原生移动开发 / 系统课时
建立应用内存基线
建立应用内存基线
排查内存泄漏和 OOM 之前,先建立“正常状态下应用应该占多少内存”的基线。只有知道页面进入、退出、重复操作和长时间运行后的正常范围,才能判断一次增长是真正异常,还是业务缓存、图片加载等正常波动。
学习目标
- 建立页面进入与退出前后的内存采样方法
- 区分瞬时增长、稳定增长和持续爬升三种趋势
- 为后续泄漏与 OOM 排查保留可复现的对照数据
基线应该记录什么
一次有效的内存基线不应该只记一个“当前内存值”。至少应同时记录采样时机、应用场景和内存指标,这样后续重复测试时才能比较同一条件下的变化。
建议固定三个采样点:进入页面并完成一次业务操作后、退出页面并等待稳定后、重复进入退出若干轮后。对于怀疑长期泄漏的场景,再增加持续运行一段时间后的采样。
Android 可以通过 Debug.MemoryInfo 读取进程内存信息。下面的片段适合放在测试页面或调试代码中,采样当前进程的 PSS。
import android.os.Debug
fun printMemory(label: String) {
val info = Debug.MemoryInfo()
Debug.getMemoryInfo(info)
println("$label: totalPss=${info.totalPss} KB")
}
fun sampleMemory() {
printMemory("before")
// 在这里执行一次可重复的页面操作,再重新采样。
printMemory("after")
}预期结果
before: totalPss=<VALUE> KB
after: totalPss=<VALUE> KB其中 <VALUE> 是设备、系统版本、进程状态和当前业务数据共同决定的实际数值,不应把某一台设备的绝对值直接当成通用标准。真正有价值的是同一测试环境中的相对变化和长期趋势。
用重复操作识别趋势
建立基线时,单次采样通常不够。一个页面第一次打开可能加载图片、数据库缓存或网络数据,因此内存短暂上升并不意味着泄漏。更可靠的方法是设计固定操作路径,例如“打开页面 → 执行相同操作 → 返回 → 等待稳定”,连续重复多轮。
可以把每轮采样记录成简单表格:
| 采样阶段 | 关注点 | 判断方式 |
|---|---|---|
| 进入前 | 初始占用 | 作为本轮起点 |
| 操作后 | 瞬时增长 | 判断业务操作是否产生预期内存需求 |
| 退出后 | 是否回落 | 判断页面相关对象是否释放 |
| 多轮重复后 | 稳定基线 | 比较每轮最低值是否逐渐抬高 |
| 长时间运行后 | 持续爬升 | 判断是否存在未释放对象或缓存失控 |
重点看“退出后最低点”。如果每轮退出后都能回到接近同一水平,通常更像稳定工作集;如果每轮退出后的最低值都比上一轮高,而且没有趋于稳定,就需要继续排查对象引用和缓存生命周期。
区分正常波动与异常增长
正常增长通常发生在特定操作之后,并在资源释放、缓存稳定或垃圾回收后回落到一个新的稳定范围。这个范围可能比初始值高,因为应用保留了可复用资源。
异常增长更值得关注的是回不去。例如页面第一次退出后增长 20 MB,第二次退出又增长 20 MB,连续多轮后最低值持续上移,这比“某一次瞬间很高”更能提示潜在泄漏。
让基线可以复现
基线测试最好固定设备、系统版本、构建类型、测试账号、业务数据规模和操作步骤。测试前避免同时运行其他明显改变内存占用的功能,否则不同轮次之间没有可比性。
实际记录时,可以把“步骤 + 采样值 + 当前场景”一起保存。例如:打开列表页、滚动到固定位置、打开详情、返回列表、等待稳定,每一步都使用相同条件。之后发现 OOM 或持续增长时,就能直接把异常样本与正常基线对照,而不是从一个孤立的内存数字开始猜测。
建立基线的目标不是寻找一个绝对正确的内存上限,而是得到应用在固定场景下的稳定区间和变化趋势。有了这个参照,后续才能进一步判断是单纯内存峰值过高、缓存策略不合理,还是存在真正的对象泄漏。