android 如何分析应用的内存（十三）——perfetto

android 如何分析应用的内存（十三）

本篇文章是native内存的最后一篇文章------perfetto

perfetto简介

从2018年始，android开发者峰会正式推出perfetto工具。从此perfetto成为安卓最重要的工具之一。在2018年以前，android使用systrace工具，进行同样的工作。

perfetto结构

perfetto分成三部分：

第一部分: 录制。这部分将录制不同的数据来源，如：内存，cpu调度，网络等等。然后将其存储在一个共享内存中。

第二部分: 处理。这部分将共享内存中的数据，使用trace_processor库处理成易于理解和分析的格式。同时暴露一个SQL的查询接口。使用者可以使用SQL查询语句，进行查询

第三部分: 可视化。这部分使用第二部分trace_processor处理之后的格式进行UI显示。如:Perfetto UI 再如：Android Studio和Android GPU:Inspector

注意1：perfetto的数据来源，丰富多样，除了常见的系统提供的以外，还可以通过perfetto提供的SDK，自定义数据来源
注意2：trace_processor是库的名字，也是一个可执行文件的名字，这个可执行文件以shell的方式进行交互

perfetto的使用

perfetto工程。中包含各种各样的脚本用于帮助使用perfetto。在介绍各种脚本之前，我们先看看，怎么手动启动perfetto。

perfetto命令行选项

perfetto是Android的一个内置命令。它有两种运行模式：

• 轻量模式：所有配置选项都作为命令行参数提供，但可用的数据源仅限于ftrace和atrace。这种模式类似于systrace。
• 常规模式:使用配置，它可以收集所有的数据来源，包括自定义的数据来源。

注意：ftrace是linuix内核提供的跟踪框架。atrace是Android提供的跟踪框架，它基于ftrace开发，并提供了Android特有的功能，如跟踪am，wm等

不管是轻量模式，还是常规模式，他们都有如下的共同的参数：

-d, --background:后台运行
-o, --out OUT_FILE:输出文件
--dropbox TAG：通过DropBoxManager的API上传跟踪的数据
--no-guardrails：启用 --dropbox时，将禁用对过度资源使用的保护措施
--query：查询服务状态，并打印
--query-raw：跟--query一样，但是打印的数据为proto格式
-h, --help：打印帮助信息

轻量模式

下面给出一个轻量模式的例子

adb shell perfetto --out /sdcard/wm.txt wm

该命令表示跟踪wm，同时将结果输出到out指定的文件中。当然ftrace事件也支持跟踪。

轻量模式支持的参数有：

-t, --time TIME[s|m|h]:运行的时间
-b, --buffer SIZE[mb|gb]：指定buffer的大小
-s, --size SIZE[mb|gb]：指定最大文件大小，单位为兆字节（MB）或千兆字节（GB）。默认情况下
				perfetto仅使用内存中的环形缓冲区。

常规模式

下面给出一个常规模式的例子。

adb shell perfetto --txt --config /sdcard/record.txt

告诉perfetto使用record.txt文件中的配置，进行录制。

其中--txt表示，使用的是protocol buffer格式，简写为pbtxt

常规模式支持的选项有

-c, --config CONFIG_FILE:配置文件
--txt：表示使用pbtxt格式的配置

其中record.txt内容如下，各行解释，见其后

duration_ms: 10000

buffers: {
    size_kb: 8960
    fill_policy: DISCARD
}
buffers: {
    size_kb: 1280
    fill_policy: DISCARD
}
data_sources: {
    config {
        name: "linux.ftrace"
        ftrace_config {
            ftrace_events: "sched/sched_switch"
            ftrace_events: "power/suspend_resume"
            ftrace_events: "sched/sched_process_exit"
            ftrace_events: "sched/sched_process_free"
            ftrace_events: "task/task_newtask"
            ftrace_events: "task/task_rename"
            ftrace_events: "ftrace/print"
            atrace_categories: "gfx"
            atrace_categories: "view"
            atrace_categories: "webview"
            atrace_categories: "camera"
            atrace_categories: "dalvik"
            atrace_categories: "power"
        }
    }
}
data_sources: {
    config {
        name: "linux.process_stats"
        target_buffer: 1
        process_stats_config {
            scan_all_processes_on_start: true
        }
    }
}

其中各个字段的解释如下，因为本文章主要是内存分析。所以不会解释所有的配置项，仅仅解释上文出现的配置。

duration_ms:perfetto运行的时间，单位毫秒
buffers：定义buffer的大小和buffer满了之后的行为
        size_kb：即为定义的大小
        fill_policy：即buffer满了之后的行为，默认是一个环形缓冲buffer，
        此处定义为：直接丢弃
        buffers可以定义多个buffer。通常情况下定义一个buffer是没有问题的。但是当写入数据的
          速率不同时，可能需要定义多个buffer.如果定义了多个buffer，就将data_sources的
          target_buffer指定为对应的buffer即可。如上列第二个data_sources
          
data_sources:定义数据源
        config:配置指定的数据源。
        name:数据源名字：如linux.ftrace
        target_buffer:将录制的数据，写入哪一个buffer
        ftrace_config：详细指定linux.ftrace的来源。如上面的ftrace事件和atrace的
         	categories
        process_stats_config:详细指定linux.process_stats的状态来源。如上面的
        	scan_all_processes_on_start，表示在启动的时候，所有进程都会被扫描，并dump

perfetto手动配置内存分析

正如前面介绍的一样，我们修改data_sources配置来录制内存。在前面的章节中，使用了test_malloc应用进行内存分析。同样本文也将使用这个应用，进行perfetto的实验。

下面从一个简单的例子开始：

1. 运行命令

键入下面的命令，如下：

adb shell perfetto \
  -c - --txt \
  -o /data/misc/perfetto-traces/trace \
<<EOF

buffers: {
    size_kb: 63488
    fill_policy: DISCARD
}
buffers: {
    size_kb: 2048
    fill_policy: DISCARD
}
data_sources: {
    config {
        name: "android.packages_list"
        target_buffer: 1
    }
}
data_sources: {
    config {
        name: "android.heapprofd"
        target_buffer: 0
        heapprofd_config {
            sampling_interval_bytes: 4096
            process_cmdline: "com.example.test_malloc"
            shmem_size_bytes: 8388608
            block_client: true
        }
    }
}
duration_ms: 10000

EOF

我们先介绍上文出现的配置项，同样的不会介绍所有的配置项，而是介绍上文出现的配置项。

因为，perfetto提供了一个heap_profile的python脚本帮助我们完成这项工作。后文将会

详细介绍这个脚本的参数使用。

1. 首先定义了两个buffer。一个大小2048kb，一个大小63488kb。
2. 数据源1：来自于android.packages_list，将其数据写入buffer 1中
3. 数据源2：来自于android.heapprofd。将其写入buffer 0中
4. 其中android.pacages_list数据源，用于获取包的详细信息。
5. android.heapprofd数据源，用于获取android堆的详细信息。这是我们分析native内存的主要数据
 			来源。
6. heapprofd_config:分别配置了，采样间隔（又称为采样率）为4096字节。
7. heapprofd配置应用为：com.example.test_malloc
8. heapprofd配置自己的共享内存的大小为：8388608（heapprofd的内存见后文）
9. heapprofd配置：当buffer满的时候，要等待buffer腾出空间。即block_client为true

注意：上面关于heapprofd的配置，在后文会做详细介绍。

键入命令完成之后，按下enter键，即开始录制，

2. 查看

在手机上，触发内存泄漏，然后10s后，会生成一个/data/misc/perfetto-traces/trace文件，将其拖入Perfetto UI中，如下图

3. UI界面说明和分析

从上面截图可以看到，每一个进程下面有一个heapp rofile.同一行中有一个棱形图标，这个菱形图标，表示：从开始分析到这个棱形图标结束,这段时间内的所有heap的一个snapshot.

点击这个棱形图标，将会出现，下面的调用栈。

其中：

• Unreleased malloc size：表示还未释放的内存大小有多少
• Total malloc size：总共分配的内存是多少，包括已经释放了的
• Unreleased malloc count：未调用free的分配的次数
• Total malloc count：总共分配的次数

为了定位内存泄漏，最简单的方法是：查看Unreleased malloc count。即还有多少次分配未调用free

过程如下：

可以看到，总共有9次未被释放

然后一层一层往下找，即可找到，我们测试程序中的例子，如下

从中我们可以看到，在Java_com_example_test_1malloc_MainActivity_stringFromJNI函数中

有4次未释放。

切换到Unreleased malloc size标签下，能看看到，总计为：16kB

然后查看代码如下：

extern "C" JNIEXPORT jstring JNICALL
Java_com_example_test_1malloc_MainActivity_stringFromJNI(
        JNIEnv* env,
        jobject /* this */) {
    std::string hello = "Hello from C++";

    //未释放的地方
    volatile int * p = new int[1024];
    *p = 123456;

    return env->NewStringUTF(hello.c_str());
}

上面的代码中，指针p未进行释放操作。

注意：因为heapprofd只会记录开始运行到结束，这段时间的内存分配，因此在heapprofd开始之前的，应用的内存分配不会被记录下来。

perfetto脚本配置内存分析

上面介绍了，手动配置prefetto进行内存的抓取。接下来，我们将使用perfetto工程中的脚本工具：heap_profile。

1. 下载heap_profile工具

curl -LO https://raw.githubusercontent.com/google/perfetto/master/tools/heap_profile
chmod +x heap_profile

2. 使用headp_profile录制内存使用情况

## 录制com.example.test_malloc的内存情况
./heap_profile -n com.example.test_malloc

会出现如下的结果：

Profiling active. Press Ctrl+C to terminate.
You may disconnect your device.

如果出现Profiling active，这表示正在运行中。

此时在手机中，进行相应的操作，触发内存泄漏。

然后按下ctrl+c结束录制。

则会输出如下的结果

^CWaiting for profiler shutdown...
Wrote profiles to /var/folders/fs/mg80v00d5yj67pmqp_qh57_c0000gn/T/629a10 (symlink /var/folders/fs/mg80v00d5yj67pmqp_qh57_c0000gn/T/heap_profile-latest)
The raw-trace file can be viewed using https://ui.perfetto.dev.
The heap_dump.* files can be viewed using pprof/ (Googlers only) or https://www.speedscope.app/.
The two above are equivalent. The raw-trace contains the union of all the heap dumps

注意：heap_profile只能录制，在它运行期间的内存情况，不能录制heap_profile运行之前的情况

3. 查看结果

打开Perfetto UI。然后将上面路径中的raw-trace拖入刚才打开的网页。

结果查看同上面手动配置perfetto是一模一样的。

手动配置和脚本配置的比较

手动配置可以同时配置多个数据源，因此它比脚本配置，更适合同时录制多个数据源。

这属于perfetto的高级用法，不过有前面关于perfetto的简单介绍，这种所谓的高级也不过是参数的不同而已。

heapprofd守护进程

前面在进行内存分析的时候，指定的数据源为heapprofd.接下来看看heapprofd是什么东西。

一句话概括如下：heapprofd是android设备中运行的一个守护进程，它将android中的进程heap数据，解析成可以被Perfetto UI解释的格式。

注意：heapprofd需要Android10或者更高版本

内存分析工程的组成部分

我们将heapprofd,heap_profile脚本以及其他的工具和库统称为内存分析工程，这里简写为heap profile

heap profile主要分成三个部分：

第一部分：hprofd.so。应用在需要进行内存分析时，会自动加载这个库。并使用这个库将heap中的数据，导出到一个共享内存中。例如在上面配置的shmem_size_bytes: 8388608，即为这部分共享内存的大小

第二部分：heapprofd 一个运行在android 设备内部的守护进程。它负责处理这个共享内存中的数据，并解析这些数据成合适的格式

第三部分：将录制结果使用图形表示出来。如Android Studio在Android profiler中显示出来，

再比如，https://ui.perfetto.dev/将结果显示在网页中。

heapprofd为什么性能好

如果heapprofd跟踪所有的内存，那么将会陷入malloc debug一样的窘境------变得异常缓慢。

而实际上，heaprofd对内存进行采样分析，在采样上，同样有限制：不会对每个字节都采样，而是使用了统计学上的概率分布。

这里使用了统计学上一个比较著名的函数：P(x)=1-e^(-λ)。其中λ=分配的内存大小/采样率（sampling rate）。 这个函数是对指数分布的一个积分。P(x)则表示：分配x字节大小的内存，至少被采样一次的概率。采样率默认为4096字节。P(x)函数图形如下

至于为什么要采用这个函数，则不是本篇文章的讨论范围，推荐阅读马同学关于：泊松分布和指数分布的文章，如下：
指数分布
泊松分布

从上图可见，部分较小的内存分配，可能不会被采样到，这样就省去了很多开销。需要注意的是：如果有多个内存较小的分配，那么它被采样的概率等同于一次分配同等大小的概率

有时候，为了增加某个分配被采样的概率，则需要调整采样率。比如上文手动配置中:sampling_interval_bytes: 4096。

至于heap_profile脚本如何调整，见下文

heap_profile 参数讲解

heap_profile脚本参数如下，想来大家应该能看懂这里面的所有配置项了

-n,--name 名字：需要进行分析的进程的名字，可以是多个进程，各个进程用逗号分开

-p, --pid PIDS：需要进行分析的进程的PID，可以是多个进程，各个pid用逗号分开

-i, --interval：采样率的大小，单位字节，默认4096字节

-o, --output DIRECTORY：输出的目录文件

--all-heaps：收集所有的堆

--block-client：当buffer满的时候，等待heapprofd腾出buffer里面的空间

--block-client-timeout：等待heapprofd腾出buffer空间的最长时间

-c, --continuous-dump:连续dump的间隔时间，单位毫秒，0表示禁止连续dump

-d, --duration：heap_profile的运行时间，如果没有设置，则一直运行，直到用户输入ctrl+c

--disable-fork-teardown:在fork时不要终止客户端。这对使用vfork的程序可能会有用。
						仅适用于Android 11及以上版本。

--disable-selinux：运行期间，disable selinux

--dump-at-max：记录最大的内存使用量，而不是在heap_profile运行时刻的最大内存使用量。
					这对于分析LMK(Low memory killer)有一定帮助

--heaps HEAPS：需要收集的堆列表，逗号分开。android 12以上。常见的堆列表有：malloc,art

--idle-allocations:跟踪自上次dump以后，每个调用栈有多少字节未被使用

--no-android-tree-symbolization：不要进行符号解析

--no-block-client：当buffer满时,提前停止性能分析

--no-running：不要分析已经运行的程序。需要android 11以上

--no-start：不要启动heapprofd

--no-startup：不要收集，在性能分析阶段中启动的进程

--no-versions：不要获取apk的版本信息

--print-config:要打印log

--shmem-size：客户端和 heapprofd 之间的缓冲区大小。默认为 8MiB。必须是 4096 的二次幂
				且至少为 8192。

--simpleperf:获取 heapprofd 的 simpleperf 性能分析。仅用于 heapprofd 开发。

--traceconv-binary：traceconv工具的路径。仅用于调试

使用连续模式

默认情况下heap profile将所有的dump都存储在一个snapshot中。在UI界面上就是只有一个菱形图标。

另外一个可行的方式是：告诉heap profile周期性的将dump数据存储在不同的snapshot中，这样将会在UI界面上看到多个菱形图标。配置如下：

continuous_dump_config {
  dump_interval_ms: 5000
}

或者通过heap_profile的-c选项。

其中，每一个棱形，都表示从开始时间，到菱形结束时间的所有dump

只采样java的堆

如果我们只想采样java的堆，该如何操作呢？可以通过heap_profile的选项参数--heaps com.android.art

或者在配置文件中，使用：heaps: "com.android.art"

注意：java堆采样，只有在Android 12 及以上才能使用

注意：java堆采样和java堆转储不能混淆

如下图：

从图中可以看到，java堆采样只有两个tab，分别为：

• 总分配大小：在这个调用栈中，有多少个字节被分配了。这些字节可能已经被释放了
• 总的分配次数：在这个调用栈中，有多少次分配。

java堆采样，对于分析大对象分配导致的内存抖动是有巨大帮助的。同时也有助于分析art的分配类型（new,array,class,largeobject）

手动触发snapshot

如果我们想要手动触发堆的snapshot，可以使用如下的方法：

db shell killall -USR1 heapprofd

调用栈的符号化

有时候，调用栈没有名字，此时可以进行离线的符号化，或者调用栈有名字，但是还想知道出问题的点在第几行。这时，就可以进行符号化的操作了。

注意：在进行符号化之前，需要将llvm-symblozier放入PATH路径中，android的llvm-symbolizer在何处找到见：android 如何分析应用的内存（十一）------ASan下面命令将ndk中的必要工具加入PATH中

export PATH=/Users/biaowan/Library/Android/sdk/ndk/25.2.9519653/toolchains/llvm/prebuilt/darwin-x86_64/bin/:$PATH

具体操作如下。

1. 配置PERFETTO_BINARY_PATH环境变量

## 配置为当前目录
export PERFETTO_BINARY_PATH=$(pwd)

2. 进行数据抓取，详细见上文

./heap_profile -n com.example.test_malloc

3. 对raw-trace 进行转换

## 准备对应的so库,放在PERFETTO_BINARY_PATH目录中
## 具体的路径查找见下文
cp -a cp -a ./app/build/intermediates/cxx/Debug/2j414f1k/obj/arm64-v8a/libtest_malloc.so $PERFETTO_BINARY_PATH

## 使用traceconv工具，同heap_profile脚本一样，在同一工程的同一目录下
## 下载命令curl -LO https://raw.githubusercontent.com/google/perfetto/master/tools/traceconv
## traceconv将使用llvm-symbolizer工具，对raw-trace文件进行符号化，并存储在symbols文件中
./traceconv symbolize raw-trace > symbols

4. 将符号信息写入trace文件中

cat raw-trace symbols > symbolized-trace

5. 查看符号化之后的调用栈
   如果使用perfetto ui直接查看调用栈，可能不会显示对应的行号，此时需要使用SQL语句。
   所有的符号化都存储在stack_profile_symbol表格中。因此可以使用下面的语句，将该表格中的所有行输出。

SELECT * FROM stack_profile_symbol;

从上图可以看到，对应的行号。

符号化的路径查找

可是从上面的操作过程中，似乎漏掉了一个非常重要的信息。那就是traceconv如何知道对应的so库在什么位置。

在上面的例子中，只是简单的将so库移动到PERFETTO_BINARY_PATH目录下。

事实上，traceconv将会依据下面的路径进行查找。以/system/lib/base.apk!foo.so为例，它的build id为abcd1234

1. $PERFETTO_BINARY_PATH/system/lib/base.apk!foo.so
2. $PERFETTO_BINARY_PATH/system/lib/foo.so
3. $PERFETTO_BINARY_PATH/base.apk!foo.so
4. $PERFETTO_BINARY_PATH/foo.so
5. $PERFETTO_BINARY_PATH/.build-id/ab/cd1234.debug

注意第五点：.build-id后面的路径规则为：使用前两字字母为子目录如（abcd1234的ab）。然后使用后面的所有字母如（abcd1234的cd1234）再加上.debug，即cd1234.debug作为目录。

符号化常见问题

问题1：

[855.670]  subprocess_posix.cc:47 Failed to exec llvm-symbolizer (errno: 2, No such file or directory)

表示没有配置llvm-symbolizer在PATH路径中.将其加入路径中，即可解决

问题2：

[855.680] local_symbolizer.cc:344 Could not find /data/app/~~gx5t-n8HJXchIN64wh1QNg==/com.example.test_malloc-iRcQ3mTPeH-1Q84dFo81GQ==/lib/arm64/libtest_malloc.so (Build ID: 1807c1edf56cb4a2c27e21e533ea0445a857b100).

1. 表示没有找到libtest_malloc.so。此时按照上面介绍的符号化路径的5个规则，挨个检查是否存在对应的so库。
2. 如果存在so库，但是依然出现这个问题，则需要比较build id是否相同。读取 build id通过如下的命令

llvm-readelf -n ./app/build/intermediates/cxx/Debug/2j414f1k/obj/arm64-v8a/libtest_malloc.so

3. 如果build id不同，则说明没有放置正确版本的so库。如果build id相同，则将so库放在根目录下再试

调用栈的反混淆

在java代码中经常出现混淆之后的代码，对于debug来说非常不舒服。可以使用下面的步骤进行反混淆

1. 使用PERFETTO_PROGUARD_MAP环境变量，提供混淆映射如下：

PERFETTO_PROGUARD_MAP=com.example.pkg1=foo.txt:com.example.pkg2=bar.txt

2. 使用工具traceconv，进行反混淆

##将raw-trace进行反混淆，输出到deobfuscation_map中
traceconv deobfuscate raw-trace > deobfuscation_map

3. 将反混淆结果加入raw-trace中

cat raw-trace deobfuscation_map > deobfuscated_trace

最后使用perfetto ui打开deobfuscated_trace即可。

因为跟符号化的过程和步骤极度相似，所以没有做实验。

故障处理

Buffer overrun

如果分配内存的速度太快，而heap_profd无法跟上，则出现一个buffer overrun，这会导致heapprofd提前结束

如果overrrun被一个短暂的内存尖刺触发，则增加共享内存的大小可以解决这个问题。（传递--shmem-size参数）

或者，传递--interval=16000或更高的值来增加采样间隔（牺牲准确度，详见上文：heapprofd为什么性能好）

性能分析结果为空

在user版本中，只有进行了如下配置的，才能进行性能分析，否则会出现分析结果为空的情况

1. profilable

<manifest ...>
   <application>
       <profileable android:shell="true"/>
       ...
   </application>
</manifest>

2. debugable

<manifest ...>
  <application
        android:debuggable="true">
        ...
    </application>
</manifest>

自此，android的内存的native部分已经全部介绍完毕，现在针对前面介绍的所有方法做一个小结

内存方法的总结

0. 第零个工具xdd:只能查看任意内存
1. 第一个工具gdb:它可以查看：寄存器，和任意位置的内存，分析coredump，能查看栈情况，不能查看堆情况
2. 第二个工具lldb：它可以查看：寄存器，和任意位置的内存，分析coredump，能查看栈情况，不能查看堆情况
3. 第三个工具自定义malloc:只能查看堆情况，且查看的范围较小，几乎只有自己编译的代码
4. 第四个工具malloc hook:能查看所有的堆分配情况
5. 第五个工具malloc统计和libmemunreachable：可以查看所有堆分配情况
6. 第六个工具malloc debug和libc回调:能查看所有堆分配情况
7. 第七个工具ASan/HWASan:只能查看linux的堆分配情况，无法查找android的分配情况，列在此处只是为了知识的完整性
8. 第八个工具perfetto:只能查看堆内存分配情况

其中gdb,lldb,ASan/HWAsan也可以作为调试工具出现。

下一个大主题，就是android应用的java部分了，这部分应该怎么进行内存的分析，该怎么分析，敬请期待