【Perfetto从入门到精通】4.使用 heapprofd 工具采样追踪 Java/Native 内存分配

你信坚持是金

也信无常命运

信天赋努力

信笨拙委屈

------ 《回声》那英

在本专栏前几篇文章里，笔者介绍过，使用 Perfetto 进行 Java Heap Dump 的方法。与通过 Android Studio Profiler 进行抓取类似，所得到的heap文件描述了应用在瞬时状态下的 堆内存分布 、对象引用关系 信息，对于分析内存泄漏、OOM 等问题很有帮助。与此同时，Perfetto 还提供了另一强有力的分析工具 ------ Heapprofd，它的优势在于能够 追踪 一段时间内，Native/Java 内存的全部 分配/回收 事件，从而发现是 哪些函数调用引起的内存上升。

环境要求

使用 heapprofd 工具时，对于手机、APP的配置有要求

• Android 版本：在10及以上
• 系统构建方式 ：
  • 如果是 debug/eng 构建：可调试所有的应用和大部分系统服务
  • 如果是 user 构建
    • 待调试应用是debug包 ------ 可以抓取
    • 待调试应用是release包 ------ 需在Manifest中声明 profileable

火焰图解读

火焰图并不复杂，甚至可以说相当直观。这是一张采样 Native 内存 的火焰图，每一块 矩形 对应一个 函数 ，其 面积大小 则意味着 该函数引起的内存分配大小。从上向下是函数的调用关系，纵向相邻的两个函数之间，上方的函数调用下方的函数。

可以选择查看不同的 Tab 的数据：

• Unreleased malloc size
• Total malloc size
• Unreleased malloc count
• Total malloc count

size 反映了内存分配总大小，count 体现出的是申请内存的次数。

进行采样的3种方式

Google 官方提供了3种进行内存分配采样的方式，它们在功能完整性、环境依赖上有所区别。

序号	方法简述	环境依赖	功能全面性
方式一	使用 adb shell perfetto 命令读取配置并执行	无	高，配置可编辑
方式二	python 执行 tools/heap_profile 脚本	python3 环境	高，脚本可编辑
方式三	使用 Perfetto网页工具 进行抓取	无	低，只能从配置预设里面选择，不支持 Java Heap Sampling

方式一：使用 adb shell perfetto 命令读取配置并执行

config.pbtx

buffers {
  size_kb: 65536
  fill_policy: DISCARD
}
data_sources {
  config {
    name: "android.heapprofd"
    heapprofd_config {
      sampling_interval_bytes: 4096
      process_cmdline: "com.google.samples.apps.nowinandroid"
      shmem_size_bytes: 8388608
      block_client: true
      all_heaps: false
      heaps: "com.android.art"
    }
  }
}
duration_ms: 10000

对于上述配置，关键参数解释如下：

参数	说明
sampling_interval_bytes	以多少字节数的粒度进行采样
process_cmdline	要抓取的包名，(debug) or (release + profileable)
heaps	com.android.art 表示采集虚拟机堆分配信息

对于 release 包，在 AndroidManifest.xml 中声明 profileable

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

当然也可以增加想要抓取的其它信息作为配置，随后通过 adb shell perfetto 命令启动抓取，抓取完成后，将 trace.pftrace 文件pull到本地进行分析。

抓取命令

cat config.pbtx | adb shell perfetto -c - --txt -o /data/misc/perfetto-traces/trace.pftrace

方式二：python执行tools/heap_profile脚本

该脚本位于 github.com/google/perf... ，用参数 processName（-n com.google.samples.apps.nowinandroid）或者 PID（-p 1234）指明要抓取的进程。推荐使用 进程名 的方式，可以在进程启动前，就开始抓取任务（当然，进程尚未启动时，我们是不知道其 PID 的）。抓取到的数据保存为 raw-trace，可以用 Perfetto UI 查看。

方式三：使用 Perfetto UI 进行抓取

这种方式无法抓取 Java 内存分配信息，不推荐。

采样 Native 内存

对"采样"的理解

既然是"采样"，说明并不是完整记录了全部的内存分配事件，而是 有选择地 。在 Perfetto 中，采样的粒度取决于 sampling_interval_bytes 参数，翻译过来就是 采样区间字节数，其默认值是 4KB，表示 每当内存累计分配超过4KB时，就记录这一次内存申请的函数调用。

通过使用这种"按字节流抽样"的方法，结合 Poisson sampling（泊松抽样），可以让统计更加稳健，既能覆盖高频小分配，也不会漏掉低频大分配。

在目标进程里，heapprofd 拦截了 libc 的 malloc/free 家族调用。

采样 Java 内存

Java Heap Sampling 是一种 抽样式 的 Java 对象分配记录机制，用于观察内存分配趋势。它记录的是

• Java 对象分配事件（allocation）
• 对象类型（class）
• 分配大小
• 时间
• 线程

一个典型的 Java 内存采样火焰图如下所示：

如何启用它

• 对于"方式一 "，在配置文件中增加 heaps: "com.android.art（上文的配置文件已经增加）
• 对于"方式二 "，执行 python 脚本时，增加 --heaps com.android.art 参数
• 对于"方式三"，不支持

它会做什么

它抽样记录了一段时间内对象分配的数量和大小，与 Native Heap 类似，但发生在 ART 层。

它不会做什么

它不会扫描整个 Java Heap，也不会构建完整的 对象引用关系表 。------这是 heapdump、AS Profiler 的职责。

它不会 记录对象的回收和销毁 ，这是 ART 虚拟机 自动执行的，Perfetto 无法介入。

不知道什么原因，在同时开启 Java Heap Sampling 和 Java Heap Dumps 时，我只能在结果里得到前者，无法看到后者。

使用Perfetto分析内存问题的框架

参考资料

• blog.csdn.net/clytzy/arti...
• perfetto.dev/docs/data-s...
• perfetto.dev/docs/design...