Android异常分析(转)

关于异常

异常?

异常就是一种程序中没有预料到的问题，既然是没有预料到的，就可能不在原有逻辑处理范围内,脱离了代码控制,软件可能会出现各种奇怪的现象。比如：android系统常见异常现象有应用无响应、应用停止运行、冻屏、重启、死机等，这些异常系统有统一的异常处理机制，出现异常系统就会执行相应的操作，最终有相应的现象体现出来。另外，一些不在预料之中的界面显示问题，操作问题，运行卡顿问题等也可以归于异常，只不过这种异常是人为逻辑缺陷，对系统来说是正常的，但这些缺陷在异常现象中占比却相当大，直接体现出软件的质量。

架构决定逻辑,逻辑决定异常多少

异常重要性

都说ISO比android系统好，iphone手机比android手机好，为什么呢？其实最基本原因就是ISO系统稳定性和体验做得好，很少出现异常，使用一段时间后运行还是很稳健，且它的界面、操作、运行速度等体验也做的非常好，所以才被大家认可。

异常关系一个软件的稳定性

缺陷关系一个软件的性能和体验

打造精品，追求卓越，对软件开发人员来说就是追求零异常、零缺陷。我们做的软件，负责的模块应用质量怎么样，是不是精品都是通过异常数量和缺陷数量来体现的。这篇文档主要讲的是log分析，属于事后处理，处理的是用户的抱怨和不满，处理的是我们开发时埋下的雷或未挖掘出的雷，是被动的。所以，更重要的是软件量产前开发工作中，怎样去减少异常和缺陷，保证软件质量。

(公司战略,对研发部门要求)

异常分类

Android是一个庞大而复杂的系统，涉及多种语言，所以其异常也很复杂。根据android系统架构层次，我们也把android异常层次化，分为JE、NE、KE、EE、其他类别

l JE (Java layer exception) 一般是在应用层和框架层发生的异常，通常是由Java代码，XML代码引起的。比如各种RuntimeException, ANR（Application Not Responding）、SWT（Software Watchdog Timeout）等

l NE (Native layer exception) 发生在Linux用户空间的异常，通常是由C/C++代码和库文件引起的。比如内核发出的NE信号（SIGILL、 SIGABRT、 SIGBUS等）

l KE (Kernel layer execption) 通常指内核故障或内核错误，由于在内核模式下出错，这类异常是非常严重的，往往会导致重启、死机或无法开机等

l EE (External (Modem) exception) 从名字看就能猜到Modem这一部分是比较特殊的，独立的。Modem有自己的内存空间和代码，为手机通讯提供服务，一旦这一部分发生异常，需要MDlog，此log需用AEE-LogVie工具解析，解析是需要对应版本的数据文件，具体使用可参考《GAT_User_Guide(Customer).pdf》文档

l 其他除了以上类型外，还有些异常可能没有明显的类别，例如一些由硬件引起的异常

Android系统架构图

异常复现和日志打印

异常复现

解决异常的关键之一就是复现异常。比如，对于偶现异常，如果能要找到必现路径，那问题就变得容易多了。解决异常问题首先要了解异常，清楚异常怎么发生的，什么条件下发生的。下面是异常复现需要注意的地方。

异常复现注意点：

l 仔细阅读异常描述，弄清楚异常产生步骤、异常概率、异常预置条件，并预判属于哪一类异常

l 复现前，确认是否打LOG，如果是偶现问题，务必开启此异常类型需要LOG

l 根据描述复现异常，如果是偶现问题，注意条件，尽量找出异常必现路径

l 如果没有复现异常，和异常信息提供人沟通，再次复现

客户报的异常可能是正常的

日志打印

解决异常的关键之二就是抓取有效的LOG。比如，ANR异常必须抓取bugreport或trace.txt文件，NE异常必须抓取aee_exp， EE异常必须抓取MDLog。根据不同异常类型抓取不同LOG，有针对性的分析。下面是异常日志打印需要注意的地方。

一份错误的LOG是分析问题的, 发生了异常,没有抓到正确的LOG, 就可能浪费掉一次补救机会

异常打印注意点：

l 抓LOG前，清除SD卡和内部存储里原有的LOG文件，减少不必要的LOG带来的分析困扰

l 抓log前，设置好异常产生的预置条件，特别是需要对比的异常，确保预置条件一样

l 根据异常类型，打开必须的LOG。任何异常，mtklog都是必要的，重启、死机异常，尽量多抓LOG

l 抓LOG后，记录下异常出现的手机显示时间，必要时截图，连同异常描述一起备注在log里

异常分析之ANR

ANR种类

l Key Dispatch Timeout (8s)

No response to an input event(e.g. key press, screen touch) within 8 seconds

l Broadcast Timeout

A BroadcastReceiver hasn’t finished executing within setting seconds

BROADCAST_FG_TIMEOUT: 10s

BROADCAST_BG_TIMEOUT: 60s

l Service Timeout （20s）

Request service failed within 20 seconds

按键或广播等事件在特定时间内未响应，这里特定时间在系统里设定的，各平台可能不一样，上面的时间是KK平台默认超时时间，一般定义在ActivityManagerService.java类中，如：

static final int KEY_DISPATCHING_TIMEOUT = 5*1000

ANR产生原因

l 应用进程有一个主线程（main thread）和一个信息队列(main message queue)main thead == activity thread

l 主线程负责处理像Draw、Listen、receive等UI事件

l 主线程负责从消息队列中取出信息并分发它

l 主线程在完成当前信息处理之前，不会再取信息队列中的信息

l 如果主线程在处理当前信息时卡住，没有及时分发，ANR就会出现

如何避免ANR

l UI线程尽量只做跟UI相关的工作

l 耗时的工作（比如数据库操作，I/O，连接网络或者别的有可能阻碍UI线程的操作）把它放入单独的线程处理

l 尽量用Handler来处理UI thread和别的thread之间的交互

ANR分析需要的LOG

l MTKlog，主要是其中的Aee_exp和MobileLog

l Trace.txt文件（data/anr目录下）或者bugreport日志（使用adb bugreport > bugreport.txt或者GAT工具输出）

ANR分析流程

由于ANR类型多，触发ANR的条件也多，且LOG中没有像RuntimeException异常那样有明显的关键字Fatal来准确定位问题点，所以，ANR分析相对比较麻烦点，但是只要有完整的LOG，按照方法去分析还是很快的。下图是MTK分析ANR的流程图，通过ANR触发类型一步一步查找排除

MTK分析ANR的流程图

l 首先，检查log中是否有ANR信息

events_log

00:28:19.999 544 564 I am_anr : [0,3003,com.example.test,11058758,keyDispatchingTimedOut]

main_log 或 Sys_log

00:28:31.193 544 564 E ANRManager: ANR in com.example.test (com.example.test/.MainActivity)

traces.txt

----- pid 3003 at 2013-06-01 00:28:20 -----

Cmd line: com.example.test

JNI: CheckJNI is off; workarounds are off; pins=0; globals=147

DALVIK THREADS:

(mutexes: tll=0 tsl=0 tscl=0 ghl=0)

"main" prio=5 tid=1 SUSPENDED

| group="main" sCount=1 dsCount=0 obj=0x40d5ea18 self=0x40d4e0d8

| sysTid=3003 nice=0 sched=0/0 cgrp=apps handle=1074645084

| state=S schedstat=( 16757266877 27764681051 104147 ) utm=1184 stm=491 core=0

#00 pc 0002746c /system/lib/libc.so (__futex_syscall3+8)

#01 pc 0000f694 /system/lib/libc.so (__pthread_cond_timedwait_relative+48)

………

#12 pc 00020580 [stack]

at libcore.io.Posix.strerror(Native Method)

at libcore.io.ForwardingOs.strerror(ForwardingOs.java:128)

at libcore.io.ErrnoException.getMessage(ErrnoException.java:52)

at java.lang.Throwable.getLocalizedMessage(Throwable.java:187)

at java.lang.Throwable.toString(Throwable.java:361)

at java.lang.Throwable.printStackTrace(Throwable.java:321)

at java.lang.Throwable.printStackTrace(Throwable.java:355)

at java.lang.Throwable.printStackTrace(Throwable.java:288)

at java.lang.Throwable.printStackTrace(Throwable.java:236)

at com.example.test.MainActivity.monitorANR(MainActivity.java:200)

at com.example.test.MainActivity$1.handleMessage(MainActivity.java:38)

at android.os.Handler.dispatchMessage(Handler.java:107)

at android.os.Looper.loop(Looper.java:194)

l 如果定位不到信息点，再看看CUP使用情况

main_log

06-01 00:28:31.193 544 564 E ANRManager: ANR in com.example.test (com.example.test/.MainActivity)

06-01 00:28:31.193 544 564 E ANRManager: Reason: keyDispatchingTimedOut

06-01 00:28:31.193 544 564 E ANRManager: Load: 10.5 / 11.94 / 6.06

06-01 00:28:31.193 544 564 E ANRManager: Android time :[2013-06-01 00:28:31.176] [454.712]

06-01 00:28:31.193 544 564 E ANRManager: CPU usage from 0ms to 11736ms later:

06-01 00:28:31.193 544 564 E ANRManager: 34% 3003/com.example.test: 26% user + 8.4% kernel / faults: 708 minor 10 major

06-01 00:28:31.193 544 564 E ANRManager: 32% 3018/logcat: 10% user + 21% kernel / faults: 4143 minor

06-01 00:28:31.193 544 564 E ANRManager: 23% 379/mobile_log_d: 8.7% user + 14% kernel / faults: 10 minor 1 major

06-01 00:28:31.193 544 564 E ANRManager: 19% 171/adbd: 1.7% user + 17% kernel / faults: 423 minor

06-01 00:28:31.193 544 564 E ANRManager: 18% 544/system_server: 8.5% user + 9.8% kernel / faults: 899 minor 2 major

06-01 00:28:31.193 544 564 E ANRManager: 14% 132/mobile_log_d: 1.7% user + 13% kernel

……

06-01 00:28:31.193 544 564 E ANRManager: 96% TOTAL: 36% user + 60% kernel + 0% iowait

从CPU使用率可以看出

如果CPU使用量接近100%，说明当前设备很忙(内存不足，循环处理等)

如果CPU使用量很少，说明主线程被BLOCK了（Activity超过5秒等）

如果IOwait很高，说明ANR有可能是主线程在进行I/O操作造成的（数据库操作、文件操作、网络操作等）

l 根据CPU使用情况，在main_log和event_log中查找有用信息

main_log

l 结合log看代码，找到原因

为了让ANR出现,在onClick里面用了while(true),不断的文件读写，报错不断打印（不要这样打log）

等待锁引起的ANR

l events_log

22:05:22.819934 732 755 I am_anr : [0,24992,com.example.test,8961606,Input dispatching timed out (Waiting because the touched window has not finished processing the input events that were previously delivered to it.)

l main_log或 Sys_log

01-01 22:05:22.857387 732 755 E ANRManager: ANR in com.example.test (com.example.test/.MainActivity)

01-01 22:05:22.857387 732 755 E ANRManager: Reason: Input dispatching timed out (Waiting because the touched window has not finished processing the input events that were previously delivered to it.)

l traces.txt

----- pid 29364 at 2014-01-01 22:05:22 ----- Cmd line: com.example.test

JNI: CheckJNI is off; workarounds are off; pins=0; globals=263

DALVIK THREADS: (mutexes: tll=0 tsl=0 tscl=0 ghl=0)

"main" prio=5 tid=1 MONITOR | group="main" sCount=1 dsCount=0 obj=0x419cede0 self=0x419bd8a8

| sysTid=29364 nice=0 sched=0/0 cgrp=apps handle=1074139524

| state=S schedstat=( 265882702 297191749 665 ) utm=19 stm=7 core=0

at com.example.test.MainActivity$ANRBroadcast.onReceive(MainActivity.java:~120)

- waiting to lock <0x41edc968> (a java.lang.Object) held by tid=11 (Thread-720) at android.app.LoadedApk$ReceiverDispatcher$Args.run(LoadedApk.java:798) at android.os.Handler.handleCallback(Handler.java:808)

l 对应代码

异常分析之OOM

OOM产生原因

Android应用内存管理机制是在Java内存管理机制基础上改进的，所以造成OOM的原因两者差不多，即所有对象都在堆上分配空间，堆是有大小限制的，当分配的对象不能被回收仍然占据堆空间，新分配的对象不能获取足够的堆空间时，就会OOM。为什么会这样呢？这就是GC不足的地方，GC只能回收自己记录（有向树）里面不可达的对象，对可达对象认为是有用的，不会被回收。但是可达对象并非一定是有用对象，他们可能是废弃对象（死对象、冗余对象、电灯泡，僵尸），但却无法被GC回收，占据着进程堆空间，下面是网上的一个对象实例化简图

各种OOM情景

l 资源对象没有回收，如cursor，bitmap等

通常关闭Cursor的方法：

Cursor cursor = mDownloadManager.query(new Query());

try {

if (cursor.moveToFirst()) {

do {

int index = cursor.getColumnIndex(DownloadManager.COLUMN_ID);

long downloadId = cursor.getLong(index);

ids.add(downloadId);

} while (cursor.moveToNext());

}

} finally {

cursor.close();

}

另外，在adapter中使用cursor时，需在cursor改变的时候先关闭原来的cursor，但通常我们都是用android提供的CursorAdapter，其changeCursor函数会将原来的Cursor释放掉，并替换为新的Cursor，所以你不用担心原来的Cursor没有被关闭。

l 注册没有对应的去注册，如各种监听

l 生命周期问题引起的无法回收，如果static、线程等

l 其他

所有发生OOM情景最终都可以认为是对象没有被回收，如，cursor没有close()，bitmap没有recycle()，监听没有unregister…()等等都是因为对象没有被回收，GC认为这些对象是可达的、正在使用的，导致这些应该被回收的对象不能被回收，最终造成OOM。

大多数的回收方法，如close()、recycle()、unregister…()，其实都是把不再使用的对象置为null，这样GC就能回收原来对象所占空间。所以在编程的时候，对全局变量，特别是容器之类的对象和status 修饰对象，要关注其生命周期，不再需要就及时置为null或调用相应的回收方法

OOM LOG分析

发生OOM异常后，如果仅仅只有mtklog，只能从Log中知道发生了OOM，但怎么发生的却看不出来，所以通常需要OOM分析工具，下面以MAT工具为例

在eclipse中，监视你需要分析OOM的进程，某种规律下，发现进程内存一直在涨，抓取hprof文件：

这里的某种规律，是指某种操作下，不断重复就会出现OOM。经常导致OOM的操作有来回切换界面、回来滑动list、不断的点击某个按钮等，这些操作都是不断更新界面，不断的生产对象，生产的对象导致堆空间越来越大，最终发生OOM

DDMS dump 出来的hprof文件需要经过SDK下hprof-conv（位于sdk/tools下）转换后才能被MAT工具使用

hprof-conv xxx.hprof d:/xxxold.hprof

然后使用MAT工具打开

1. Cache泄漏

多次插拔耳机后，发现内存一直在涨：

点击Details进入下面页面：

点击Patch To GC Root：

发现一个静态变量 sAnimators，此为怀疑的地方，查看代码，加点log，编译调试：

Log.d("CWW", "sAnimators.size() = " + sAnimators.size());

可以看出，插拔耳机操作后，sAnimators.size一直会增大。

处理方法：防止缓存过大，可以设置上限，也可以定期清理下！

对内存敏感的应用，防止缓存过大，除了设置上限外，同时使用SoftReference，当内存吃紧时可以回收缓存，这预防编程的一个技巧，但是使用SoftReference时，注意对null情况的处理，因为获取对象可能已经被回收，获取返回就null

2. 线程未释放导致的泄漏

后台播放音乐，不停切换主题，最后Launcher OOM

如下图，5个AppsCustomizePagedView实例，明显泄漏了：

点击，选中一个实例，Path To GC Roots：

已经看到被CircleProgress.java的MyTimerTask持有：

再看代码，修改后，调试内存，正常：

这样改内存泄露解决了, 但是后面引入了新的功能问题, 重新修改了。所以修改类似问题时多小心，确认生命周期已经完成后再执行回收

结束语：

这些问题大多是比较难解的问题，大部分都是随机的，往往都是很难复现的，找出规律是很重要的！

另外，内存泄露不容易发现，一些轻微的泄露，可能要使用一个月才能发现，所以对自己的模块，要自己去检查有没有OOM，可以下班时挂上monkey，有时候是能跑出来的

从OOM联想到性能问题，性能问题很多是界面刷新、对象生命周期、冗余操作、不必要的线程等引起的……

异常分析之SWT

认识SWT

SWT是指Android Watchdog Timeout，应用层看门狗超时，通常我们说的WDT（Watchdog Timeout）是HWT，硬件看门狗超时。应用层Watchdog主要实现是在frameworks/base/services/java/com/android/server/Watchdog.java里，其实现原理看看这个类就知道，主要逻辑是：

1. Watchdog是单例模式，监控系统几个比较重要的Service，如：MountService、ActivityManagerService、InputManagerService等，这些Service在启动时通过调用Watchdog.getInstance().addMonitor(this); 加入到Watchdog的监控列表中

2. 在SystemServer的 ServerThread线程中，初始化watchdog并启动它

3. Watchdog线程向ServerThread线程发送一个MONITOR message，同时将mCompleted标志位置为false

4. 然后Watchdog线程Sleep 60秒(不包含系统睡眠的时间)，如果mCompleted标志位不为true，则认为发生watchdog超时，之后Android就会重启.

5. ServerThread收到这个消息后会依次执行之前每个Service Object的monitor()函数，当执行完后会将mCompleted标志位置为true.

SWT LOG分析

SWT也是一种ANR，普通ANR是某个AP的主线程在一段时间内没有做完某件事情；SWT是SystemServer进程的ServerThread线程在一段时间内没有做完某件事情。所以SWT的分析方法和ANR分析方法是一样的，只是现象不一样，发生SWT手机会重启

分析方法：

1. 从eventlog中以watchdog为关键字搜索，记录下这个时刻。

2. 然后分析所有Service Object的monitor()为何在这个时刻之前1分钟内没有做完。具体信息主要查找log文件有sys_log和mtklog\aee_exp\db.fatal.00.SWT\db.fatal.00.SWT.dbg.DEC

3. 后面具体的分析方法和ANR一样

重启死机

重启

从异常分类来看，重启异常大多数和NE、KE和硬件问题有关，JE方面引起重启死机大多是和系统进程有关，如system_process进程发生了Crash、SWT、JVM Error，AP应用一般是不会引起重启死机的，但偶尔也会

72平台上，发送短信内容为‘==’时会重启

虽然是Mms引起的，但最终也是System_process挂掉了，导致重启

重启异常分析步骤（JE）：

1. 确认异常类型（用QAAT跑一下做初步判断，如果是NE、KE让驱动人员帮忙解决）

2. 找到第一时间发生错误的地方，因为后面的错误多半是因为前面错误引起的，那就没有意义

3. 根据JE类型，结合对应工具分析LOG

死机

这里说的死机就是冻屏，停留在一个界面没反应。死机问题很少遇到，且大多不是一个用层问题，下面简单说下可能造成死机的原因和分析需要信息

死机可能原因：

1. 输入系统或者输入驱动问题

2. 系统逻辑问题或阻塞

3. Surfacefinger问题

4. 显示系统或LCM驱动问题

LOG相关工具

MTK提供了多种抓取和查看LOG的工具, 如:mtklogger，GAT，Catcher，LogView，QAAT等，这些工具在文档《MediaTek_Logging_SOP.pdf》中都有描述

Mtklogger:

Mtklogger是抓取log的apk，整合了ModemLog，MobileLog，NetworkLog and SystemLogger，在工程模式操作就可以打相关log了。

GAT：

基于SDK调试开发的GUI工具，新增了Log Recoder，Debug Configuration Setting，DBpuller，adb command，Process Information view，Profiling Tools，LogView，Plug-in Script。是调试和抓log的神器，使用说明阅读文档《GAT_User_Guide(Customer).pdf》

工具获取路径（以W1444版本为例）：

\\192.168.1.75\rd\MTK_TOOL\AndroidTool\W1444\W1444_full.zip\Debugging Tools (Binary)\GAT

Catcher：

是抓取和解析ModemLog的PC端工具，我们经常使用来查看ModemLog，使用说明阅读文档《Catcher_User_Manual_for_Customer.pdf》

工具获取路径：

\\192.168.1.75\rd\MTK_TOOL\AndroidTool\W1444\W1444_full.zip\Catcher

LogView：

可以查看APlog，Taglog，MTKlog，但最常用的是用来查看NE时产生的AEE DB文件里的log，具体使用参考《GAT_User_Guide(Customer).pdf》

工具获取路径：

此工具已集成到GAT

QAAT：

快速分析log的工具，涵盖错误类型较广，很多地方都可以用，其实他的原理就是过滤关键字，把各种类型的错误过滤出来，是一个分析LOG非常便捷的工具，具体使用参考《MediaTek_Logging_SOP.pdf》

工具获取路径：

附件或者\\192.168.1.75\rd\MTK_TOOL\AndroidTool