微信 Tinker 的一切都在这里,包括源码

VBHMab 5年前
   <p>最近半年以来,Android热补丁技术热潮继续爆发,各大公司相继推出自己的开源框架。Tinker在最近也顺利完成了公司的审核,并非常荣幸的成为github.com/Tencent上第一个正式公开的项目。</p>    <p>回顾这半年多的历程,这是一条跪着走完,坑坑不息之路。或许只有自己真正经历过,深入研究过, 才会真正的明白</p>    <p>热补丁不是请客吃饭</p>    <p>对热补丁技术本身,还是对使用者来说都是如此。我希望通过分享微信在这历程中的思考与经验,能帮助大家更容易的决定是否在自己的项目中使用热补丁技术,以及选择什么样方案。</p>    <h2><strong>热补丁技术背景</strong></h2>    <p>热补丁是什么以及它的应用场景介绍,大家可以参考文章 <a href="http://mp.weixin.qq.com/s?__biz=MzAwNDY1ODY2OQ==&mid=2649286306&idx=1&sn=d6b2865e033a99de60b2d4314c6e0a25&scene=21#wechat_redirect" rel="nofollow,noindex">微信Android热补丁实践演进之路</a> 。</p>    <p>在笔者看来Android热补丁技术应该分为以下两个流派:</p>    <ul>     <li> <p>Native,代表有阿里的Dexposed、AndFix与腾讯的内部方案KKFix;</p> </li>     <li> <p>Java,代表有Qzone的超级补丁、大众点评的nuwa、百度金融的rocooFix, 饿了么的amigo以及美团的robust。</p> </li>    </ul>    <p>Native流派与Java流派都有着自己的优缺点,它们具体差异大家可参考上文。事实上从来都没有最好的方案,只有最适合自己的。</p>    <p>对于微信来说,我们希望得到一个“高可用”的补丁框架,它应该满足以下几个条件:</p>    <ol>     <li> <p>稳定性与兼容性 ;微信需要在数亿台设备上运行,即使补丁框架带来1%的异常,也将影响到数万用户。</p> </li>     <li> <p>性能 ;补丁框架不能影响应用的性能,这里基于大部分情况下用户不会使用到补丁。其次补丁包应该尽量少,这关系到用户流量与补丁的成功率问题;</p> </li>     <li> <p>易用性 ;我们同时希望补丁框架简单易用,并且可以全面支持,甚至可以做到功能发布级别。</p> </li>    </ol>    <p>在“高可用”这个大前提下,微信对当时存在的两个方案做了大量的研究:</p>    <ol>     <li> <p>Dexposed/AndFix;最大挑战在于稳定性与兼容性,而且native异常排查难度更高。另一方面,由于无法增加变量与类等限制,无法做到功能发布级别;</p> </li>     <li> <p>Qzone;最大挑战在于性能,即Dalvik平台存在插桩导致的性能损耗,Art平台由于地址偏移问题导致补丁包可能过大的问题;</p> </li>    </ol>    <p>在2016年3月,微信为了追寻“高可用”这个目标,决定尝试搭建自己的补丁框架—Tinker。</p>    <p>Tinker框架的演绎并不是一蹴而就,它大致分为三个阶段,每一阶段需要解决的核心问题并不相同。而Tinker v1.0的核心问题是实现符合性能要求的Dex补丁框架。</p>    <h2><strong>Tinker v1.0—性能极致追求之路</strong></h2>    <p>为了稳定性与兼容性,微信选择了Java流派。当前最大难点在于如何突破Qzone方案的性能问题,通过研究Instant Run的冷插拔与buck的 exopackage 给了我们灵感。它们的思想都是全量替换新的Dex。</p>    <p style="text-align:center"><img src="https://simg.open-open.com/show/f60f6bf661fee757f2d7ad3d210f6e4c.jpg"></p>    <p>简单来说,我们通过完全使用了新的Dex,那样既不出现Art地址错乱的问题,在Dalvik也无须插桩。当然考虑到补丁包的体积,我们不能直接将新的Dex放在里面。但我们可以将新旧两个Dex的差异放到补丁包中,这里我们可以调研的方法有以下几个:</p>    <p style="text-align:center"><img src="https://simg.open-open.com/show/bf745cc75c1e0714eb579d53dc371b18.jpg"></p>    <ol>     <li> <p><strong>BsDiff;</strong>它格式无关,但对Dex效果不是特别好,而且生成产物大小非常不稳定。当前微信对于so与部分资源,依然使用bsdiff算法;</p> </li>     <li> <p><strong>DexMerge;</strong>它主要问题在于合成时内存占用过大,一个12M的dex,峰值内存可能达到70多M;</p> </li>     <li> <p><strong>DexDiff;</strong>通过深入Dex格式,实现一套生成产物小,内存占用少以及支持增删改的算法。</p> </li>    </ol>    <p>如何选择?在“高可用”的核心诉求下,性能问题也尤为重要。非常庆幸微信在当时那个节点坚决的选择了自研DexDiff算法,这过程虽然有苦有泪,但也正是有它,才有现在的Tinker。</p>    <h2><strong>一. DexDiff技术实践</strong></h2>    <p>在不断的深入研究究 Dex格式 后,我们发现自己跳进了一个深坑,主要难点有以下三个:</p>    <ol>     <li> <p>Dex格式复杂;Dex大致分为像StringID,TypeID这些Index区域以及使用Offset的Data区域。它们有大量的互相引用,一个小小的改变可能导致大量的Index与Offset变化;</p> </li>     <li> <p>dex2opt与dex2oat校验;在这两个过程系统会做例如四字节对齐,部分元素排序等校验,例如StringID按照内容的Unicode排序,TypeID按照StringID排序...</p> </li>     <li> <p>低内存,快速;这要求我们对Dex每一块做到一次读写,无法像baksmali与dexmerge那样完全结构化。</p> </li>    </ol>    <p style="text-align:center"><img src="https://simg.open-open.com/show/2c201a4c0549e5c419c0bb18195f075c.jpg"></p>    <p>现在回想起来,这的确是一条跪着走完的路。与研究Dalvik与Art执行一致,这是经历一次次翻看源码,一次次编Rom查看日志,一次次dump内存结构换来的结果。</p>    <p>下面以最简单的Index区域举例:</p>    <p style="text-align:center"><img src="https://simg.open-open.com/show/81eab6bf2bd7b0d30acdaf85af245a98.jpg"></p>    <p>要想将从左边序列更改成右边序列,Diff算法的核心在于如何生成最小操作序列,同时修正Index与Offset,实现增删改的功能。</p>    <ol>     <li> <p>Del 2;"b"元素被删除,它对应的Index是2,为了减少补丁包体积,除了新增的元素其他一律只存Index;</p> </li>     <li> <p>"c", "d", "e"元素自动前移,无须操作;</p> </li>     <li> <p>Addf(5); 在第五个位置增加"f"这个元素。</p> </li>    </ol>    <p>对于Offset区,由于每个Section可能有非常多的元素,这里会更加复杂。最后我们得到最终的操作队列,为什么DexDiff可以做到内存非常少?这是因为DexDiff算法是每一个操作的处理,它无需一次性读入所有的数据。DexDiff的各项数据如下:</p>    <p style="text-align:center"><img src="https://simg.open-open.com/show/68cc1c031c8007cdc3307bae219ed716.jpg"></p>    <p>通过DexDiff算法的实现,我们既解决了Dalvik平台的性能损耗问题,又解决了Art平台补丁包过大的问题。但这套方案的缺点在于占Rom体积比较大,微信考虑到移动设备的存储空间提升比较快,增加几十M的Rom空间这个代价可以接受。</p>    <h2><strong>二. Android N的挑战</strong></h2>    <p>信心满满上线后,却很快收到华为反馈的一个Crash:</p>    <p style="text-align:center"><img src="https://simg.open-open.com/show/dce455b99d3d7a76f6a8f1250432919b.jpg"></p>    <p style="text-align:center">而且这个Crash只在Android N上出现,在当时对我们震动非常大,难道Android N不支持Java方式热补丁了?难道这两个月的辛苦都白费了吗?一切想象都苍白无力,只有继续去源码里面找原因。</p>    <p>在之前的基础上,这一块的研究并没有花太多的时间,主要是Android N的混合编译模式导致。</p>    <h2><strong>三. 厂商OTA的挑战</strong></h2>    <p>刚刚解决完Android N的问题,还在沉醉在自己的胜利的愉悦中。前线很快又传来噩耗,小米反馈开发版的一些用户在微信启动时黑屏,甚至ANR.</p>    <p style="text-align:center"><img src="https://simg.open-open.com/show/9f925a7b5def84923c57abe79491b224.png"></p>    <p>当时第一反应是不可能,所有的DexOpt操作都是放到单独的进程,为什么只在Art平台出现?为什么小米开发版用户反馈比较多?经过分析,我们发现优化后odex文件存在有效性的检查:</p>    <ul>     <li> <p>Dalvik平台:modtime/crc...</p> </li>     <li> <p>Art平台: checksum/image_checksum/image_offset...</p> </li>    </ul>    <p>这就非常好理解了,因为OTA之后系统image改变了,odex文件用到image的偏移地址很可能已经错误。对于ClassN.dex文件,在OTA升级系统已完成重新dex2oat,而补丁是动态加载的,只能在第一次执行时同步执行。</p>    <p>这个耗时可能高达十几秒,黑屏甚至ANR也是非常好理解。那为什么只有小米用户反馈比较多呢?这也是因为小米开发版每周都会推送系统升级的原因。</p>    <p>在当时那个节点上,我们重新的审视了全量合成这一思路,再次对方案原理本身产生怀疑,它在Art平台上面带来了以下几个代价:</p>    <ol>     <li> <p>OTA后黑屏问题;这里或许可以通过loading界面实现,但并不是很好的方案;</p> </li>     <li> <p>Rom体积问题;一个10M的Dex,在Dalvik下odex产物只有11M左右,但在Art平台,可以达到30多M;</p> </li>     <li> <p>Android N的问题;Android N在混合编译上努力,被补丁全量合成机制所废弃了。这是因为动态加载的Dex,依然是全量编译。</p> </li>    </ol>    <p>回想起来,Qzone方案它只把需要的类打包成补丁推送,在Art平台上可能导致补丁很大,但它肯定比全量合成的Dex少很多很多。在此我们提出分平台合成的想法,即在Dalvik平台合成全量Dex,在Art平台合成需要的小Dex。</p>    <p style="text-align:center"><img src="https://simg.open-open.com/show/5104daeb276d541dc0ec3e7362d504e7.jpg"></p>    <p>DexDiff算法已经非常复杂,事实上要实现分平台合成更加不容易。</p>    <p style="text-align:center"><img src="https://simg.open-open.com/show/64dedbdbd277e38ab0398c3e45f95a02.jpg"></p>    <p>主要难点有以下几个方面:</p>    <ul>     <li> <p>small dex的类收集;什么类应该放在这个小的Dex中呢?</p> </li>     <li> <p>ClassN处理;对于ClassN怎么样处理,可能出现类从一个Dex移动到另外一个Dex?</p> </li>     <li> <p>偏移二次修正; 补丁包中的操作序列如何二次修正?</p> </li>     <li> <p>Art.info的大小; 为了修正偏移所引入的info文件的大小?</p> </li>    </ul>    <p>庆幸的是,面对困难我们并没有畏惧,最后实现了这一套方案,这也是其他全量合成方案所不能做到的:</p>    <ol>     <li> <p>Dalvik全量合成,解决了插桩带来的 性能损耗 ;</p> </li>     <li> <p>Art平台合成small dex,解决了 全量合成方案占用Rom体积大, OTA升级以及Android N的问题 ;</p> </li>     <li> <p>大部分情况下Art.info仅仅1-20K, 解决由于补丁包可能过大的问题 ;</p> </li>    </ol>    <p>事实上,DexDiff算法变的如此复杂,怎么样保证它的正确性呢?微信为此做了以下三件事情:</p>    <ol>     <li> <p>随机组成Dex校验,覆盖大部分case;</p> </li>     <li> <p>微信200个版本的随机Diff校验, 覆盖日常使用情况;</p> </li>     <li> <p>Dex文件合成产物有效性校验,即使算法出现问题,也只是编译不出补丁包。</p> </li>    </ol>    <p>每一次DexDiff算法的更新,都需要经过以上三个Test才可以提交,这样DexDiff的这套算法已完成了整个闭环。</p>    <h2><strong>四. 其他技术挑战</strong></h2>    <p>在实现过程,我们还发现其他的一些问题:</p>    <p>1. Xposed等微信插件; 市面上有各种各样的微信插件,它们在微信启动前会提前加载微信中的类,这会导致两个问题:</p>    <ol>     <li> <p>Dalvik平台:出现 Class ref in pre-verified class resolved to unexpected  implementation 的crash;</p> </li>     <li> <p>Art平台:出现部分类使用了旧的代码,这可能导致补丁无效,或者地址错乱的问题。</p> </li>    </ol>    <p>微信在这里的处理方式是若crash时发现安装了Xposed,即清除并不再应用补丁。</p>    <p>2.  Dex反射成功但是不生效;部分三星android-19版本存在Dex反射成功,但      出现类重复时,查找顺序始终从base.apk开始。</p>    <p>微信在这里的处理方式是增加Dex反射成功校验,具体通过在框架中埋入某个类的isPatch变量为false。在补丁时,我们自动将这个变量改为true。通过这个变量最终的数值,我们可以知道反射成功与否。</p>    <h2><strong>Tinker v1.0总结</strong></h2>    <h3><strong>一. 关于性能</strong></h3>    <p>通过Tinker v1,0的努力,我们解决了Qzone方案的性能问题,得到一个符合“高可用”性能要求的补丁框架。</p>    <ul>     <li> <p>它补丁包大小非常少,通常都是10k以内;</p> </li>     <li> <p>对性能几乎没有影响,2%的性能影响主要原因是微信运行时校验补丁Dex文件的md5导致(虽然文件在/data/data/目录,微信为了更高级别的安全);</p> </li>     <li> <p>Art平台通过革命性的分平台合成,既解决了地址偏移的问题,占Rom体积与Qzone方案一致。</p> </li>    </ul>    <p style="text-align:center"><img src="https://simg.open-open.com/show/dce455b99d3d7a76f6a8f1250432919b.jpg"></p>    <h3><strong>二. 关于成功率</strong></h3>    <p>也许有人会质疑微信成功率为什么这么低,其他方案都是99%以上。事实上,我们的成功率计算方式是:</p>    <p>应用成功率= 补丁版本转化人数/基准版本安装人数</p>    <p>即三天后,94.1%的基础版本都成功升级到补丁版本,由于基础版本人数也是持续增长,同时可能存在基准或补丁版本用户安装了其他版本,所以本统计结果应略为偏低,但它能现实的反应补丁的线上总体覆盖情况。</p>    <p>事实上,采用Qzone方案,3天的成功率大约为96.3%,这里还是有很多的优化空间。</p>    <h3><strong>三. Tinker v2.0-稳定性的探寻之路</strong></h3>    <p>在v1.0阶段,大部分的异常都是通过厂商反馈而来,Tinker并没有解决“高可用”下最核心的稳定性与兼容性问题。</p>    <p>我们需要建立完整的监控与补丁回退机制,监控每一个阶段的异常情况。这也是Tinker v2.0的核心任务,由于边幅问题这部分内容将放在下一篇文章。</p>    <p> </p>    <p> </p>    <p> </p>    <p>来自:http://mp.weixin.qq.com/s?__biz=MzAwNDY1ODY2OQ==&mid=2649286384&idx=1&sn=f1aff31d6a567674759be476bcd12549&scene=0</p>    <p> </p>