背景

Java 多线程开发中为了保证数据的一致性，引入了同步锁(synchronized)。但是，对锁的过度使用，可能导致卡顿问题，甚至 ANR：

• Systrace 中的主线程因为等锁阻塞了绘制，导致卡顿

• Slardar 平台（字节跳动内部 APM 平台，以下简称 Slardar）中搜索 waiting to lock 关键字发现很多锁导致的 ANR，仅 Java 锁异常占到总 ANR 的 3.9%

本文将着重向大家介绍 Slardar 线上锁监控方案的原理与使用方法，以及我们在抖音上发现的锁的经典案例与优化实践。

监控方案

获取运行时锁信息的方法有以下几种

考虑到，很多锁问题需要一定规模的线上用户才能暴露出来，另外没有调用栈难以从根本上定位和解决线上用户的锁问题。最终我们自研了一套线上锁监控系统，它需要满足以下要求：

• 线上监控方案
• 丰富的锁信息，包括 Java 调用栈
• 数据分析平台，包括聚合能力，设备和版本信息等
• 可纳入开发和合码流程，防止不良代码上线

这样的锁监控系统，能够帮助我们高效定位和解决线上问题，并实现防劣化。

锁监控原理

我们先从 Systrace 入手，有一类常见的耗时叫做 monitor contention，其实是 Android ART 虚拟机输出的锁信息。

简单介绍一下里面的信息

monitor contention with owner work_thread (27176) at android.content.res.Resources android.app.ResourcesManager.getOrCreateResources(android.os.IBinder, android.content.res.ResourcesKey, java.lang.ClassLoader)(ResourcesManager.java:901) waiters=1 blocking from java.util.ArrayList android.app.ActivityThread.collectComponentCallbacks(boolean, android.content.res.Configuration)(ActivityThread.java:5836)

• 持锁线程：work_thread
• 持锁线程方法：android.app.ResourcesManager.getOrCreateResources(...)
• 等待线程 1 个
• 等锁方法：android.app.ActivityThread.collectComponentCallbacks(...)

Java 锁，无论是同步方法还是同步块，虚拟机最终都会到 MonitorEnter。我们关注的 trace 是 Android 6 引入的， 在锁的开始和结束时分别调用ATRACE_BEGIN(...) 和 ATRACE_END()

线上方案

默认情况下 atrace 是关闭的，开关在 ATRACE_ENABLED() 中。我们通过设置 atrace_enabled_tags 为 ATRACE_TAG_DALVIK 可以开启当前进程的 ART 虚拟机的 atrace。

再看 ATRACE_BEGIN(...) 和 ATRACE_END() 的实现，其实是用 write 将字符串写入一个特殊的 atrace_marker_fd (/sys/kernel/debug/tracing/trace_marker)。

因此通过 hook libcutils.so 的 write 方法，并按 atrace_marker_fd 过滤，就实现了对 ATRACE_BEGIN(...) 和 ATRACE_END() 的拦截。有了 BEGIN 和 END 后可以计算出阻塞时长，解析 monitor contention with owner... 日志可以得到我们关注的 Java 锁信息。

获取堆栈

到目前为止，我们已经可以监控到线上用户的锁问题。但是还不够，为了能够优化锁的性能，我们想需要知道等锁的具体原因，也就是 Java 调用栈。

获取 Java 调用栈，可以使用Thread.getStackTrace()方法。由于我们 hook 住了虚拟机的等锁线程，此时线程处于一种特殊状态，不可以直接通过 JNI 调用 Java 方法，否则导致线上 crash 问题。

解决方案是异步获取堆栈，在 MonitorBegin 的时候通知子线程 5ms 之后抓取堆栈，MonitorEnd 计算阻塞时长，并结合堆栈数据一起放入队列，等待上报 Slardar。如果 MonitorEnd 时不满足 5ms 则取消抓栈和上报

数据平台

由于方案本身有一定性能开销，我们仅对灰度测试中的部分用户开启了锁监控。配置线上采样后，命中的用户将自动开启锁监控，数据上报 Slardar 平台后就可以消费了。

具体 case 可以看到设备信息、阻塞时长、调用堆栈

根据调用栈查找源码，可以定位到是哪一个锁，说明上报数据是准确的。

稳定性方面，10 万灰度用户开启锁监控后，无新增稳定性问题。

优化实践

经过多轮锁收集和治理，我们取得了一些不错的收益，这里简单介绍下锁治理的几个典型案例。

典型案例

inflate 锁：

先解析一下什么是 inflate：Android 中解析 xml 生成 View 树的过程就叫做 inflate 过程。inflate 是一个耗时过程，常规的手段就是通过异步来减少其在主线程的耗时，这样大大的减少了卡顿、页面打开和启动时长；但此方式也会带来新的问题，比如 LayoutInflater 的 inflate 方法中有加锁保护的代码块，并行构建会造成锁等待，可能反而增加主线程耗时，针对这个问题有三种解决方案：

• 克隆 LayoutInflater
• 把线程分为三类别：Main、工作线程和其它线程(野线程)，Context(Activity 和 App)为每个类别提供专有 LayoutInflater，这样能有效的规避 inflate 锁。
• 优点：实现简单、兼容性好
• 缺点：LayoutInflater 中非安全的静态属性在并发情况下有概率产生稳定性问题
• code 构造替代 xml 构造
• 这种方式完美的绕开了 inflate 操作，极大提高了 View 构造速度。
• 优点：复杂度高、性能好
• 缺点：影响编译速度、View 自定义属性需要做转换、存在兼容性问题(比如厂商改属性)
• 定制 LayoutInflater
• 自定义 FastInflater(继承自 LayoutInflater)替换系统的 PhoneLayoutInflater，重写 inflate 操作，去掉锁保护；从统计数据看，在并发时快了约 4%。
• 优点：复杂度高、性能好
• 缺点：存在兼容性，比如华为的 Inflater 为 HwPhoneLayoutInflater，无法直接替换。

文件目录锁：

ContextImpl 中获取目录(cache、files、DB 和 preferenceDir)的实现有两个关键耗时点：1. 存在 IPC(IStorageManager.mkdir)和文件 check；2. 加锁“nSync”保护；所以 ipc 变长和并发存在，都可能导致 App 卡顿，如图为 Anr 数据：

相关的常用 Api 有 getExternalCacheDir、getCacheDir、getFilesDir、getTheme 等，考虑到系统的部分目录一般不会发生变化，所以我们可以对一些不会变化的目录进行 cache 处理，减少带 锁方法块的执行，从而有效的绕过锁等待。

MessageQueue：

Android 子线程与主线程通讯的通用方式是向主线程 MessageQueue 中插入一个任务(message)，等此任务(message)被主线程 Looper 调度执行；所以 MessageQueue 中会对消息链表的修改加锁保护，主要实现在 enqueueMessage 和 next 两个方法中。

利用 Slardar 采集线上锁信息，根据这些信息，我们可以轻松追踪锁的执有线程和 owner，最后根据情况将请求(message)移到子线程，这样就可以极大的减轻主线程压力和等锁的可能性。此问题的修改方式并不复杂，重点在于如何监控到这些执锁线程。

序列化和反序列化：

抖音中有一些常用数据对象使用 Json 格式存储。为保证这些数据的完整性，在读取和存储时加了锁保护，从而导致锁等待比较常见，这种情况在启动场景特别明显；所以要想减少锁等待，就必段加快序列化和反序列化，针对这个问题，我们做了三个优化方案：

• Gson 反序列化的耗时集中在 TypeAdapter 的构建，此过程利用反射创建 Filed 和 name(key)的映射表；所以我们在编译时针对数据类创建对应的 TypeAdapter，大大减少反序列化的时耗。
• 部分类使用 parcel 序列化和反序列化，大大提高了速度，约减少 90%的时耗。
• 大对像根据情况拆分成多个小对像，这样可以减少锁粒度，也就减少了锁等待。以上方案在抖音项目中都有使用，取得了很不错的收益。

AssetManager 锁：

获取 string、size、color 或 xml 等资源的最终实现基本都封装在 AssertManager 中，为了保证数据的正确性，加了锁(对象 AssetManager)保护，大致的调用关系如图：

常用的调用点有：

• View 构造方法中调用 context.obtainStyledAttributes(...)获取 TypedArray，最后都会调用 AssetManager 的带锁方法。
• View 的 toString 也调用了 AssetManager 的带锁方法。

随着 xml 异步 inflate 的增加，这些方法并发调用也增加，造成主线程的锁等待也日渐突出，最终导致卡顿，针对这个问题，目前我们的优化方案主要有：

• 去掉多余的调用，比如 View 的 toString，这个常见于日志打印。
• 一个 Context 根据线程名提供不同的 AssetManager，绕过 AssetManager 对象锁；此方法可能带来一些内存消耗。

So 加载锁优化：

Android 提供的加载 so 的接口实现都在封装在 Runtime 中，比如常用的 loadLibrary0 和 load0，如图 1 和 l 图 2 所示，此方法是加了锁的，如果并发加载 so 就会造成锁等待。通过 Slardar 的监控数据，我们验证了这个问题，同时也有一些意外收获，比如平台可能有自己的 so 需要加：

我们根据 so 的不同情况，主要有以下优化思路：

• 对于 cinit 加载的 so，我们可以提前在子线程中加载一下 cinit 的宿主类。
• 业务层面的 so, 可以统一在子线程中进行提前加载。
• 使用 load0 替代 loadLibrary0，可以减少锁中拼接 so 路径的时耗。
• so 文件加载优化，比如 JNI_OnLoad。

ActivityThread：

在收集的的数据中我们也发现了一些系统层的框架锁，比如下图这个：

这个问题主要集中在启动阶段，ams 会发 trim 通知给 ActivityThread 中的 ApplicationThread，收到通知后会向 Choreographer 的 commit 列表(此任务列表不作展开)中添加一个 trim 任务，也就是在下个 vsync 到达时被执行；

trim 过程主要包括收集 Applicatioin、Activity、Service、Provider 和向它们发送 trim 消息，也是系统提供给业务清理自身内存的一个时机；收集过程是加锁(ResourcesManager)保护的，如图：

考虑到启动阶段并不太关心内存的释放，所以可以尝试在启动阶段，比如 40 秒内，不执行 trim 操作；具体的实现是这样，首先替换 Choreographer 的 FrameHandler, 这样就能接管 vsync 的 doFrame 操作，在启动 40 秒内的每次 vsync 主动 check 或删除 commint 任务列表中的 trim 操作。

收益

在抖音中我们除了优化前面列出的这些典型锁外，还优化了一些业务本身的锁，部分已经通过线上实验验证了收益，也有一些还在尝试实验中；通过对实验中各指标的分析，也证实了锁优化能带来启动和流畅度等技术收益，间接带来了不错的业务收益，这也坚定了我们在这个方向上的继续探索和深化。

小结

前面列出的只是有代表性的一些通用 Java 锁，在实际开发中遇到的远比这多，但不管什么样的锁，都可以根据进程和代码归属分为以下四类：业务锁、依赖库锁、框架锁和系统锁；

不同类型的锁优化思路也会不一样，部分方案可以复用，部分只能 case-by-case 解决，具体的优化方案有：减少调用、绕过调用、使用读写锁和无锁等。

总结

经过了长达半年的探索和优化，此方案已在线上使用，作为我们日常防劣化和主动优化的输入工具，我们评判的点主要有以下四个：

• 稳定性：线上开启后，ANR、Crash 和 OOM 和大盘一致。
• 准确性：从目前线上的消费数据来看，这个值达到了 99%。
• 扩展性：业务可以根据场景开启和关闭采集功能，也可以收集指定时间内的锁，比如启动阶段可以收集 32ms 的锁，其它阶段收集 16ms 的锁。
• 劣化影响：从线上实验数据看，一定量(UV)的情况下，业务和性能(丢帧和启动)无显著劣化。

此方案虽然只能监控 synchronized 锁，像 CAS、Native 锁、sleep 和 wait 都无法监控，但在我们日常开发中synchronized 锁占比非常大, 所以基本满足了我们绝大部分的需求，当然，我们也在持续探索其它锁的监控和验证其价值。