统CPU使用率为31.51%；系统CPU使用率降低了3%

• APP使用的流畅性：优化之前，每秒刷新23.36帧；优化之后，每秒刷新36.3帧；帧率平均每秒增加了13帧。

综上所述：通过插桩代理线程池进行收敛，能有效减少线程数（减少了40条），从而减少内存的使用（减少了20M）、降低CPU使用率（降低了3%）、使得APP使用的流畅性更高（每秒平均多刷新13帧），符合优化预期。

2. 踩坑

• 网络任务线程和本地任务线程要分开，避免网络不好的时候网络任务堵塞了本地任务
• 要相互依赖的线程池需要分开代理或者某些不代理，避免出现因为任务排队和互相依赖导致类似“死锁”现象
• 核心线程数等于1的不要代理，因为不仅优化效果有限，还可能把占用1个线程变成占用多个线程，从而导致部分任务会常驻，占用核心线程

为了帮助到大家更好的全面清晰的掌握好性能优化，准备了相关的核心笔记（还该底层逻辑）：https://qr18.cn/FVlo89

性能优化核心笔记：https://qr18.cn/FVlo89

启动优化

内存优化

UI优化

网络优化

Bitmap优化与图片压缩优化：https://qr18.cn/FVlo89

多线程并发优化与数据传输效率优化

体积包优化

《Android 性能监控框架》：https://qr18.cn/FVlo89

《Android Framework学习手册》：https://qr18.cn/AQpN4J

1. 开机Init 进程
2. 开机启动 Zygote 进程
3. 开机启动 SystemServer 进程
4. Binder 驱动
5. AMS 的启动过程
6. PMS 的启动过程
7. Launcher 的启动过程
8. Android 四大组件
9. Android 系统服务 - Input 事件的分发过程
10. Android 底层渲染 - 屏幕刷新机制源码分析
11. Android 源码分析实战