一类有趣的无限缓存OOM现象

首先

想必大家都知道OOM是啥吧，我就不扯花里胡哨的了，直接进入正题。先说一个背景故事，我司app扫码框架用的zxing，在很长一段时间以前，做过一系列的扫码优化，稍微列一下跟今天主题相关的改动：

1. 串行处理改成并发处理，zxing的原生处理流程是通过CameraManager获取到一帧的数据之后，通过DecodeHandler去处理，处理完成之后再去获取下一帧，我们给改成了线程池去调度：

• 单帧decode任务入队列之后立即获取下一帧数据
• 二维码识别成功则停止其他解析任务

3. 为了有更大的识别区域，选择对整张拍摄图片进行解码，保证中心框框没对准二维码也能识别到

现象

当时测试反馈，手上一个很古老的 Android 5.0 的机器，打开扫一扫必崩，一看错误栈，是个OOM。

机器找不到了，我就不贴现象的堆栈了（埋在时光里了，懒得挖了）。

排查OOM三板斧

板斧一、 通过一定手段，抓取崩溃时的或者崩溃前的内存快照

咦，一年前的hprof文件还在？确实被我找到了。。。

从图中我们能获得哪些信息？

1. 用户OOM时，byte数组的 java 堆占用是爆炸的

2. 用户OOM时，byte数组里，有大量的 3M 的byte数组

3. 3M的byte 数组是被 zxing 的 DecodeHandler$2 引用的

板斧二、从内存对照出发，大胆猜测找到坏死根源

我们既然知道了 大对象 是被 DecodeHandler$2 引用的，那么 DecodeHandler$2 是个啥呀？

mDecodeExecutor.execute(new Runnable() {

            @Override

            public void run() {

                for (Reader reader : mReaders) {

                    decodeInternal(data, width, height, reader, fullScreenFrame);

                }

            }

        });

所以稍微转动一下脑瓜子就能知道，必然是堆积了太多的 Runnable，每个Runnable 持有了一个 data 大对象才导致了这个OOM问题。

但是为啥会堆积太多 Runnable 呢？结合一下只有 Android 5.0 机器会OOM，我们大胆猜测一下，就是因为这个机器消费（或者说解码）单张 Bitmap 太慢，同时像上面所说的，我们单帧decode任务入队列之后立即获取下一帧数据并入队下一帧decode 任务，这就导致大对象堆积在了LinkedBlockingDeque中。

OK，到这里原因也清楚了，改掉就完事了。

板斧三、 吃个口香糖舒缓一下心情

呵呵...

解决方案

解决方案其实很简单，从问题出发即可，问题是啥？我生产面包速度是一天10个，一个一斤，但是一天只能吃三斤，那岂不就一天就会多7斤囤货，假如囤货到了100斤地球会毁灭，怎么解决呢？

1. 吃快点，一天吃10斤
2. 少生产点，要么生产个数减少，要么生产单个重量减少，要么二者一起
3. 生产前检查一下吃完没，吃完再生产都来得及，实在不行定个阈值觉得不够吃了再生产嘛。

那么自然而然的就大概知道有哪几种解决办法了：

1. 生产的小点 - 隔几帧插一张全屏帧即可（如果要保留不在框框内也能解码的特性的话）
2. 生产前检查一下吃完没 - 线程池的线程空闲时，才去 enqueue decode 任务
3. 生产单个重量减少 - 限制队列大小
4. blalala

总结

装模作样的总结一下。

这个例子是一年前遇到的，今天想水篇文章又突然想到了这个事就拿来写写，我总结为：线程池调度 + 进阻塞队列单任务数据过大 + 处理任务过慢

线程池调度任务是啥场景？

• 有个 Queue，来了任务，先入队
• 有个 ThreadPool ，空闲了，从 Queue 取任务。

那么，当入队的数据结构占内存太大，且 ThreadPool 处理速度小于 入队速度呢？就会造成 Queue 中数据越来越多，直到 OOM。

扫一扫完美的满足了上面条件

• 入队频率足够高

• 入队对象足够大

• 处理速度足够慢。

在这个例子中，做的不足的地方：

1. 追求并发未考虑机器性能

2. 大对象处理不够谨慎

当然，总结是为了避免未来同样的惨案发生，大家可以想想还会有什么类似的场景吧，转动一下聪明的小脑袋瓜~

未来展望

装模作样展望一下，未来展望就是，以后有空多水水贴子吧（不是多水水贴吧）。