一、前言
最近参加了几轮面试，发现很多5-7年工作经验的候选人在性能优化这一块，基本上只能说出传统的分析方式，例如ANR分析，是通过查看/data/anr/ 下的log，分析主线程堆栈、cpu、锁信息等，
然而，这种 有一定的局限性，并不是每次都奏效，很多时候是没有堆栈信息给你分析的，例如有些高版本设备需要root权限才能访问/data/anr/ 目录，或者是线上用户的反馈，只有一张ANR的截图加上一句话描述。
假如你的App没有实现ANR监控上报，那么你大概率会把这个问题当成“未复现”处理掉，而没有真正解决问题。
于是我整理了这一篇文章，主要关于卡顿、ANR、死锁监控方案。
二、卡顿原理和监控
2.1 卡顿原理
一般来说，主线程有耗时操作会导致卡顿，卡顿超过阈值，触发ANR。
从源码层面一步步分析卡顿原理：
首先应用进程启动的时候，Zygote会反射调用 ActivityThread 的 main ，启动 loop 循环
->ActivityThread public static void main(String[] args) { ... Looper.prepareMainLooper(); Looper.loop(); ... } ***代码
看下Looper的loop
->Looper public static void loop() { for (;;) { //1、取消息 Message msg = queue.next(); // might block ... //2、消息处理前回调 if (logging != null) { logging.println(">>>>> Dispatching to " + msg.target + " " + msg.callback + ": " + msg.what); } ... //3、消息开始处理 msg.target.dispatchMessage(msg);// 分发处理消息 ... //4、消息处理完回调 if (logging != null) { logging.println("<<<<< Finished to " + msg.target + " " + msg.callback); } } ... } ***代码
由于loop循环存在，所以主线程可以长时间运行。如果想要在主线程执行某个任务，唯一的办法就是通过主线程handler post一个任务到消息队列里去，然后loop循环中拿到这个msg，交给这个msg的target处理，这个target是Handler。
从上面的代码块可以看出，导致卡顿的原因可能有两个地方
注释1的queue.next()阻塞，注释3的dispatchMessage耗时太久。2.1.1 MessageQueue#next 耗时
看下源码
MessageQueue#next
Message next() { for (;;) { //1、nextPollTimeoutMillis 不为0则阻塞 nativePollOnce(ptr, nextPollTimeoutMillis); synchronized (this) { // Try to retrieve the next message. Return if found. final long now = SystemClock.uptimeMillis(); Message prevMsg = null; Message msg = mMessages; // 2、先判断当前之一条消息是不是同步屏障消息， if (msg != null && msg.target == null) { //3、遇到同步屏障消息，就跳过去取后面的异步消息来处理，同步消息相当于被设立了屏障 // Stalled by a barrier. Find the next asynchronous message in the queue. do { prevMsg = msg; msg = msg.next; } while (msg != null && !msg.isAsynchronous()); } //4、正常的消息处理，判断是否有延时 if (msg != null) { if (now < msg.when) { //3.1 // Next message is not ready. Set a timeout to wake up when it is ready. nextPollTimeoutMillis = (int) Math.min(msg.when - now, Integer.MAX_VALUE); } else { // Got a message. mBlocked = false; if (prevMsg != null) { prevMsg.next = msg.next; } else { mMessages = msg.next; } msg.next = null; if (DEBUG) Log.v(TAG, "Returning message: " + msg); msg.markInUse(); return msg; } } else { //5、如果没有取到异步消息，那么下次循环就走到1那里去了，nativePollOnce为-1，会一直阻塞 // No more messages. nextPollTimeoutMillis = -1; } } ***代码
next 的大致流程是这样的：
MessageQueue是一个链表数据结构，判断MessageQueue的头部（之一个消息）是不是一个同步屏障消息，所谓同步屏障消息，就是给同步消息加一层屏障，让同步消息不被处理，只会处理异步消息；如果遇到同步屏障消息，就会跳过MessageQueue中的同步消息，只获取里面的异步消息来处理。如果里面没有异步消息，那就会走到注释5，nextPollTimeoutMillis设置为-1，下次循环调用注释1的nativePollOnce就会阻塞；如果looper能正常获取到消息，不管是异步消息或者同步消息，处理流程都是一样的，在注释4，先判断是否带延时，如果是，nextPollTimeoutMillis就会被赋值，然后下次循环调用注释1的nativePollOnce就会阻塞一段时间。如果不是delay消息，就直接返回这个msg，给handler处理；从上面分析可以看出，next 是不断从MessageQueue里取出消息，有消息就处理，没有消息就调用nativePollOnce阻塞，nativePollOnce 底层是Linux的epoll机制，这里涉及到一个Linux IO 多路复用的知识点
Linux IO 多路复用，select、poll、epoll
Linux 上IO多路复用方案有 select、poll、epoll。它们三个中 epoll 的性能表现是更优秀的，能支持的并发量也更大。
select 是操作系统提供的系统调用函数，通过它，我们可以把一个文件描述符的数组发给操作系统， 让操作系统去遍历，确定哪个文件描述符可以读写， 然后告诉我们去处理。poll：它和 select 的主要区别就是，去掉了 select 只能监听 1024 个文件描述符的限制epoll：epoll 主要就是针对select的这三个可优化点进行了改进1、内核中保存一份文件描述符***，无需用户每次都重新传入，只需告诉内核修改的部分即可。 2、内核不再通过轮询的方式找到就绪的文件描述符，而是通过异步 IO 事件唤醒。 3、内核仅会将有 IO 事件的文件描述符返回给用户，用户也无需遍历整个文件描述符***。
关于epoll机制就总结这么多啦。
回到 MessageQueue的next ，看看哪里可能阻塞
同步屏障消息没移除导致next一直阻塞
有一种情况，在存在同步屏障消息的情况下，当异步消息被处理完之后，如果没有及时把同步屏障消息移除，会导致同步消息一直没有机会处理，一直阻塞在nativePollOnce。
同步屏障消息
Android 是禁止App往MessageQueue插入同步屏障消息的，代码会报错
系统一些高优先级的操作会使用到同步屏障消息，例如View在绘制的时候，最终都要调用ViewRootImpl的scheduleTraversals ，会往MessageQueue插入同步屏障消息，绘制完成后会移除同步屏障消息。
->ViewRootImpl @UnsupportedAppUsage void scheduleTraversals() { if (!mTraversalScheduled) { mTraversalScheduled = true; //插入同步屏障消息 mTraversalBarrier = mHandler.getLooper().getQueue().postSyncBarrier(); mChoreographer.postCallback( Choreographer.CALLBACK_TRAVERSAL, mTraversalRunnable, null); if (!mUnbufferedInputDispatch) { scheduleConsumeBatchedInput(); } notifyRendererOfFramePending(); pokeDrawLockIfNeeded(); } } void unscheduleTraversals() { if (mTraversalScheduled) { mTraversalScheduled = false; //移除同步屏障消息 mHandler.getLooper().getQueue().removeSyncBarrier(mTraversalBarrier); mChoreographer.removeCallbacks( Choreographer.CALLBACK_TRAVERSAL, mTraversalRunnable, null); } } ***代码
为了保证View的绘制过程不被主线程其它任务影响，View在绘制之前会先往MessageQueue插入同步屏障消息，然后再注册Vsync信号监听，Choreographer$FrameDisplayEventReceiver就是用来接收vsync信号回调的
Choreographer$FrameDisplayEventReceiver
private final class FrameDisplayEventReceiver extends DisplayEventReceiver implements Runnable { ... @Override public void onVsync(long timestampNanos, long physicalDisplayId, int frame) { ... // mTimestampNanos = timestampNanos; mFrame = frame; Message msg = Message.obtain(mHandler, this); //1、发送异步消息 msg.setAsynchronous(true); mHandler.sendMessageAtTime(msg, timestampNanos / TimeUtils.NANOS_PER_MS); } @Override public void run() { // 2、doFrame优先执行 doFrame(mTimestampNanos, mFrame); } } ***代码
收到Vsync信号回调，注释1会往主线程MessageQueue post一个异步消息，保证注释2的doFrame优先执行。
doFrame才是View真正开始绘制的地方，会调用ViewRootImpl的doTraversal、performTraversals，
而performTraversals里面会调用我们熟悉的View的onMeasure、onLayout、onDraw。
这里还可以延伸到vsync信号原理，以及为什么要等vsync信号回调才开始View的绘制流程、掉帧的原理、屏幕的双缓冲、三缓冲，由于文章篇幅关系，不是本文的重点，就不一一分析了~
虽然app无法发送同步屏障消息，但是使用异步消息是允许的
异步消息
首先，SDK中限制了App不能post异步消息到MessageQueue里去的，相关字段被加了UnsupportedAppUsage注解
-> Message @UnsupportedAppUsage /*package*/ int flags; /** * Returns true if the message is asynchronous, meaning that it is not * subject to {@link Looper} synchronization barriers. * * @return True if the message is asynchronous. * * @see #setAsynchronous(boolean) */ public boolean isAsynchronous() { return (flags & FLAG_Asynchronous) != 0; } ***代码
不过呢，高版本的Handler的构造 可以通过传async=true，来使用异步消息
public Handler(@Nullable Callback callback, boolean async) {} ***代码
然后在Handler发送消息的时候，都会走到 enqueueMessage ，如下代码块所示，每个消息都带了异步属性，有优先处理权
private boolean enqueueMessage(@NonNull MessageQueue queue, @NonNull Message msg,long uptimeMillis) { ... //如果mAsynchronous为true，就都设置为异步消息 if (mAsynchronous) { msg.setAsynchronous(true); } return queue.enqueueMessage(msg, uptimeMillis); } ***代码
对于低版本SDK，想要使用异步消息，可以通过反射调用Handler(@Nullable Callback callback, boolean async)，参考androidx内部的一段代码如下
->androidx.arch.core.executor.DefaultTaskExecutor private static Handler createAsync(@NonNull Looper looper) { if (Build.VERSION.SDK_INT >= 28) { return Handler.createAsync(looper); } if (Build.VERSION.SDK_INT >= 16) { try { return Handler.class.getDeclaredConstructor(Looper.class, Handler.Callback.class, boolean.class) .newInstance(looper, null, true); } catch (IllegalAccessException ignored) { } catch (InstantiationException ignored) { } catch (NoSuchMethodException ignored) { } catch (InvocationTargetException e) { return new Handler(looper); } } return new Handler(looper); } ***代码
需要注意的是，App要谨慎使用异步消息，使用不当的情况下可能会出现主线程假死的问题，排查也比较困难。
分析完MessageQueue#next再回头来看看 Handler的dispatchMessage
2.1.2 dispatchMessage
上面说到next方***循取消息一般情况下是没有问题的，那么只剩下处理消息的逻辑
Handler#dispatchMessage
/** * Handle system messages here. */ public void dispatchMessage(Message msg) { if (msg.callback != null) { handleCallback(msg); } else { if (mCallback != null) { if (mCallback.handleMessage(msg)) { return; } } handleMessage(msg); } } ***代码
dispatchMessage 有三个逻辑，分别对应Handler 使用的三种方式
Handler#post(Runnable r)构造 传CallBack，public Handler(@Nullable Callback callback, boolean async) {}Handler 重写 handleMessage所以，应用卡顿，原因一般都可以认为是Handler处理消息太耗时导致的，细分的原因可能是 本身太耗时、算法效率低、cpu被抢占、内存不足、IPC超时等等。
2.2 卡顿监控
面试中，被问到如何监控App卡顿，统计 耗时，我们可以从源码开始切入，讲讲如何通过Looper提供的Printer接口，计算Handler处理一个消息的耗时，判断是否出现卡顿。
2.2.1 卡顿监控方案一
看下Looper 循环的注释2和注释4，可以找到一种卡顿监控的
Looper#loop
public static void loop() { for (;;) { //1、取消息 Message msg = queue.next(); // might block ... //2、消息处理前回调 if (logging != null) { logging.println(">>>>> Dispatching to " + msg.target + " " + msg.callback + ": " + msg.what); } ... //3、消息开始处理 msg.target.dispatchMessage(msg);// 分发处理消息 ... //4、消息处理完回调 if (logging != null) { logging.println("<<<<< Finished to " + msg.target + " " + msg.callback); } } ... } ***代码
注释2和注释4的logging.println是谷歌提供给我们的一个接口，可以监听Handler处理消息耗时，我们只需要调用Looper.getMainLooper().setMessageLogging(printer)，即可从回调中拿到Handler处理一个消息的前后时间。
需要注意的是，监听到发生卡顿之后，dispatchMessage 早已调用结束，已经出栈，此时再去获取主线程堆栈，堆栈中是不包含卡顿的代码的。
所以需要在后台开一个线程，定时获取主线程堆栈，将时间点作为key，堆栈信息作为value，保存到Map中，在发生卡顿的时候，取出卡顿时间段内的堆栈信息即可。
不过这种方案只适合线下使用，原因如下：
logging.println("<<<<< Finished to " + msg.target + " " + msg.callback);存在字符串拼接，频繁调用，会创建大量对象，造成内存抖动。后台线程频繁获取主线程堆栈，对性能有一定影响，获取主线程堆栈，会暂停主线程的运行。2.2.2 卡顿监控方案二
对于线上卡顿监控，需要了解字节码插桩技术。
通过Gradle Plugin+A ，编译期在每个 开始和结束位置分别插入一行代码，统计 耗时，
伪代码如下
插桩前 fun method(){ run() } 插桩后 fun method(){ input(1) run() output(1) } ***代码
目前微信的Matrix 使用的卡顿监控方案就是字节码插桩，如下图所示
插桩需要注意的问题：
避免 数暴增：在 的入口和出口应该插入相同的函数，在编译时提前给代码中每个 分配一个独立的 ID 作为参数。过滤简单的函数：过滤一些类似直接 return、i++ 这样的简单函数，并且支持黑名单配置。对一些调用非常频繁的函数，需要添加到黑名单中来降低整个方案对性能的损耗。微信Matrix做了大量优化，整体包体积增加1%-2%，帧率下降2帧以内，对性能影响整体可以接受，不过依然只会在灰度包使用。
再来说说ANR~
三、ANR 原理
ANR 的类型和触发ANR的流程
3.1 哪些场景会造成ANR呢
Service Timeout:比如前台服务在20s内未执行完成，后台服务是10s；BroadcastQueue Timeout：比如前台广播在10s内未执行完成，后台60sContentProvider Timeout：内容提供者,在publish过超时10s;InputDispatching Timeout: 输入事件分发超时5s，包括按键和触摸事件。相关超时定义可以参考ActivityManagerService
// How long we allow a receiver to run before giving up on it. static final int BROADCAST_FG_TIMEOUT = 10*1000; static final int BROADCAST_BG_TIMEOUT = 60*1000; // How long we wait until we timeout on key dispatching. static final int KEY_DISPATCHING_TIMEOUT = 5*1000; ***代码
3.2 ANR触发流程
来简单分析下源码，ANR触发流程其实可以比喻成埋炸弹和拆炸弹的过程，
以后台Service为例
3.2.1 埋炸弹
Context.startService调用链如下：AMS.startServiceActiveServices.startServiceActiveServices.realStartServiceLocked
ActiveServices.realStartServiceLocked
private final void realStartServiceLocked(ServiceRecord r, ProcessRecord app, boolean execInFg) throws RemoteException { ... //1、这里会发送delay消息(SERVICE_TIMEOUT_MSG) bumpServiceExecutingLocked(r, execInFg, "create"); try { ... //2、通知AMS创建服务 app.thread.scheduleCreateService(r, r.serviceInfo, mAm.compatibilityInfoForPackageLocked(r.serviceInfo.applicationInfo), app.repProcState); } ... } ***代码
注释1的bumpServiceExecutingLocked内部调用scheduleServiceTimeoutLocked
void scheduleServiceTimeoutLocked(ProcessRecord proc) { ... Message msg = mAm.mHandler.obtainMessage( ActivityManagerService.SERVICE_TIMEOUT_MSG); msg.obj = proc; // 发送deley消息，前台服务是20s，后台服务是10s mAm.mHandler.sendMessageDelayed(msg, proc.execServicesFg ? SERVICE_TIMEOUT : SERVICE_BACKGROUND_TIMEOUT); } ***代码
注释2通知AMS启动服务之前，注释1处发送Handler延时消息，埋下炸弹，如果10s内（前台服务是20s）没人来拆炸弹，炸弹就会爆炸，即ActiveServices#serviceTimeout方***被调用
3.2.2 拆炸弹
启动一个Service，先要经过AMS管理，然后AMS会通知应用进程执行Service的生命周期， ActivityThread的handleCreateService方***被调用
-> ActivityThread#handleCreateService private void handleCreateService(CreateServiceData data) { try { ... Application app = packageInfo.makeApplication(false, mInstrumentation); service.attach(context, this, data.info.name, data.token, app, ActivityManager.getService()); //1、service onCreate调用 service.onCreate(); mServices.put(data.token, service); try { //2、拆炸弹在这里 ActivityManager.getService().serviceDoneExecuting( data.token, SERVICE_DONE_EXECUTING_ANON, 0, 0); } catch (RemoteException e) { throw e.rethrowFromSystemServer(); } } } ***代码
注释1，Service的onCreate 被调用，注释2，调用AMS的serviceDoneExecuting ，最终会调用到ActiveServices. serviceDoneExecutingLocked
private void serviceDoneExecutingLocked(ServiceRecord r, boolean inDestroying, boolean finishing) { ... //移除delay消息 mAm.mHandler.removeMessages(ActivityManagerService.SERVICE_TIMEOUT_MSG, r.app); ... } ***代码
可以看到，onCreate 调用完之后，就会移除delay消息，炸弹被拆除。
3.2.3 引爆炸弹
假设Service的onCreate执行超过10s，那么炸弹就会引爆，也就是
ActiveServices#serviceTimeout方***被调用
void serviceTimeout(ProcessRecord proc) { ... if (anrMessage != null) { mAm.mAppErrors.appNotResponding(proc, null, null, false, anrMessage); } ... } ***代码
所有ANR，最终都会调用AppErrors的appNotResponding
AppErrors #appNotResponding
final void appNotResponding(ProcessRecord app, ActivityRecord activity, ActivityRecord parent, boolean aboveSystem, final String annotation) { ... //1、写入event log // Log the ANR to the event log. EventLog.writeEvent(EventLogTags.AM_ANR, app.userId, app.pid, app.processName, app.info.flags, annotation); ... //2、收集需要的log，anr、cpu等，StringBuilder凭借 // Log the ANR to the main log. StringBuilder info = new StringBuilder(); info.setLength(0); info.append("ANR in ").append(app.processName); if (activity != null && activity.shortComponentName != null) { info.append(" (").append(activity.shortComponentName).append(")"); } info.append("\n"); info.append("PID: ").append(app.pid).append("\n"); if (annotation != null) { info.append("Reason: ").append(annotation).append("\n"); } if (parent != null && parent != activity) { info.append("Parent: ").append(parent.shortComponentName).append("\n"); } ProcessCpuTracker processCpuTracker = new ProcessCpuTracker(true); ... // 3、dump堆栈信息，包括java堆栈和native堆栈，保存到文件中 // For background ANRs, don't pass the ProcessCpuTracker to // avoid spending 1/2 second collecting stats to rank lastPids. File tracesFile = ActivityManagerService.dumpStackTraces( true, firstPids, (isSilentANR) ? null : processCpuTracker, (isSilentANR) ? null : lastPids, nativePids); String cpuInfo = null; ... //4、输出ANR 日志 Slog.e(TAG, info.toString()); if (tracesFile == null) { // 5、没有抓到tracesFile，发一个SIGNAL_QUIT信号 // There is no trace file, so dump (only) the alleged culprit's threads to the log Process.sendSignal(app.pid, Process.SIGNAL_QUIT); } StatsLog.write(StatsLog.ANR_OCCURRED, ...) // 6、输出到drapbox mService.addErrorToDropBox("anr", app, app.processName, activity, parent, annotation, cpuInfo, tracesFile, null); ... synchronized (mService) { mService.mBatteryStatsService.noteProcessAnr(app.processName, app.uid); //7、后台ANR，直接杀进程 if (isSilentANR) { app.kill("bg anr", true); return; } //8、错误报告 // Set the app's notResponding state, and look up the errorReportReceiver makeAppNotRespondingLocked(app, activity != null ? activity.shortComponentName : null, annotation != null ? "ANR " + annotation : "ANR", info.toString()); //9、弹出ANR dialog，会调用handleShowAnrUi // Bring up the infamous App Not Responding dialog Message msg = Message.obtain(); msg.what = ActivityManagerService.SHOW_NOT_RESPONDING_UI_MSG; msg.obj = new AppNotRespondingDialog.Data(app, activity, aboveSystem); mService.mUiHandler.sendMessage(msg); } } ***代码
主要流程如下：1、写入event log2、写入 main log3、生成tracesFile4、输出ANR logcat（控制台可以看到）5、如果没有获取到tracesFile，会发一个SIGNAL_QUIT信号，这里看注释是会触发收集线程堆栈信息流程，写入traceFile6、输出到drapbox7、后台ANR，直接杀进程8、错误报告9、弹出ANR dialog，会调用 AppErrors#handleShowAnrUi 。
ANR触发流程小结
ANR触发流程，可以比喻为埋炸弹和拆炸弹的过程，以启动Service为例，Service的onCreate 调用之前会使用Handler发送延时10s的消息，Service 的onCreate 执行完，会把这个延时消息移除掉。假如Service的onCreate 耗时超过10s，延时消息就会被正常处理，也就是触发ANR，会收集cpu、堆栈等信息，弹ANR Dialog。
service、broadcast、provider 的ANR原理都是埋定时炸弹和拆炸弹原理，
但是input的超时检测机制稍微有点不同，需要等收到下一次input事件，才会去检测上一次input事件是否超时，input事件里埋的炸弹是普通炸弹，需要通过扫雷来排查。
四、ANR 分析
上面已经分析了ANR触发流程，最终会把发生ANR时的线程堆栈、cpu等信息保存起来，我们一般都是分析 /data/anr/traces.txt 文件
4.1 模拟死锁导致ANR
private fun testAnr(){ val lock1 = Object() val lock2 = Object() //子线程持有锁1，想要竞争锁2 thread { synchronized(lock1){ Thread.sleep(100) synchronized(lock2){ Log.d(TAG, "testAnr: getLock2") } } } //主线程持有锁2，想要竞争锁1 synchronized(lock2){ Thread.sleep(100) synchronized(lock1){ Log.d(TAG, "testAnr: getLock1") } } } ***代码
触发ANR之后，一般我们会拉取anr日志： adb pull /data/traces.txt(文件名可能是anr_xxx.txt)
4.2 分析ANR 文件
首先看主线程，搜索 main
ANR日志中有很多信息，可以看到，主线程id是1（tid=1），在等待一个锁，这个锁一直被id为22的程持有，那么看下22号线程的堆栈
id为22的线程是Blocked状态，正在等待一个锁，这个锁被id为1的线程持有，同时这个22号线程还持有一个锁，这个锁是主线程想要的。
通过ANR日志，可以很清楚分析出这个ANR是死锁导致的，并且有具体堆栈信息。
上面只是举例一种死锁导致ANR的情况，实际项目中，可能有很多情况会导致ANR，例如内存不足、CPU被抢占、系统服务没有及时响应等等。
如果是线上问题，怎么样才能拿到ANR日志呢？
五、ANR 监控
前面已经分析了ANR触发流程，以及常规的线下分析 ，看起来还是有点繁琐的，需要pull出anr日志，然后分析线程堆栈等信息。对于线上ANR，如何搭建一个完善的ANR监控系统呢？
下面将介绍ANR监控的方式
5.1 抓取系统traces.txt 上传
1、当监控线程发现主线程卡死时，主动向系统发送SIGNAL_QUIT信号。2、等待/data/anr/traces.txt文件生成。3、文件生成以后进行上报。
看起来好像可行，不过有以下两个问题：1、traces.txt 里面包含所有线程的信息，上传之后需要人工过滤分析2、很多高版本系统需要root权限才能读取 /data/anr这个目录
既然这个方案存在问题，那么可还有其它办法？
5.2 ANRWatchDog
ANRWatchDog 是一个自动检测ANR的开源库
5.2.1 ANRWatchDog 原理
其源码只有两个类，核心是ANRWatchDog这个类，继承自Thread，它的run 如下，看注释处
public void run() { setName("|ANR-WatchDog|"); long interval = _timeoutInterval; // 1、开启循环 while (!isInterrupted()) { boolean needPost = _tick == 0; _tick += interval; if (needPost) { // 2、往UI线程post 一个Runnable，将_tick 赋值为0，将 _reported 赋值为false _uiHandler.post(_ticker); } try { // 3、线程睡眠5s Thread.sleep(interval); } catch (InterruptedException e) { _interruptionListener.onInterrupted(e); return ; } // If the main thread has not handled _ticker, it is blocked. ANR. // 4、线程睡眠5s之后，检查 _tick 和 _reported 标志，正常情况下_tick 已经被主线程改为0，_reported改为false，如果不是，说明 2 的主线程Runnable一直没有被执行，主线程卡住了 if (_tick != 0 && !_reported) { ... if (_namePrefix != null) { // 5、判断发生ANR了，那就获取堆栈信息，回调onAppNotResponding error = ANRError.New(_tick, _namePrefix, _logThreadsWithoutStackTrace); } else { error = ANRError.NewMainOnly(_tick); } _anrListener.onAppNotResponding(error); interval = _timeoutInterval; _reported = true; } } } ***代码
ANRWatchDog 的原理是比较简单的，概括为以下几个步骤
开启一个线程，死循环，循环中睡眠5s往UI线程post 一个Runnable，将_tick 赋值为0，将 _reported 赋值为false线程睡眠5s之后检查_tick和_reported字段是否被修改如果_tick和_reported没有被修改，说明给主线程post的Runnable一直没有被执行，也就说明主线程卡顿至少5s（只能说至少，这里存在5s内的误差）。将线程堆栈信息输出其中涉及到并发的一个知识点，关于 volatile 关键字的使用，面试中的常客， volatile的特点是：保证可见性，禁止指令重排，适合在一个线程写，其它线程读的情况。
面试中一般会展开问JMM，工作内存，主内存等，以及为什么要有工作内存，能不能所有字段都用 volatile 关键字修饰等问题。
回到ANRWatchDog本身，细心的同学可能会发现一个问题，使用ANRWatchDog有时候会捕获不到ANR，是什么原因呢？
5.2.2 ANRWatchDog 缺点
ANRWatchDog 会出现漏检测的情况，看图
如上图这种情况，红色表示卡顿，
假设主线程卡顿了2s之后，ANRWatchDog这时候刚开始一轮循环，将_tick 赋值为5，并往主线程post一个任务，把_tick修改为0主线程过了3s之后不卡顿了，将_tick赋值为0等到ANRWatchDog睡眠5s之后，发现_tick的值是0，判断为没有发生ANR。而实际上，主线程中间是卡顿了5s，ANRWatchDog误差是在5s之内的（5s是默认的，线程的睡眠时长）针对这个问题，可以做一下优化。
5.3 ANRMonitor
ANRWatchDog 漏检测的问题，根本原因是因为线程睡眠5s，不知道前一秒主线程是否已经出现卡顿了，如果改成每间隔1秒检测一次，就可以把误差降低到1s内。
接下来通过改造ANRWatchDog ，来做一下优化，命名为ANRMonitor。
我们想让子线程间隔1s执行一次任务，可以通过 HandlerThread来实现
流程如下：
核心的Runnable代码
@Volatile var mainHandlerRunEnd = true //子线程会间隔1s调用一次这个Runnable private val mThreadRunnable = Runnable { blockTime++ //1、标志位 mainHandlerRunEnd 没有被主线程修改，说明有卡顿 if (!mainHandlerRunEnd && !isDebugger()) { logw(TAG, "mThreadRunnable: main thread may be block at least $blockTime s") } //2、卡顿超过5s，触发ANR流程，打印堆栈 if (blockTime >= 5) { if (!mainHandlerRunEnd && !isDebugger() && !mHadReport) { mHadReport = true //5s了，主线程还没更新这个标志，ANR loge(TAG, "ANR->main thread may be block at least $blockTime s ") loge(TAG, getMainThreadStack()) //todo 回调出去，这里可以按需把其它线程的堆栈也输出 //todo debug环境可以开一个新进程，弹出堆栈信息 } } //3、如果上一秒没有卡顿，那么重置标志位，然后让主线程去修改这个标志位 if (mainHandlerRunEnd) { mainHandlerRunEnd = false mMainHandler.post { mainHandlerRunEnd = true } } //子线程间隔1s调用一次mThreadRunnable sendDelayThreadMessage() } ***代码 子线程每隔1s会执行一次mThreadRunnable，检测标志位 mainHandlerRunEnd 是否被修改假如mainHandlerRunEnd如期被主线程修改为true，那么重置mainHandlerRunEnd标志位为false，然后继续执行步骤1假如mainHandlerRunEnd没有被修改true，说明有卡顿，累计卡顿5s就触发ANR流程
在监控到ANR的时候，除了获取主线程堆栈，还有cpu、内存占用等信息也是比较重要的，demo中省略了这部分内容。
5.3.1 测试ANR
5.3.2 ANR检测结果
logcat打印所示
主线程卡顿超过5s，会打堆栈信息，如果是卡顿1-5s内，会有warning的log 提示，线下可以做成弹窗或者toast提示，
看到这里，大家应该能想到，线下也可以用这种 检测卡顿，定位到耗时的代码。
此方案可以结合ProcessLifecycleOwner，应用在前台才开启检测，进入后台则停止检测。
六、死锁监控
在发生ANR的时候，有时候只有主线程堆栈信息可能还不够，例如发生死锁的情况，需要知道当前线程在等待哪个锁，以及这个锁被哪个线程持有，然后把发生死锁的线程堆栈信息都收集到。
流程如下：
获取当前blocked状态的线程获取该线程想要竞争的锁获取该锁被哪个线程持有通过关系链，判断死锁的线程，输出堆栈信息在Java层并没有相关API可以实现死锁监控，可以从Native层入手。
6.1 获取当前blocked状态的线程
这个比较简单，一个for循环就搞定，不过我们要的线程id是native层的线程id，Thread 内部有一个native线程地址的字段叫 nativePeer，通过反射可以获取到。
Thread[] threads = getAllThreads(); for (Thread thread : threads) { if (thread.getState() == Thread.State.BLOCKED) { long threadAddress = (long) ReflectUtil.getField(thread, "nativePeer"); // 找不到地址，或者线程已经挂了，此时获取到的可能是0和-1 if (threadAddress <= 0) { continue; } ...后续 } } ***代码
有了native层线程地址，还需要找到native层相关函数
6.2 获取当前线程想要竞争的锁
从ART 源码可以找到这个函数 androidxref.com/8.0.0_r4/xr…
函数：Monitor::GetContendedMonitor
从源码和源码的解释可以看出，这个函数是用来获取当前线程等待的Monitor。
顺便说说Monitor以及Java对象结构
Monitor
Monitor是一种并发控制机制，提供多线程环境下的互斥和同步，以支持安全的并发访问。
Monitor由以下3个元素组成：
临界区：例如synchronize修饰的代码块条件变量：用来维护因不满足条件而阻塞的线程队列Monitor对象，维护Monitor的入口、临界区互斥量（即锁）、临界区和条件变量，以及条件变量上的阻塞和唤醒Java的Class对象
Java的Class对象包括三部分组成：
对象头：MarkWord和对象指针MarkWord（标记字段）：保存哈希码、分代年龄、锁标志位、偏向线程ID、偏向时间戳等信息 对象指针：即指向当前对象的类的元数据的指针，虚拟机通过这个指针来确定这个对象是哪个类的实例。实例数据：对象实际的数据对齐填充：按8字节对齐（JVM自动内存管理系统要求对象起始地址必须是8字节的整数倍）。例如Integer对象，对象头MarkWord和对象指针分别占用4字节，实例数据4字节，那么对齐填充就是4字节，Integer占用内存是int的4倍。回到 GetContendedMonitor 函数，我们可以通过打开动态库libart.so，然后使用dlsym获取函数的符号地址，然后就可以进行调用了。
由于Android 7.0开始，系统限制App中调用dlopen，dlsym等函数打开系统动态库，我们可以使用 ndk_dlopen这个库来绕过这个限制
//1、初始化 ndk_init(env); //2、打开动态库libart.so void *so_addr = ndk_dlopen("libart.so", RTLD_NOLOAD); if (so_addr == NULL) { return 1; } ***代码
打开动态库之后，会返回动态库的内存地址，接下来就可以通过dlsym获取GetContendedMonitor这个函数的符号地址，只不过要注意，c++可以重载，所以它的函数符号比较特殊，需要从libart.so中搜索匹配找到
//c++跟c不一样，c++可以重载，描述符会变，需要打开libart.so，在里面搜索查找GetContendedMonitor的函数符号 //http://androidxref.com/8.0.0_r4/xref/system/core/libbacktrace/testdata/arm/libart.so //获取Monitor::GetContendedMonitor函数符号地址 get_contended_monitor = ndk_dlsym(so_addr, "_ZN3art7Monitor19GetContendedMonitorEPNS_6ThreadE"); if (get_contended_monitor == NULL) { return 2; } ***代码
到此，之一个函数的符号地址找到了，接下来要找另外一个函数
6.3 获取目标锁被哪个线程持有
函数：Monitor::GetLockOwnerThreadId
用同样的方式来获取这个函数符号地址
// Monitor::GetLockOwnerThreadId //这个函数是用来获取 Monitor的持有者,会返回线程id get_lock_owner_thread = ndk_dlsym(so_addr, get_lock_owner_symbol_name(api_level)); if (get_lock_owner_thread == NULL) { return 3; } ***代码
由于从android 10开始，这个GetLockOwnerThreadId函数符号有变化，所以需要通过api版本来判断使用哪一个
const char *get_lock_owner_symbol_name(jint level) { if (level <= 29) { //android 9.0 之前 //http://androidxref.com/9.0.0_r3/xref/system/core/libbacktrace/testdata/arm/libart.so 搜索 GetLockOwnerThreadId return "_ZN3art7Monitor20GetLockOwnerThreadIdEPNS_6mirror6ObjectE"; } else { //android 10.0 // todo 10.0 源码中这个函数符号变了，需要自行查阅 return "_ZN3art7Monitor20GetLockOwnerThreadIdEPNS_6mirror6ObjectE"; } } ***代码
到此，就得到了两个函数符号地址，接下来就把blocked状态的native线程id传过去，调用就行了
6.4 找到一直不释放锁的线程
Java_com_lanshifu_demo_anrmonitor_DeadLockMonitor_getContentThreadIdArt(JNIEnv *env,jobject thiz,jlong native_thread) { LOGI("getContentThreadIdArt"); int monitor_thread_id = 0; if (get_contended_monitor != NULL && get_lock_owner_thread != NULL) { LOGI("get_contended_monitor != NULL"); //1、调用一下获取monitor的函数，返回当前线程想要竞争的monitor int monitorObj = ((int (*)(long)) get_contended_monitor)(native_thread); if (monitorObj != 0) { LOGI("monitorObj != 0"); // 2、获取这个monitor被哪个线程持有，返回该线程id monitor_thread_id = ((int (*)(int)) get_lock_owner_thread)(monitorObj); } else { LOGE("GetContendedMonitor return null"); monitor_thread_id = 0; } } else { LOGE("get_contended_monitor == NULL || get_lock_owner_thread == NULL"); } return monitor_thread_id; } ***代码
两个步骤：
获取当前线程要竞争的锁获取这个锁被哪个线程持有通过两个步骤，得到的是那个一直不释放锁的线程id。
6.5 通过算法，找到死锁
前面已经知道当前blocked状态的线程id（还需要转换成native线程id），以及这个blocked线程在等待哪个线程释放锁，也就是得到关系链：
A等待B B等待AA等待B B等待C C等待A ...其它...如何判断有死锁？我们可以用Map来保存对应关系
map[A]=B
map[B]=A
最后通过互斥条件判断出死锁线程，把造成死锁的线程堆栈信息输出，如下
检查出死锁，线下可以弹窗或者toast，线上则可以采集数据上报。
6.6 死锁监控小结
死锁监控原理还是比较清晰的：
获取blocked状态的线程获取该线程想要竞争的锁（native层函数）获取这个锁被哪个线程持有（native层函数）有了关系链，就可以找出造成死锁的线程由于死锁监控涉及到native层代码，对于很多应用层开发的同学来说可能有点难度，
但是正因为有难度，我们去了解，去学习，并且掌握了，才能在众多竞争者中脱颖而出。
七、形成闭环
前面分开讲了卡顿监控、ANR监控和死锁监控，我们可以把它连接起来，在发生ANR的时候，将整个监控流程形成一个闭环
发生ANR获取主线程堆栈信息检测死锁获取死锁对应线程堆栈信息上报到服务器结合git，定位到最后修改代码的同学，给他提一个线上问题单八、总结
这篇文章从源码层面分析了卡顿、ANR，以及死锁监控，平时开发中，大部分同学可能都是做业务需求为主，对于ANR问题，可能不太注重，或者直接依赖第三方，例如Bugly，但是呢，在面试中，面试官基本不太会问你这些工具的使用，要问也是从原理层面问。
本文以卡顿作为切入点
讲解卡顿原理以及卡顿监控的方式；引申了Handler机制、Linux的epoll机制分析ANR触发流程，可以比喻为埋炸弹和拆炸弹过程ANR常规分析方案，/data/anr/traces.txt，ANRWatchDog 方案ANRWatchDog存在问题，进行优化死锁导致的ANR，死锁监控形成闭环本文源码及更多Android性能优化进阶学习资料可以在评论区留言或私信我获取！
