简介： 大促始终是技术和产品的练兵场，每到大促，各种丰盛的富媒体，如直播，视频，3D，游戏互动，AR等竞相上线，在淘宝的大航母策略下，都集中在万千钟爱于一身的淘宝App上，在这样的大促场景下，开始触碰到端侧系统资源下限的天花板。在17年双11大促期间，端侧的内存问题尤为突显，OOM的高居所有问题的榜首。内存问题成为了这几年大促端侧稳定性最大的挑战。
作者|邹迪飞（之羲）
编辑|橙子君
出品|阿里巴巴新批发淘系技术
大促始终是技术和产品的练兵场，每到大促，各种丰盛的富媒体，如直播，视频，3D，游戏互动，AR等竞相上线，在淘宝的大航母策略下，都集中在万千钟爱于一身的淘宝App上，在这样的大促场景下，开始触碰到端侧系统资源下限的天花板。在17年双11大促期间，端侧的内存问题尤为突显，OOM的高居所有问题的榜首。内存问题成为了这几年大促端侧稳定性最大的挑战。
17年双11 Crash问题分类
17年双11 Crash走势与业务上线关系
放飞业务
两年后的明天，通过咱们继续的技术开掘与治理，内存问题不再是影响大促稳定性的最次要的因素，本次618大促前所未有的反对了猜你喜爱有限坑位，反对了丰盛的直播和小视频玩法，反对了会场上百个经营坑位，反对了互动业务的不降级策略，各种业务花式上线的同时，咱们的端侧稳定性还进一步晋升，crash率远好于去年同期。
618期间往年与去年比照crash走势
迎难而上，各显神通
面对内存带来的挑战，咱们2年以来，始终在摸索中前行，积淀一套内存治理的教训。
面向大促，当呈现了问题后，咱们要去思考以后的机制与标准，于是咱们制订了内存规范与业务的上线验收。同时，提供了内存剖析的一套工具，不便很快很准找到问题。同时，咱们制订了三套内存优化策略：
**1. 精打细算，晋升内存的使用率
- 兜底容灾，尽量让利用缩短生命
- 晋升内存下限，冲破零碎的天花板**
验收规范-----一夫当关
因为内存天花板的存在，从稳定性角度综合思考，引入了大促的验收规范。规范的制订过程中，咱们统计了产生OOM时的水位内位，剖析出了高危，危险，失常水位线，以此为内存规范的制订指引。
内存问题之所以简单，是因为内存是一个全局共享池子，当呈现溢出问题时，在没有显著问题时，很难去界定哪个业务存在问题，因而，在思考规范的时候，咱们定义了两种场景。单页面及链路。
单页面场景次要是为了缩小单个业务过多的占用内存引发的危险。后面提到内存池子是全局且无限的，当单页面占据内存过多，就会导致系统整体可用的内存大幅缩小，在浏览雷同页面次数的状况，减少整体内存危险。
链路场景是对常见浏览链路的内存检测，比方从首页-会场-互动-店铺-详情-下单这样的惯例玩法进行多页面叠加检测，判断用户失常场景下的内存危险。
同时，在制度内存规范时，也思考了不同技术栈之间的差别。比方H5,weex,native，包含多tab的会场模式及直播，3D等。
测试同学研发的TMQ自动化测试工具
内存优化三板斧
后面提到内存优化次要有三种策略，这里离开详述。
▐ 精打细算-晋升内存的利用率
在业务每每涉及内存天花板的状况下，每1KB的内存，都显得十分宝贵。
在理论对内存占用的剖析中，咱们偶然会发现有些场景加载的图片远大于视图的大小，造成内存的节约。或者在某些场景下，图片在内存中持有过久，比方在后盾或是压栈很久后，图片所持有的空间仍不能释放出来给以后界面应用，面对这样的场景，咱们在高可用体系中援用了对应的性能，可能检测出这些case，以便把内存交给用户正在应用的组件，以此来晋升内存的利用率。
从图片库的数据流转以及View生命周期登程，来设计图片主动回收和复原的实现，即当View不可见的时候，主动开释图片到图片库缓存，只保留图片的key值；当View可见的时候，又通过key复原图片。图片片自带三级缓存策略，回收后的图片如果还在缓存，能立马复原，对体验简直无损。
同时，针对一些内存小户，也和各业务方约定一些实例数限度，比方详情页，有大图，还带视频，webview等，内存应用绝对较大，这种状况下会对实例数做要求。目前有限度包含详情页，播放器实例等。
为了更好的体验，在降级策略上咱们也做了一些优化，不再一刀切，而是依据各设施本身的能力，有抉择的进行降级。要更好的达成指标，咱们首先对设施进行分级，依赖于创立的智能分级。
对立降级在设施评分的根底上，提供默认的高中低端机型的设施分级能力，减少了配置化能力，为每个外围业务调配一个orange，反对业务对系统、品牌、机型、设施分、利用版本、失效工夫等多个维度进行配置化降级。
依赖于对立降级，能够做到精准的体验分级，高端机型，能够采纳各种特效和高清图片，能保障最优体验。中端机型，降级掉一部分特效，能够取得较好成果，低端机型，保障稳定性和根底体验。实现 “高端设施最炫体验，低端设施晦涩优先，紧急问题疾速降级”
对立降级后的成果
▐ 兜底容灾--尽量缩短生命周期
在利用内存最危险的时候，兴许下一次的内存申请即面临解体，在这最危险的时候，咱们是否有能力缓解一下，让用户多下一单呢，为此咱们设计了内存容灾SDK。
具体原理是基于gc和lowmemorykiller原理实现（Android的OOM要辨别jvm heap内存不足和native的内存不足），通过监听系统的gc和lowmemorykiller，去计算零碎以后所处的内存状态，当内存不足的时候，销毁掉优先级较低的Activity，从而保障用户可见面Activity能尽可能多的应用内存而不呈现稳定性问题。
内存容灾基本原理
▐ 裁减下限-冲破零碎天花板
手淘的策略始终是航母策略，后面的打法只能缓解以后的稳定性问题，只能治本，不能治标。业务技术对内存的需要有增无减，有限坑位，会场上的直播视频等，都带来进一步的压力。只有晋升端内的内存容量，才是解决内存问题的最终解法。
多过程
多过程的应用是冲破零碎天花板的办法之一。因为大促态的变动新增以H5的页面居多，所以咱们重点心愿在webview上能有一些冲破。这时苹果的WKWebivew被纳入到钻研范畴，对于WKWebview在内存的劣势，通过咱们的剖析论断如下：
WKWebView的内存并不计算在主利用的内存中，而是作为独立过程独自进行计算，因而对于利用来说应用WKWebView相比UIWebView，利用整体能够应用更多的内存，因为Web的内存都在WKWewbView的Web过程中，并不影响主利用的内存下限。
对于Android来说，平台自身则反对的多过程形式，因而，咱们最后的设计中，是依赖于Activity的独立过程形式，即便BrowserActivity独立进去。
在99大促的AB试验中，比照对照组，在拜访过淘金币/互动的用户中，主过程native crash率降落15%-18%，Crash计数(主+子) 降落1万次以上。在所有用户中，降落3%-5%，对内存的优化成果还是比拟显著。
然而思考到很多根底SDK在设计之初并没有思考到多过程的形式，且多过程下利用的生命周期也有一些变动，整体计划不确认的危险较大。最终采纳的是UC内核的多过程计划，它将整个H5页面的解析、排版、js执行等实现抽离封装到一个独立的过程中，分担了主过程一部分内存压力，从而实现冲破单过程内存容量天花板的指标。
UC多过程示意图
uc多过程对crash率的影响
依据严格AB试验的后果评估，手淘开启UC多过程之后，Crash率能有30-40%的降落收益。
64位降级
一般说来，当初应用的程序，都是在32位的指令集下编译进去的后果，在32位子零碎下，内存地址的大小只有4个字节，实践上的最大寻址空间只有4G。后面提到，在以后手淘的业务容量下，4G的内存地址曾经不能满足，在往年开始力推手淘andorid架构从32位降级到64位。
说到64位，在硬件上，arm v8及当前的cpu都降级到了64位的架构，在软件上，android 5.0当前的零碎开始反对了64位子零碎。咱们做过比拟精确统计埋点，在市面上的手机，约有95%是反对64位运算的，也就是说64位降级带来的收益能够笼罩到绝大多数的用户。另一方面，咱们也要看到64位降级带来的危险，所有的C/C++代码都须要从新编译到64位指令集，可能的危险点包含：
- 指针长度是从32位升到64位，对一些HardCode的写法可能计算出错，产生稳定性问题。
- 自定义so的加载逻辑（如服务端近程下载）可能没有思考多cpu abi的状况，加载谬误so，产生稳定性问题。
- 贮存的数据，看看有没有因为64位和32位不同导致不兼容，特地是一些二进制数据，导致笼罩装置或降级后原数据不可用
为了应答这些危险，自3月份起就开始针对手淘中的120多个so进行回归，包含看32位与64位互相笼罩的降级场景，另一方面，针对so的加载逻辑，进行全手淘代码扫描，剖析和查看自定义加载so的场景确认是否反对多cpuabi。通过几个月的灰度和迭代，最终在618版本前，实现了64位的上线。
在本次的618大促中，能够显著看到，以往大促中，OOM的占比，最高的时候，能够占到近40%，通过64位降级与多过程伎俩叠加后，能够看到看大促态的OOM占比，曾经降到了10%左右。这外面还包含了5%的32位用户，对OOM的治理成果十分显著。
瞻望
新技术状态的挑战
内存问题始终是大促端侧稳定性最大的挑战，在明天曾经失去比拟好的解决，当然，系统资源终归是无限的，咱们依然须要无效正当的应用系统资源。更重要的是，面向未来，新的技术状态像flutter等入淘，多个虚似机的并存，对系统资源依然会有较大的挑战。
从稳定性到晦涩体验
对用户来说，稳定性只是最根底要求，后续咱们会在体验上继续优化，带给手淘用户真正的如丝般顺滑的体验。
手淘客户端团队
一年一度的应届生秋招正式开始，岗位丰盛，欢送扫描上面二维码理解详情。同时大量挪动端社招岗位opening
简历投放地址????：difei.zdf@alibaba-inc.com