货拉拉iOS司机端线程治理总结

司机组iOS 团队，负责国内货运司机端 iOS APP 开发，同时支撑国内 iOS 业务线的业务基础架构的开发和维护。

背景介绍

• 由于在过去几年，货拉拉业务高速发展的同时，作为核心业务入口的司机端，同样在以「快」为第一目标实现业务需求迭代，积累了较多的技术债（各项技术指标与业界优秀的app相比都差强人意），并且线上经常会收到司机反馈手机发烫，耗电，crash等等问题。
• 司机使用的手机相比用户来说性能普遍较差，同时司机的在线时长较高（平均3.5小时），由于以上客观原因的存在，给司机端性能优化带来了巨大的挑战。

综上，线程治理专项应运而生，目的就是降低crash，手机发烫，耗电等问题，尽量给原本并不富裕的内存，雪中送炭。

问题分析

1. 滥用使用全局队列，并且使用了队列的默认优先级

dispatch_async(dispatch_get_global_queue(0, 0), ^{

       //TODO

});
复制代码

开发人员在需要开启线程处理任务时，大多都采用了全局队列默认优先级来处理，所以项目中积累了大量的全局队列默认优先级，导致了一人干活，全家围观。

2. 大量不必要的线程切换

dispatch_async(dispatch_get_global_queue(0, 0), ^{

    //loadData

    dispatch_async(dispatch_get_main_queue(), ^{

      //刷新UI

    });

});
复制代码

一般的业务处理中，用子线程确实可以提高任务处理效率，但是也不能忽视队列切换带来的性能损耗。如果loaddata，是较为耗时的操作，用子线程处理无可厚非，但是仅仅是为了读取本地的一些简单配置或者数据，而开启线程，就有点多余了。（这里的loaddata，需要根据自身业务进行评估，是否有必要开启）

3. 在高并发场景，没有控制并发，而使用了全局队列创建了大量线程

//实时获取位置信息 异步

- (void)getDriverCurrentAddress:(void(^)(HLLAddressComponent *component))complete

{

  dispatch_async(dispatch_get_global_queue(0, 0), ^{

    __block CLLocation *location;

    __block NSDictionary *regeoInfo;

       //业务处理

  });

}
复制代码

多个业务请求需要依赖getDriverCurrentAddress异步返回的数据，所以会导致，多个getDriverCurrentAddress并发，然而方法内部并未控制并发，而且还采用了全局队列默认优先级，当业并发大的时候，这里会偶现死锁。

4. 业务使用线程的不合理

 dispatch_async(dispatch_get_global_queue(0, 0), ^{

     NSMutableArray<NSDictionary *> *imageArray = [NSMutableArray array];

    for (NSDictionary *photoDict in readyUploadImageArray) {

      // 上传照片

    }

 });
复制代码

业务使用线程不合理，业务要求是所有需要上传的图片，并发上传。实际上全局队列默认优先级分配一个线程后，多个任务挤在一个线程，并未达到业务预期的目的。

5. 线程死锁引起的crash

当大面积出现psynch_cvwait，semwait_signal，psynch_mutexwait，psynch_mutex_trylock，dispatch_sync_f_slow等信息时，可以初步判定为线程死锁。比如：

当然优先级反转也会导致死锁，具体来说，如果一个低优先级的线程获得锁并访问共享资源，这时一个高优先级的线程也尝试获得这个锁，它会处于 spin lock 的忙等状态从而占用大量 CPU。此时低优先级线程无法与高优先级线程争夺 CPU 时间，从而导致任务迟迟完不成、无法释放 lock。导致陷入死锁 。

6. 子线程刷新UI引起的crash

子线程刷新UI的问题，有比较具体的提示信息，还是比较容易发现的。

7. 线程安全引发的crash

由于多线程读写问题的crash比较隐秘，发现难，定位难，所以，当出现pthread_kill，_objc_release，malloc: error for object 0x7913d6d0: pointer being freed was not allocated等信息时，可以初步判定为多线程读写问题。

仅仅光靠这些还是不够的，如果没有做特殊的队列处理，还是要做大量的调试，如果发现某处业务可能会被多个线程访问时，也需要重点关注。

方案介绍

1. 采取新的队列管理和分配制度

全局队列默认优先级dispatch_get_global_queue(0, 0)的滥用，导致了一人干活，全组围观。当大量并发的业务使用了全局队列的默认优先级时，会为此优先级创建远超CPU核数的线程，不仅让CPU疲于奔命，同时还增加了造成线程死锁风险，从而引发crash。

由于货拉拉的业务特点，我们决定为不同的优先级，创建与CPU核数相等的串行队列，通过优先级的合理使用和串行队列的调度，充分利用时间片和多核的效率，同时不出现相关副作用的情况下实现多线程操作。

#import <Foundation/Foundation.h>

NS_ASSUME_NONNULL_BEGIN

 @interface HLLQueuePool : NSObject

//与用户交互的任务，这些任务通常跟UI级别的刷新相关，比如动画，cell高度，frame等UI的计算
extern dispatch_queue_t HLLQueueForQoSUserInteractive(void);

//由用户发起的并且需要立即得到结果的任务，比如读取数据（配置，用户信息等）来加载UI，会在几秒或者更短的时间内完成
extern dispatch_queue_t HLLQueueForQoSUserInitiated(void);

//一些耗时的任务，比如复杂的组合的网络请求，图片下载，上传
extern dispatch_queue_t HLLQueueForQoSUtility(void);

//对用户不可见，可以长时间在后台运行，比如，拉取配置，地理位置上报，日志上报等
extern dispatch_queue_t HLLQueueForQoSBackground(void);

//默认，不推荐作为首选使用
extern dispatch_queue_t HLLQueueForQoSDefault(void);

 @end

NS_ASSUME_NONNULL_END
复制代码

业务使用改动小，只需在原有基础上根据业务特点，补充合理的优先级即可。

dispatch_async(HLLQueueForQoSUserInitiated(), ^{

    //垃圾机型，读取data，可能会导致卡顿,所以加了个线程。
    NSData *data = [NSData dataWithContentsOfURL:[NSURL URLWithString:urlString]];

});
复制代码

2. 梳理线程并发较大的业务进行重构

业务场景： 当司机端的业务请求依赖getDriverCurrentAddress异步回调的数据

当大量的业务并发，调用getDriverCurrentAddress时，getDriverCurrentAddress方法内部采用全局队列(默认的优先级)生成大量线程去处理数据，从而造成死锁或者线程资源耗尽，crash。

业务重构：

1. 梳理业务，适当降低并发甚至规避并发。
2. 当业务并发调用getDriverCurrentAddress时，如果有该业务数据缓存，则直接返回，同时获取新的数据并缓存。如果没有业务缓存，则getDriverCurrentAddress内部只能有一个任务执行，其他的任务需等待回调后一并返回。

3. 线程使用的合理性评估与改造

多线程可以提高系统资源利用率，但是开启多线程需要花费时间（90微妙）和空间（0.5兆），开启的线程过多，CPU频繁的在多个线程中调度会消耗大量的CPU资源，会导致个别线程无法完成任务而假死，并且容易造成数据同步和死锁的问题，所以不要在系统中同时开启过多的子线程。

线程使用的合理性评估标准：

1. 不可预估完成时间的任务，比如图片上传下载，普通接口请求
2. 计算量比较大的，比如加解密，数据计算和处理
3. 有可能卡顿主线程的任务，比如UI的计算与渲染
4. 如无必要，不要随意开启线程。

4. 死锁问题的重点攻坚

首先我们要了解线程的生命周期：

1. 新建：实例化线程对象
2. 就绪：向线程对象发送start消息，线程对象被加入可调度线程池等待CPU调度。
3. 运行：CPU 负责调度可调度线程池中线程的执行。线程执行完成之前，状态可能会在就绪和运行之间来回切换。就绪和运行之间的状态变化由CPU负责，程序员不能干预。
4. 阻塞：当满足某个预定条件时，可以使用休眠或锁，阻塞线程执行。sleepForTimeInterval（休眠指定时长），sleepUntilDate（休眠到指定日期），@synchronized(self)：（互斥锁）。
5. 死亡：正常死亡，线程执行完毕。非正常死亡，当满足某个条件后，在线程内部中止执行/在主线程中止线程对象

然后，由于死锁问题比较隐蔽，通常很难发现从而去排查，我们只能通过在bugly和内部的crash系统上，分析堆栈信息：

当发现线程大面积的堆栈出现了psynch_cvwait，semwait_signal，psynch_mutexwait，psynch_mutex_trylock，dispatch_sync_f_slow等信息时，就可以大胆怀疑线程非正常原因阻塞，而导致的死锁。

最后，因为线程是一把双刃剑，不使用线程就不会造成死锁，就需要根据堆栈信息排查对应的业务：

1. 锁用的是否合理
2. 线程的数量是否远超平时的线程数量
3. 是否使用了NSRecursiveLock，此递归锁不支持多线程递归，因为会造成优先级反转
4. 排查业务，线程长时间的阻塞，导致任务无法正常执行，也会造成死锁
5. SCNetworkReachabilityGetFlags，此方法只能在子线程调用，否则会造成主线程同步阻塞

5. 子线程刷新UI的重点排查与治理

为什么子线程刷UI，只是偶现crash呢？因为在苹果现有框架下，刷新UI是一种线程不安全的操作，所以必须放在主线程。放在子线程，恰好竞争同一资源时，才会crash。

所以需要对以下场景，做统一检查处理：

1. h5交互的回调
2. 二方库，三方库的代理和回调
3. 通知
4. kvo相关
5. 接口回调

因为通知和kvo的触发和处理都在同一线程，如果子线程触发，那么就有可能子线程刷新UI

6. 线程安全问题的梳理与重构

线程安全问题的实质，就是多线程写的问题，严谨的说，多线程读并不会造成线程安全问题，因为只是读取数据，并不会产生错误的结果，即使交错执行读取，最终结果也是正确的。

cpu读写内存是通过数据总线操作的，且只有一个。所以在涉及到多线程读写问题时，对所有的写进行串行或者加锁操作即可，不需要区分数据类型（虽然基本数据类型，多线程写，不会有问题）。

简单提一下锁和串行队列的区别，锁中间的执行操作相当于是串行队列。锁的特点是，锁定范围越小越好，但是锁会造成死锁。gcd串行队列，则不会有死锁的问题。关于用法，仁者见仁。

最后，线程安全问题，甚至比死锁问题还要顽固，顽强。由于祖传代码的原因，不得不对多个业务大类，进行了重构，将数据模型进行了拆分，同时对写这一块做了锁或者串行的操作。

长效机制的建立

线程问题比较头疼，在业务迭代和重构的过程中比较容易出现，如何才能降低线程问题对业务和性能的影响呢？

1. 建立线程数量监控预警体系

pthread库中提供了一个用于监控线程创建、运行、结束、销毁的内省函数。

typedef void (*pthread_introspection_hook_t)(unsigned int event, pthread_t thread, void *addr, size_t size); 
复制代码

在启动时，可以选择启动监控，开始监控线程数量。

enum {

    PTHREAD_INTROSPECTION_THREAD_CREATE = 1, //创建线程

    PTHREAD_INTROSPECTION_THREAD_START, // 线程开始运行

    PTHREAD_INTROSPECTION_THREAD_TERMINATE,  //线程运行终止

    PTHREAD_INTROSPECTION_THREAD_DESTROY, //销毁线程

};
复制代码

通过线程状态改变，来记录线程数量。

void pthread_introspection_hook_t(unsigned int event,

pthread_t thread, void *addr, size_t size)
{
    //创建线程，则线程数量和线程增长数都加1
    if (event == PTHREAD_INTROSPECTION_THREAD_CREATE) {}

    //销毁线程，则线程数量和线程增长数都减1
    else if (event == PTHREAD_INTROSPECTION_THREAD_DESTROY){}
}
复制代码

预警上报

• 当线程数量大于设定的某一阈值时（各业务，根据自己的业务情况进行阈值设定，通常采用平均值），采取预警。
• 考虑到获取线程还是比较耗费性能的，所以第一阶段，在debug阶段，通过控制台预警，打印，看看使用情况和效果。
• 后续通过APM收集上报

2. 子线程刷新UI检测

Main Thred Checker (Runtime Issue)

除此之外，需要在xcode中，新增一个断点“Main Thred Checker (Runtime Issue)”

如果有UI崩溃，崩溃点就会出现在UI崩溃的位置。

除此之外，项目在运行时，也可以利用日志重定向匹配Main Thread Checker:开头的错误日志弹框提示。

3. 规范线程使用

• 业务所有的线程同一使用HLLQueuePool来进行调度，同时设定好和业务匹配的优先级即可，不需要关心调度。
• 代码review。有线程相关的修改或者提交，需要说明，着重review。

复盘& 总结

本方案于4月份开始落地上线至今，通过数据采集和分析：

• 涉及到的crash数量大约在26k左右，粗略计算降低了crash率万分之8
• 线程的平均数量从之前的51.3，降低到现在的41.6，线程损耗大约是原来的81%，性能节省了大约18.7%

线程治理专项的目的，就是降低crash和性能损耗，从复盘数据来看，crash修复情况和性能优化均符合预期。

本次主要从队列的管理和分配，高并发业务的梳理和重构，线程使用的合理性评估与改造，线程相关crash的排查和修复，长效机制的建立几个方面介绍了货拉拉iOS司机端在线程治理方面的实践 。

希望我们团队遇到的问题以及解决的经验，能够在稳定性治理方面帮助到你。