简单介绍
What's OOM？
全称“Out Of Memory”，指的是内存超出了限制，抛出的一个异常。
Why OOM?
- 内存泄漏，导致可回收的内存回收失败，比如Acitvity已经Destory了，但是还继续被引用，导致无法回收。
- 程序运行所需要的内存大于给定的内存，比如加载一张巨大的高清的图片资源，立马OOM。
常见的OOM
类型为java.lang.OutOfMemoryError: Java heap space ，Java堆内存溢出。
一般的解决办法
Java抛出来的OutOfMemoryError，和其他崩溃一样也会有其堆栈信息。如下
|
|
通过堆栈信息能确认到崩溃那一刻调用的方法，在本例子中可以看到是解析加载图片资源时出错。但是我们并不知道是哪个图片，而且这图片并不是真正的问题所在，因为这个时候内存已经达到了接近崩溃的边缘，做任何分配的操作都会导致OOM。
所以在解决该类问题时，最常用的办法就是heapdump，这是java虚拟机上的应用解决OOM的通用办法。
将OOM时的内存dump下来后，通过Memery Analyzer( MAT)工具打开进行分析，MAT的使用可以参考[分析指南]
如何dump内存
针对debuggable的应用，调用
adb shell am dumpheap <processname> <FileName>
对于release的应用，只能Java代码中使用
Android.os.Debug.dumpHprofData(filePath)Android.os.Debug.dunpHprofData()
Android获取到的内存文件不能直接用于MAT分析，需要通过Android SDK提供的工具进行转换
android-sdk/platform-tools/hprof-conv <FileName> <newFileName>.hprof
上面就是一般的分析流程，而我们需要的是一套完善的更加自动化的方案。
有几个需要解决的问题
- 端上内存自监控
- 端上内存主动释放
- 端上dump时机
- 端上问题自动发现
监控阶段
端上内存自监控
为什么要自己监控内存？因为在全局异常捕获中收到OOM error信息时再去做内存dump，会有一定的失败率。dump还未完成，程序就已经崩掉，所以如果能在抛出OOM error，及早发现可能OOM，这个时候去做一些处理，能有更多的操作空间。
具体方案为在监控开始时，起一个定时线程，每隔3秒进行一个内存监测
内存占用计算：(Runtime.getRuntime().totalMemory() - Runtime.getRuntime().freeMemory())/Runtime.getRuntime().maxMemory()
- totalMemory： Returns the total amount of memory in the Java virtual machine.
- freeMemory：Returns the amount of free memory in the Java Virtual Machine.
- maxMemory：Returns the maximum amount of memory that the Java virtual machine will attempt to use.
端上内存主动释放
当能监控到应用运行过程中的占用比时，能做的事情就比较多了，可以选择在高内存占比时，先做一些释放操作，在基线里面目前做了释放了两个模块，图片和Card，因为这两个模块是使用内存的大头。
现在的策略是在不同的占比做不同程度的内存释放。
系统也会监控内存，提供了内存的回调
-
OnLowMemory
在系统内存不足并且所有后台程序已经被杀死时，会调用该方法 -
OnTrimMemory
系统会根据不同的内存状态来回调
系统的这两个回调也应该做一些释放，这个和我们的监控不冲突，或者说是互补，因为一个是系统内存，一个是应用内存。
端上dump时机
因为dump是非常影响用户体验的，最好要在真正需要dump的时候进行
当内存达到97%（这个是目前经验值）时，我们判断其已经接近OOM，是不是dump时机，还不能保证。因为可能有20%的内存在下次gc就能被回收掉
为了在gc之后再看看情况，流程中会主动调用System.gc()，熟悉的同学都知道gc()并不是你调用就马上执行，这是由虚拟机决定的。
通过查找资料，并没有直接的方式去判断虚拟机是否执行了我们的GC，我们也必须在GC后看看内存是否还在97%，这表示内存已达到了无可释放的程度。
现在是通过间接的方式来观察GC情况，Java引用类型分为四种强引用，软引用，弱引用，虚引用，每个的描述我就不介绍了，用到的就是弱引用，弱引用特点是当遇到gc时就会立马回收掉。
在首次内存达到97%的时候，创建一个弱引用对象作为哨兵，然后调用gc。当下次查看内存，发现哨兵被回收且内存继续保持97%的时候，我们就可以做dump操作了。
dump的性能问题
dump会导致应用进程冻结一段时间，会给用户带来比较明显的卡，经过测试在android 7.0以后的系统能降低到5s以内，而7.0以前的系统会卡10s及10s以上，所以在线上运行是我们是采样并且过滤版本的方式，样本控制的尽量少，以发现问题为主要目的。
内存泄漏加成
除了监控内存做相应的处理，OOM也会配合内存泄漏监控，为后续的分析问题提供更多的信息
简单介绍下内存泄漏监控
首先registerActivityLifecycleCallbacks注册Activity的生命周期回调
然后在onActivityCreated，onActivityDestroyed记录每个Activity的开始和中止
当一定时间后发现有Activity已经被destroyed但是还未被回收，便认为泄漏，在应用要dump的同时会将该泄漏信息保留下来，具体的可以参考LeakCanary发现原理
图1: 监控，及发生OOM后做的响应应急处理流程
处理阶段
端上问题自动发现主要是依赖的二次启动来处理，在dump完之后应用大概率会崩溃，而分析那些逻辑主要在第二次启动
第二次启动后发现有dump的文件，便开始进入处理分析流程，这里是另外起了一个:memery进行执行
分析流程有如下图三种处理方式
图2 问题分析
解析泄漏路径
如果同时有泄漏信息，直接调用Leakcanary进行路径分析(原理参考LeakCanary的分析原理)，并投递
大内存解析
如果主要分析dump信息中包含的大内存文件，关于这一点可以参考OOMTrack的PPT的介绍
压缩上传
当未发现泄漏信息时，会有随机抽取50%的样本采取压缩上传的方式，因为大内存解析并不能准确发现所有问题，这个时候就能手动导入MAT进行更全面的分析了。
展示
Qmas数据展示
上面两张图绿色部分的投递，最终都能在Qmas中查看
Qmas对应分析入口地址：http://qmas.qiyi.domain/embed/apm?mod=crash -> 内存分析 -> OOM分析
后续
遗留问题
现在OOM的分析有三个问题待后续解决，dump带来的卡住时间问题，分析耗时问题，文件即使压缩也很大的问题
目前业内也已经有解决方案，其实质是裁剪dump的冗余信息
后续方案
利用xHook，在执行dump的准备阶段，我们会调用Native层的open函数获得一个文件句柄，但实际执行时会进入到Hook层中，然后将返回的FD保存下来，用作write时匹配。
在dump开始时，系统会不断的调用write函数将内容写入到文件中。由于我们的Hook是以so为目标的，系统运行时也会有许多写文件的操作，所以我们需要对前面保存的FD进行匹配。若FD匹配成功则进行裁剪，否则直接调用origin-write进行写入操作。
裁剪后的文件可以变得很小，而且因为dump的io负担变小，也能极大的减少dump卡住时间，并且分析耗时也会随着文件变小而减少
通过这种方式，以上三个问题都能很好的优化
但是确定哪些内容需要裁剪，裁剪后如何再次解析，如何兼容MAT工具，都需要投入一定的成本去完成，目前还未计划支持。
可参考的文章Probe：Android线上OOM问题定位组件
基线APM内存分析接入 APM 内存监控分析