移動端性能監控探索：可觀測 Android 采集探針架構與實現

Android 應用上線后像黑盒？阿里云 RUM SDK 來破局！無侵入采集崩潰、卡頓、ANR、網絡、頁面等全維度數據，支持用戶會話回溯，讓問題一目了然，快速提升穩定性與用戶體驗！

作者：路錦(小蘭)

背景介紹

Android 生態背景

在當今的移動應用市場，用戶體驗是決定產品成敗的關鍵因素。一個功能強大但頻繁崩潰、響應遲緩的應用，很難留住用戶。然而，Android 生態系統的復雜性給開發者帶來了巨大挑戰：

• 生態碎片化： Android生態從 2008 年發展至今，市面上存在著成百上千種不同的 Android 設備，它們擁有不同的屏幕尺寸、硬件性能和系統版本（系統 16+，API 版本 35+）。此外，各大手機廠商還會對 Android 系統進行深度定制。這種碎片化導致應用在開發和測試環境中表現良好，但在用戶的真實設備上卻可能出現各種意想不到的問題。
• 問題的不可見性： 應用發布后，它運行在一個個孤立的“黑盒”中。當用戶遇到崩潰、卡頓或功能異常時，開發者往往無法得知。傳統的日志和用戶反饋渠道效率低下，難以定位和復現問題。
• 性能優化的挑戰： 除了穩定性，應用的性能（如啟動速度、頁面加載速度、網絡請求耗時）也直接影響用戶體驗。沒有精確的數據度量，性能優化就如同“盲人摸象”，無從下手。

為了解決這些問題，真實用戶監控（Real User Monitoring, RUM）應運而生。RUM 的核心思想是，通過在應用中集成一個輕量級的 SDK，來采集每一位真實用戶在使用應用過程中的性能、穩定性和行為數據，并將其上報到數據分析平臺。

RUM 數據采集能力需求

為了有效應對上述挑戰，一個現代化的 RUM 解決方案需要具備體系化的數據采集與分析能力。它不僅要能發現問題，更要能提供足夠的信息來幫助開發者快速定位并解決問題。具體來說，其核心能力應覆蓋以下幾個方面：

• 全面的異常與穩定性監控： 能夠自動捕獲應用中的各類異常，包括 Java 崩潰、Native 崩潰、ANR（應用無響應）和自定義錯誤。通過詳細的堆棧信息和設備環境，幫助開發者快速定位代碼問題，并評估異常的影響范圍。
• 精細化的性能指標量化： 對影響用戶體驗的關鍵鏈路進行精確測量。這包括應用啟動耗時、頁面打開速度、網絡請求成功率與耗時、以及界面卡頓等。通過量化指標，開發者可以識別性能瓶頸，進行針對性優化。
• 可視化的用戶會話追蹤： 記錄用戶的完整操作軌跡與相關的性能事件。當問題發生時，能夠回溯用戶當時的操作路徑、API 調用和資源加載情況，為復現問題、理解用戶場景提供關鍵線索，實現從問題發現到根因定位的層層下鉆。
• 靈活的自定義數據上報： 除了標準的性能和異常數據，還應支持業務根據自身需求上報自定義的事件與日志，將用戶行為與業務指標相結合，賦能更深層次的產品分析與決策。

本 RUM Android SDK 正是為此目標而設計，它提供了一套完整、高效、低侵入的數據采集方案，幫助開發者洞察應用的真實表現，持續提升用戶體驗。

RUM Android 探針架構與實現

RUM SDK 旨在為 Android 應用提供全面的用戶體驗監控，通過在不同階段進行 Hook、插樁、和監聽，以實現對應用性能和穩定性的全面監控。通過一個輕量級的、模塊化的架構，實現了對應用穩定性、性能和用戶行為的無侵入式采集方案。

架構總覽

RUM Android SDK 的整體架構如圖所示：

• 接口層：最上層，對外暴露，供客戶調用的 API。
• 功能層：數據采集，具體包含網絡、交互、應用、卡頓、崩潰、自定義、Webview、頁面、應用等模塊。
• 核心層：基礎服務，工具類，日志，時間，數據協議。會話管理，配置管理，采集模塊管理。
• 網絡：Producer，用于發送數據包。

在核心的功能層中，為了高效、精準地捕獲各類事件，RUM SDK 深度結合了 Android平臺的系統特性與框架能力，構建了多樣化的采集方案。針對不同場景和數據類型，分別采用了最適合的技術手段，主要包括：基于 Android Native 信號量的采集、基于字節碼插樁的數據采集、以及基于標準 API 的采集。

基于 Native 信號量采集

• Android 應用可以包含 C/C++ 代碼（即 Native 代碼），這些代碼直接運行在設備硬件上。當這些代碼出現如訪問無效內存地址、執行非法指令等嚴重錯誤時，操作系統會向對應的進程發送一個 POSIX 信號（如 SIGSEGV 代表段錯誤, SIGILL 代表非法指令），默認行為是立即終止應用，即“閃退”。
• 同時，Android 系統的所有 UI 操作和大部分應用層回調都必須在“主線程”（UI Thread）中執行。如果主線程被耗時操作（如復雜的計算、磁盤 I/O、網絡請求、死循環等）阻塞，無法在規定時間內（對于輸入事件是5秒，對于廣播是10秒）響應用戶輸入或系統事件，系統就會認為該應用“無響應”，即 ANR (Application Not Responding)。

對于 Android 開發者，準確實時采集到 Native 的異常堆棧和 ANR 現場數據是非常必要的，這便于我們排查程序異常的根因。

技術原理：

在應用初始化時，注冊一個自定義的信號處理器來接管系統默認的處理器。當捕獲到崩潰信號或在系統判定 ANR 的精確時刻，它不會立即退出，而是先生成一個包含詳細崩潰信息（如線程堆棧、寄存器狀態、加載的庫等）的崩潰信息文件，然后再執行默認的崩潰流程。

采集能力：

Native 崩潰采集： 通過監聽 Native 信號量，在 APP 發生崩潰時采集 Native 堆棧、CPU、寄存器等生成快照文件，在 應用下次啟動時，掃描并解析崩潰信息并上報。

ANR 采集： 利用了系統發送 SIGQUIT 信號這一機制。通過在 Native 層使用 sigaction 函數監聽此信號，我們可以在系統判定 ANR 的精確時刻獲得通知，從而觸發信息收集流程。

基于字節碼插樁的數據采集

• 插樁（Instrumentation）是一種在程序運行時動態或靜態地修改其代碼的技術。在 Android 中，這通常指在編譯過程中，通過分析和修改 Java 編譯后的字節碼（Bytecode），來向現有方法中添加額外的功能（如日志、性能監控）。

使用 Transform/Instrumentatio API 結合 ASM 來實現主要的數據采集，它對應用開發者完全透明，無需手動修改業務代碼。

技術原理：

Transform/Instrumentation： google 提供了 Transform和Instrumentation API，允許第三方插件（Plugin）在 APP 打包成 .dex 文件之前的編譯過程中操作 .Class 文件。只需要實現一套轉換器，修改并替換原文件即可達到插入代碼的目的。

ASM： ASM 是一個功能比較齊全的 Java 字節碼操作與分析框架，能夠被用來動態生成類或者增強既有類的功能。

通過 Transform/Instrumentation + ASM 實現在 APP 打包流程中修改字節碼，注入日志采集代碼。

采集能力：

網絡資源請求采集： 通過插樁方式，對主流的網絡庫（如 HttpURLConnection, OkHttp2/3 等）的關鍵方法進行修改，以實現鏈路打通與采集網絡資源請求指標數據，采集如耗時、狀態碼、吞吐量和錯誤信息等性能數據。

webview 采集： 實現與 webview 的通信，并監聽了 webview 上的資源請求采集能力與頁面、異常等采集能力。

Action 采集： 監聽按鈕點擊事件，實現 action 采集能力。

基于標準 API 采集

除了底層的信號和字節碼插樁之外，SDK 還利用標準的 Java 和 Android API 來捕獲應用在運行時的關鍵事件。

技術原理：

Java API： Java 虛擬機（JVM）提供了一個標準的機制來處理未被捕獲的異常：Thread.UncaughtExceptionHandler。開發者可以設置一個全局的處理器，當任何線程因未捕獲的異常而即將終止時，該處理器會被調用。這是在應用崩潰前執行最后清理或記錄操作的唯一機會。

Android API： Android 框架層提供的生命周期回調機制，實現對頁面、用戶行為和應用啟動等事件的監控。以 Activity 為例，它是 Android 應用中用戶界面的基本單元，生命周期由一系列回調方法管理，清晰地定義了其從創建到銷毀的各個狀態。關鍵的生命周期狀態包括：

• onCreate(): Activity 首次創建，進行初始化。
• onStart(): Activity 可見，但還不能與用戶交互。
• onResume(): Activity 可見且位于前臺，可以與用戶交互。
• onPause(): Activity 即將進入后臺，通常在此停止動畫或釋放資源。
• onStop(): Activity 完全不可見。
• onDestroy(): Activity 被銷毀。

為了全局監控這些狀態，Android 提供了 Application.ActivityLifecycleCallbacks 接口，允許注冊一個監聽器來接收應用中所有 Activity 的生命周期事件。

采集能力：

Java Crash 采集： 本 SDK 通過Thread.setDefaultUncaughtExceptionHandler(this) 注冊全局異常處理器，在Java異常時收集異常類型、消息、堆棧以及當前會話、頁面等上下文信息的能力，并在應用下次啟動時上報異常信息。

卡頓采集： SDK 使用了 java 多線程能力，實現卡頓監聽。

view 采集： 通過 Android 標準回調接口，實現精確地追蹤用戶在各個頁面的活動。利用這些生命周期回調來計算頁面核心指標，例如：頁面加載時間和頁面停留時間。

Application 狀態采集： 通過監聽生命周期，實現 APP 冷熱啟動事件、前后臺切換事件采集能力。

結語

阿里云 RUM SDK 旨在為應用提供全面的用戶體驗監控，針對 Android 端實現了對應用性能、穩定性、和用戶行為的無侵入式采集方案。可以參考接入文檔 [ 1] 體驗使用。相關問題可以加入“RUM 用戶體驗監控支持群”（釘釘群號： 67370002064）進行咨詢。

參考資料：

https://developer.android.com/get-started/overview?hl=zh-cn

相關鏈接：

[1] 接入文檔

https://help.aliyun.com/zh/arms/user-experience-monitoring/access-to-android-applications