罗罗编程学习记录
本页内容 展开查看

07.1.1.11.2 ANR、Crash 与线上治理

所属:全栈开发面试题库 / 07 端侧与桌面开发 / 07.1 原生移动开发 / 07.1.1 Android / 07.1.1.11 性能、稳定性与工程化

本节要解决的问题

本节从应用级稳定性指标与治理流程出发:梳理 ANR 四类成因与系统阈值、traces.txt 的采集与堆栈阅读,区分 Java/Kotlin/NDK/OOM/低内存杀进程等崩溃类型,说明崩溃符号化、mapping 上传与线上监控口径,最后覆盖灰度发布、降级开关、兜底恢复与稳定性治理闭环。版本基线:Android 14 / compileSdk 34、AGP 8.x、R8;系统阈值、信号行为与版本敏感项标「待确认」并写明验证点。

07.1.1.11.2-001 ANR 的本质是什么,系统如何判定?

一句话结论

ANR(Application Not Responding)是主线程在规定时限内未处理完特定系统回调或输入事件,系统判定应用无响应;本质是主线程被阻塞超时,而非普通的一次掉帧。

概念解释

系统对主线程处理输入、广播、服务、ContentProvider 等工作设有超时阈值,超时未完成即触发 ANR。触发后系统记录主线程(及关键线程)堆栈到 traces 文件,并弹出无响应对话框或按策略终止进程。ANR 根因都在主线程阻塞:重计算、IO、锁等待、Binder 阻塞、死锁等。它比卡顿严重:卡顿是帧超时可恢复,ANR 是系统级超时判定。

原理流程

主线程接收系统回调/输入事件
  → 超过对应阈值未完成处理
  → 系统判定 ANR:记录 traces → 弹窗/终止进程

代码或图示

ANR 链路:主线程阻塞 → 超时阈值命中 → traces 生成 → 系统干预

常见误区

  • 把 ANR 等同于卡顿;卡顿是渲染超时,ANR 是主线程任务超时无响应。
  • 认为 ANR 一定是死循环,实际 IO/锁/Binder 阻塞同样会触发。

追问

  • ANR 一定弹对话框吗?答:按场景与系统策略可能弹窗或直接杀进程,具体行为待确认。
  • 子线程阻塞会直接导致 ANR 吗?答:不会直接;只有阻塞传导到主线程(锁等待/主线程取结果)才会。

07.1.1.11.2-002 输入分发(按键/触摸)超时阈值是多少?

一句话结论

输入事件(按键、触摸)在主线程限定时间内未被处理即判输入 ANR;阈值由系统定义,典型为按键/触摸事件分发超时,具体毫秒数以目标版本文档为准(待确认)。

概念解释

系统把输入事件派发到主线程消息队列,主线程需在阈值内处理完成。主线程被长任务占用,事件排队超时即 ANR。输入 ANR 与用户直接交互相关,感知最强。排查看 ANR 时刻主线程在执行什么任务占用了消息队列。阈值随系统版本与设备可能调整,不背诵固定数字,以文档实测为准。

原理流程

触摸/按键事件入主线程队列
  → 主线程忙于其他任务
  → 事件等待超过阈值 → 输入 ANR

代码或图示

排查:ANR 时刻主线程栈顶任务 + 事件队列积压情况

常见误区

  • 记错固定阈值并跨版本套用;阈值需按目标系统核对(待确认)。
  • 输入 ANR 只查点击回调,忽略点击前主线程已被占用。

追问

  • 主线程繁忙时输入事件如何排队?答:进入消息队列顺序等待,前面长消息处理完才轮到。
  • 如何避免输入 ANR?答:主线程保持轻量,重活移出,见卡顿治理相关章节。

07.1.1.11.2-003 广播接收器的超时阈值如何区分前台与后台?

一句话结论

BroadcastReceiver 的 onReceive 执行有时限,前台/后台广播阈值不同;onReceive 必须轻量,重工作转异步任务,超时未结束即判广播 ANR。

概念解释

onReceive 在主线程执行(默认),系统给它限定处理时间。前台广播与后台广播阈值不同,后台限制更严。onReceive 内做 IO、数据库、网络、长计算都会超时。规范:接收器只做最轻量分发,重活交给 WorkManager/后台线程。接收器超时后系统判 ANR 并记录堆栈。具体前后台阈值毫秒数以版本文档为准(待确认)。

原理流程

广播到达 → onReceive(主线程)
  → 超时未返回 → 广播 ANR

代码或图示

override fun onReceive(context: Context, intent: Intent) {
    // 轻量判断;重活提交后台任务
    goAsync()? // 按需使用,注意超时仍有限制
}

常见误区

  • 在 onReceive 直接读写数据库/网络,阻塞到超时。
  • 用 goAsync 后任务仍拖过时限,未真正解决超时。

追问

  • goAsync 解决什么?答:允许 onReceive 返回后继续在后台完成部分工作,但仍有时间上限,具体待确认。
  • 后台广播被限流如何表现?答:系统按策略延迟/限制后台广播投递,具体随版本收紧(待确认)。

07.1.1.11.2-004 服务(Service)的超时阈值如何区分前台与后台?

一句话结论

Service 的 onCreate/onStartCommand 等生命周期回调在主线程执行,超过系统给定时限未完成即判服务 ANR;前台服务与后台服务阈值与限制不同。

概念解释

服务生命周期回调跑在主线程,回调内做重活会超时。后台服务在新版系统受启动与执行限制;长任务应放在工作线程或改用前台服务/WorkManager。服务 ANR 堆栈顶部通常停留在生命周期回调或其调用的阻塞方法。区分服务自身回调阻塞与服务内启动的线程阻塞:线程阻塞不直接 ANR,但主线程等待其结果会。

原理流程

服务启动 → onCreate/onStartCommand(主线程)
  → 超时未完成 → 服务 ANR

代码或图示

override fun onStartCommand(intent: Intent?, flags: Int, startId: Int): Int {
    threadPool.execute { doWork() } // 重活移出主线程
    return START_STICKY
}

常见误区

  • 在 onStartCommand 同步执行下载/解码/数据库迁移。
  • 以为服务天生跑后台线程;其回调仍在主线程。

追问

  • 前台服务为何能跑长任务?答:通过前台通知提升进程优先级与执行合法性,任务本体仍应在工作线程,类型声明见上架章节。
  • 服务 ANR 与后台限制 ANR 如何区分?答:看触发回调类型与系统限制日志,具体策略待确认。

07.1.1.11.2-005 ContentProvider 的初始化超时如何判定?

一句话结论

ContentProvider 的 onCreate 在进程启动早期、主线程执行,初始化超时会被系统判定 ANR;它位于 Application 之前的启动链路,阻塞直接拉长冷启动并可能超时。

概念解释

Provider 在 Application 初始化前被创建,其 onCreate 是启动关键路径一环。在其中做重初始化会阻塞进程启动,超时即 Provider ANR。治理:Provider 内只做最轻量注册,重初始化延后到 Application 调度或异步。多个早期 Provider 叠加是启动期主线程堆积的常见来源。

原理流程

进程创建 → Provider.onCreate(主线程,早于 Application)
  → 超时未完成 → Provider ANR / 启动阻塞

代码或图示

override fun onCreate(): Boolean {
    // 仅轻量注册;重初始化延后
    return true
}

常见误区

  • 把 SDK 重初始化塞进 Provider.onCreate。
  • 忽略合并清单中第三方 Provider 的早期初始化开销。

追问

  • Provider 与 Application 谁先执行?答:Provider 创建早于 Application.onCreate,见启动章节。
  • 如何移除不必要的自动 Provider?答:按库文档在清单禁用,见启动调度相关题目。

07.1.1.11.2-006 ANR、卡顿、崩溃三者如何区分?

一句话结论

卡顿是单帧渲染超时、界面掉帧但进程存活;ANR 是主线程任务超系统阈值、系统判定无响应;崩溃是未捕获异常/信号导致进程退出。三者现象、阈值与恢复方式不同。

概念解释

  • 卡顿:帧超时,用户感到不流畅,进程继续运行。
  • ANR:主线程阻塞超时,系统记录 traces 并弹窗/杀进程。
  • 崩溃:Java 未捕获异常、Native 信号或 OOM 使进程终止。

因果上,长期主线程阻塞可从卡顿发展到 ANR;ANR 后系统干预可能表现为进程退出。排查入口不同:卡顿看帧阶段与掉帧栈,ANR 看 traces 主线程栈,崩溃看异常栈与信号。

原理流程

主线程工作重 → 帧超时(卡顿)
阻塞持续 → 超系统阈值(ANR)
未捕获异常/信号 → 进程退出(崩溃)

代码或图示

区分表:现象 / 判定阈值 / 进程状态 / 主要证据

常见误区

  • 把掉帧上报为 ANR,口径混淆。
  • 把系统杀进程(LMK)当成崩溃,归因错误。

追问

  • ANR 一定伴随崩溃吗?答:不一定;可能弹窗后继续运行,也可能被系统终止。
  • 卡顿治理不到位会演进成 ANR 吗?答:主线程持续阻塞累积,超阈值即 ANR。

07.1.1.11.2-007 ANR 触发后系统会做什么?

一句话结论

系统记录当时主线程与线程堆栈到 traces,弹出无响应对话框等待用户选择,或按场景/策略直接终止进程;应用可在 ANR 发生时补充采集现场信息。

概念解释

ANR 发生时系统 dump 线程栈写入 traces 文件。前台场景通常弹出「等待/关闭」对话框,用户选择关闭则杀进程;后台场景可能直接终止。应用侧无法阻止系统判定,但可在检测到主线程阻塞时提前采集堆栈与现场上报,避免只依赖系统 traces。了解系统行为有助于区分「用户看到弹窗」与「后台被静默杀」两类样本。

原理流程

ANR 判定 → dump traces
  → 前台:弹窗等待选择
  → 关闭/超时/后台:终止进程

代码或图示

系统产物:traces.txt;应用补充:自定义阻塞堆栈与现场快照

常见误区

  • 以为应用能拦截系统 ANR 弹窗;判定权在系统。
  • 只在崩溃时上报,ANR 现场未采集。

追问

  • ANR traces 写在哪个目录?答:系统 traces 路径按设备/版本不同,见后续题目。
  • 用户选择「等待」会发生什么?答:进程保留,主线程阻塞解除后继续运行,具体行为待确认。

07.1.1.11.2-008 traces.txt 在哪里生成,何时写入?

一句话结论

ANR 发生时系统把各线程堆栈写入 traces 文件(设备系统目录下),包含主线程与其他线程状态;应用线上通常拿不到系统文件,需在检测到阻塞时自行采集堆栈上报。

概念解释

本地复现时可从设备 traces 目录读取 ANR 记录,文件含进程名、各线程名与堆栈、状态。线上用户设备的系统 traces 应用无权限直接读取,因此稳定性 SDK 多在主线程阻塞超阈值时主动抓栈采集。traces 是系统 ANR 判定的现场证据,阅读时先定位主线程栈顶。具体 traces 路径随设备厂商与版本变化(待确认)。

原理流程

ANR 发生 → 系统 dump 线程栈 → traces 文件
本地:adb 拉取分析;线上:应用主动抓栈上报

代码或图示

traces 内容:进程 / 线程名 / 线程状态 / 调用堆栈

常见误区

  • 期望线上直接读取系统 traces 路径;普通应用无此权限。
  • 拿到 traces 不先看主线程,被其他线程堆栈带偏。

追问

  • 如何本地导出 traces?答:通过设备调试访问系统 traces 目录,具体命令与路径以设备文档为准(待确认)。
  • traces 里多个线程栈都要看吗?答:先主线程,再看与主线程锁/Binder 相关的阻塞线程。

07.1.1.11.2-009 如何阅读 traces 中的主线程堆栈?

一句话结论

先定位主线程(main),从栈顶向下读阻塞方法与调用链,判断卡在计算、IO、锁等待、Binder 还是 native 调用;结合线程状态与调用来源定位根因。

概念解释

阅读顺序:找到主线程段落 → 看线程状态与栈顶方法 → 沿调用链向上找应用代码帧 → 归类阻塞类型。栈顶是当前正在执行/等待的位置。应用帧被混淆时需 mapping 还原。常见模式:栈顶文件读写/查询 → IO;wait/锁方法 → 锁竞争;Binder 代理调用 → 远端阻塞;native 方法 → 原生阻塞。堆栈只给时刻快照,需结合前后现场。

原理流程

定位 main 线程
  → 栈顶方法 + 线程状态
  → 沿链找应用帧
  → 归类:计算/IO/锁/Binder/native

代码或图示

栈顶 → 应用调用链 → 阻塞类型 → 对应治理手段

常见误区

  • 从堆栈底部往上读,定位不到当前卡点。
  • 只看栈顶系统方法,不追到应用调用来源。

追问

  • 主线程状态为 BLOCKED 说明什么?答:等待监视器锁,需找持锁线程,见死锁相关题目。
  • 堆栈里 native 帧怎么继续查?答:结合 Native 符号表与信号栈,见崩溃章节。

07.1.1.11.2-010 ANR 时其他线程堆栈有什么分析价值?

一句话结论

主线程因锁等待或 Binder 阻塞时,对应持锁线程与远端调用线程的堆栈能揭示阻塞来源;只看主线程栈不足以定位跨线程/跨进程 ANR。

概念解释

主线程 BLOCKED 等待锁时,需找持有该锁的线程,看它在做什么;主线程 Binder 等待时,需关联远端进程或服务线程。traces 中全部线程栈是相互关联的证据。分析时按锁对象、线程名、调用关系把主线程与相关线程串起来。子线程自身死锁/长任务也可能间接拖累主线程。

原理流程

主线程:等待锁 / Binder 返回
  → 全量线程栈中找持锁者 / 对端线程
  → 串起阻塞链路

代码或图示

关联:主线程 wait(lockA) ← 线程 B 持有 lockA 在做 IO

常见误区

  • 只导出/分析主线程栈,锁与 Binder 类 ANR 无法定位。
  • 线程名混淆后无法对应业务线程池。

追问

  • 如何判断主线程在等哪把锁?答:看 BLOCKED 栈帧的锁对象标识,再到其他线程栈找持有者。
  • Binder 对端在另一个进程怎么办?答:跨进程 traces 需结合服务端日志与系统 Binder 统计。

07.1.1.11.2-011 如何区分主线程阻塞类型(计算/IO/锁/Binder/等待)?

一句话结论

按栈顶方法与线程状态归类:纯业务计算是计算型,文件/数据库/网络调用是 IO 型,wait/监视器等待是锁型,Binder 代理调用是跨进程型,等待条件/join 是协程/线程等待型。

概念解释

分类决定治理方向:计算型需移出主线程或优化算法;IO 型需异步化与预读;锁型需缩小临界区/排查持锁者;Binder 型需避免主线程跨进程同步调用;等待型需取消不必要的同步等待。同一 ANR 可能叠加多类原因,沿调用链逐层判断。归类依据是栈帧方法名、状态与调用来源,而非主观猜测。

原理流程

主线程栈顶 → 方法类别
  计算 / IO / 锁 / Binder / 等待
  → 对应治理路径

代码或图示

分类对照:read-write-query → IO;wait-lock → 锁;proxy-transact → Binder

常见误区

  • 把所有阻塞都当计算问题优化,未识别 IO/锁/Binder。
  • 只看顶层系统方法,未追到应用帧确定真实来源。

追问

  • 主线程等待协程/线程结果算哪类?答:等待型,根因是主线程同步取后台结果,应改为回调/非阻塞。
  • 如何快速归类一批 ANR 栈?答:按栈顶方法签名规则聚类,分类型统计占比。

07.1.1.11.2-012 ANR 的常见应用侧成因有哪些?

一句话结论

常见成因:主线程同步 IO/数据库/网络、重计算与排序、锁竞争与死锁、主线程 Binder 同步调用、初始化任务堆积、图片同步解码、大对象分配触发 GC、第三方 SDK 主线程阻塞。

概念解释

应用侧 ANR 都可归到主线程被某类工作占用过久。清单用于排查对照:启动期初始化堆积、页面点击后主线程重任务、列表绑定重活、共享锁竞争、跨进程同步等待、同步解码大图。第三方 SDK 初始化与回调也常在主线程阻塞。逐项核对主线程栈顶命中清单类别。

原理流程

ANR 堆栈 → 对照成因清单
  → IO / 计算 / 锁 / Binder / 解码 / GC / SDK
  → 定位对应模块

代码或图示

排查清单:磁盘读写、DB、网络、排序遍历、锁、Binder、decode、GC、SDK 回调

常见误区

  • 忽略第三方 SDK 内部主线程工作,只查自身代码。
  • 启动期 ANR 只看 Application,遗漏 Provider 与首页构建。

追问

  • GC 暂停会导致 ANR 吗?答:频繁大分配造成长 GC 暂停叠加主线程工作,可能促成超时,见内存章节。
  • 如何排查 SDK 导致的 ANR?答:堆栈到 SDK 帧后核对版本与初始化方式,必要时隔离验证。

07.1.1.11.2-013 生命周期回调超时为何也算 ANR?

一句话结论

Activity/Service/Receiver/Provider 的生命周期回调在主线程执行,系统对其有限时;回调内重工作超时即触发对应类型 ANR。

概念解释

生命周期回调是系统派发的主线程任务,与输入事件一样受超时约束。典型:onCreate 做重初始化/布局加载、onStartCommand 同步执行任务、onReceive 做 IO。超时判定按回调类型对应阈值。治理原则:回调内只做轻量调度,重活提交后台线程。排查时看 ANR 栈是否落在某生命周期方法内。

原理流程

系统派发生命周期回调 → 主线程执行
  → 回调内重活超时 → 对应类型 ANR

代码或图示

回调:onCreate / onStartCommand / onReceive / Provider.onCreate

常见误区

  • 以为生命周期回调天然异步;它们在主线程。
  • 在 onCreate 同步等待首屏数据,阻塞页面构建。

追问

  • onCreate 慢一定 ANR 吗?答:不一定;超阈值才 ANR,未超阈值表现为启动慢/卡顿。
  • 回调里启动线程就安全了吗?答:线程内重活安全,但回调若同步 join/等待线程结果仍阻塞。

07.1.1.11.2-014 系统侧资源竞争如何造成 ANR?

一句话结论

设备内存紧张、CPU 被抢占、磁盘 IO 繁忙、后台进程过多等系统侧压力会拖慢主线程调度与执行,促成 ANR;这类 ANR 应用代码未必有明显重任务。

概念解释

ANR 判定基于主线程实际等待时长,系统资源紧张时即使代码任务不重也可能超时。特征:多应用同时受影响、低内存/低端机集中、栈顶无明显应用重活。归因需结合设备内存、CPU 负载、IO 等待与系统调度状态。应用侧能做的是降低自身资源占用与主线程压力,缓解在紧张环境下的超时概率。

原理流程

设备资源紧张(内存/CPU/IO)
  → 主线程调度与执行变慢
  → 任务等待拉长 → 超阈值 ANR

代码或图示

辅助证据:内存水位 / CPU 负载 / IO 等待 / 同时段其他应用表现

常见误区

  • 栈里没大业务方法就认为不是自己的问题,忽略资源竞争背景。
  • 把系统侧 ANR 全量归给应用代码优化。

追问

  • 如何区分应用侧与系统侧 ANR?答:看主线程栈有无应用重任务,结合设备状态与多应用对比。
  • 资源紧张时应用如何自保?答:降低内存/IO 占用,后台任务延后,避免在压力期叠加主线程工作。

07.1.1.11.2-015 ANR 发生时应用如何主动采集完整现场?

一句话结论

稳定性 SDK 在检测到主线程阻塞超阈值时,主动抓取主线程及关键线程堆栈,附带内存、页面、版本、线程与事件信息缓存上报;不等系统 traces,保证线上现场可获取。

概念解释

主动采集流程:监控主线程消息分发时长 → 超阈值判定疑似阻塞 → 异步抓栈(避免加重主线程)→ 收集现场快照(进程状态、页面、内存、线程列表)→ 缓存待上报。采集自身要轻量、可控采样。现场信息帮助区分真 ANR 与误报,并关联版本场景。与系统 traces 互为补充。

原理流程

主线程超时判定 → 异步抓主线程+关键线程栈
  → 附现场快照 → 本地缓存 → 上报聚类

代码或图示

采集字段:堆栈 / 页面 / 版本 / 档位 / 内存 / 线程数 / 时间戳

常见误区

  • 抓栈在主线程同步执行,加剧阻塞。
  • 现场信息缺失,只有堆栈无法判断场景。

追问

  • 主动采集会误报 ANR 吗?答:阈值与采样校准可降低误报,疑似阻塞与系统确认 ANR 分开标注。
  • 采集线程栈开销如何控制?答:采样 + 异步 + 限制线程数量与堆栈深度。

07.1.1.11.2-016 traces/现场文件有哪些关键字段需要解读?

一句话结论

关键字段:进程名、线程名、线程状态、调用堆栈、阻塞等待对象、时间戳;这些字段共同判断阻塞线程、阻塞类型与发生时刻。

概念解释

  • 线程名/ID:定位主线程与业务线程池。
  • 状态:Runnable / BLOCKED / Waiting 等。
  • 堆栈:当前调用链。
  • 等待对象:锁/Binder 标识,用于关联其他线程。
  • 时间戳与进程信息:对齐系统日志与版本。

线上上报字段按此结构裁剪,去掉动态值便于聚合。字段含义随工具格式略有差异,以实际采集格式为准(待确认)。

原理流程

现场记录 → 提取线程/状态/栈/等待对象/时间
  → 归一化 → 关联版本与场景

代码或图示

字段表:thread / state / stack / waitingOn / timestamp / process

常见误区

  • 只保存栈帧,丢失线程状态与等待对象,锁类问题无法分析。
  • 带上动态参数导致相同问题聚不到一起。

追问

  • 线程状态有哪些常见取值?答:运行、阻塞等待、等待、休眠等,具体枚举以 VM 实现为准(待确认)。
  • 等待对象标识如何用于关联?答:按锁对象/Binder 标识在多线程栈间匹配持有者。

07.1.1.11.2-017 ANR 堆栈如何归一化与聚类?

一句话结论

堆栈去除行号、动态参数与随机对象标识,按类名+方法名栈帧生成签名,相同根因聚合为问题簇;按簇统计出现次数与影响用户,优先治理高频簇。

概念解释

原始堆栈含行号、地址、动态字符串,同一根因每次栈文本不同。归一化:保留包/类/方法名序列,去掉行号与变量,生成签名。聚类后按簇排序,结合版本与页面标签。ANR 簇与崩溃簇分开统计。归一化规则要稳定,避免过度合并不同问题或拆分同一问题。

原理流程

原始堆栈 → 去行动态信息 → 栈帧签名
  → 聚类成簇 → 频次/影响用户排序

代码或图示

签名:顶层业务类.方法 → 关键帧序列

常见误区

  • 未归一化,相同 ANR 散成大量单条无法聚合。
  • 归一化过度,不同根因被合并成一簇。

追问

  • 混淆后堆栈如何参与聚类?答:先 mapping 还原再归一化,或按混淆名稳定签名,流程见符号化题目。
  • 跨版本堆栈变化如何对齐?答:保留类方法映射,按还原后签名跨版本对比。

07.1.1.11.2-018 ANR 混淆堆栈如何还原?

一句话结论

混淆后类名/方法名被缩短,需用对应版本的 mapping.txt 把混淆栈帧还原为原始类名与方法名;ANR 堆栈与崩溃堆栈走同一套符号化流程。

概念解释

R8 混淆生成 mapping.txt 记录混淆名到原名映射。上报堆栈携带版本号,符号化时取该版本 mapping 还原栈帧。还原后才能与源码对应、聚类到业务模块。Native 栈需另配 so 符号表。mapping 必须按版本妥善保存,丢失则该版本堆栈不可还原。

原理流程

上报混淆栈 + 版本号
  → 取对应 mapping.txt
  → 还原类名/方法名 → 可读堆栈

代码或图示

混淆帧 a.b.c() → 原始 com.example.X.method()

常见误区

  • 用错版本 mapping,还原结果错乱。
  • mapping 未归档,线上混淆栈无法解析。

追问

  • 内联方法在 mapping 中如何还原?答:R8 内联信息记录在 mapping,还原按工具链规则处理,细节待确认。
  • ANR 栈还原与崩溃栈一致吗?答:一致,都是基于 mapping 的栈帧反解。

07.1.1.11.2-019 ANR 现场还应补充哪些上下文信息?

一句话结论

除堆栈外补充:页面/场景、版本渠道、设备档位与系统版本、内存水位、线程数、网络状态、前后台状态、距上次启动时长;上下文决定 ANR 复现条件与影响面。

概念解释

单靠堆栈难判断触发条件。上下文标签把 ANR 归属到页面、版本、设备档位与前后台场景;内存水位判断是否资源紧张;线程数与网络状态辅助归类。信息在采集时刻快照保存,上报时随堆栈一起聚合。隐私字段按合规要求脱敏,不上传界面内容与个人数据。

原理流程

阻塞判定 → 堆栈 + 上下文快照
  → 页面/版本/档位/内存/线程/网络/前后台

代码或图示

上下文:page / version / channel / device / os / mem / threads / net / fg

常见误区

  • 只上报堆栈,无法按页面/版本下钻。
  • 上下文采集过重,在阻塞路径上增加开销。

追问

  • 前后台 ANR 为何分开统计?答:触发条件与系统限制不同,治理方向不同。
  • 内存水位如何轻量获取?答:读取堆统计与系统内存等级,避免全量 dump。

07.1.1.11.2-020 线上 ANR 捕获有哪些常见方案?

一句话结论

常见方案:监控主线程消息分发时长做 watchdog 判定、Choreographer/帧节奏检测主线程积压、结合系统 ANR 回调信号;超阈值主动抓栈上报,多方案互补覆盖不同阻塞形态。

概念解释

  • 消息监控:包裹主线程消息分发,单条消息超时判定。
  • 帧节奏:相邻帧间隔异常拉长反映主线程积压。
  • 系统信号:监听系统 ANR 相关回调/日志(能力随版本受限)。

方案在应用内实现,阈值分级,采样上报。没有单一方案覆盖全部 ANR,组合使用并与系统 traces 对照校准。各方案 API 兼容性需按版本核对(待确认)。

原理流程

消息时长监控 / 帧节奏监控
  → 超阈值 → 抓栈 + 现场 → 上报

代码或图示

组合:message watchdog + frame jank 检测 + 系统 ANR 信号

常见误区

  • 只依赖系统 traces,线上拿不到现场。
  • 监控逻辑自身在主线程做重处理,加剧阻塞。

追问

  • watchdog 阈值如何定?答:介于卡顿与系统 ANR 阈值之间分级,先抓疑似阻塞再校准。
  • 如何避免重复上报同一 ANR?答:按时间窗与堆栈签名去重合并。

07.1.1.11.2-021 主线程消息超时监控如何做 ANR 预判?

一句话结论

在主线程消息分发前后打点,单条消息执行时长超预警阈值即预判阻塞,提前抓栈;分级阈值区分卡顿预警与接近 ANR,为线上 ANR 争取现场。

概念解释

主线程串行处理 Message,监控每条消息分发耗时。低于 ANR 阈值先记录慢消息,接近阈值抓栈上报。预判价值:在系统判定 ANR 前拿到应用可控的现场,且能覆盖系统 traces 拿不到的线上样本。监控钩子要轻量,抓栈异步。消息类型与来源一并记录,便于定位是哪类任务阻塞。

原理流程

消息分发前打点 → 执行 → 分发后打点
  → 超预警阈值:记录;超 ANR 预判阈值:抓栈上报

代码或图示

分级:slow_msg 阈值 / anr_prewarn 阈值

常见误区

  • 阈值直接套用系统 ANR 线,错过提前采集窗口。
  • 监控在主线程同步抓栈,加重阻塞。

追问

  • 消息监控与帧节奏监控互补吗?答:互补;消息监控看任务时长,帧节奏看渲染积压。
  • 慢消息如何归类?答:按消息回调来源(点击/广播/刷新)标注业务场景。

07.1.1.11.2-022 如何识别 ANR 由死锁引起?

一句话结论

死锁表现为两个或以上线程互相持有对方所需锁并永久等待;ANR 主线程栈处于锁等待,相关线程栈各自持锁等待对方,形成循环等待链。

概念解释

死锁四条件:互斥、持有并等待、不可抢占、循环等待。识别:主线程 BLOCKED 等锁 A,线程 B 持 A 等锁 C,线程 C 持 C 等锁 A。traces 中把各线程等待对象串成环。治理:固定加锁顺序、缩小临界区、避免持锁等待回调、超时尝试。死锁 ANR 堆栈特征是多线程互相等待,而非单线程 IO 慢。

原理流程

主线程 wait(lockA) ← 线程B 持A wait(lockC) ← 线程C 持C wait(lockA)
  → 循环等待 → 死锁

代码或图示

排查:各线程 waitingOn 锁对象 → 画等待图找环

常见误区

  • 只看主线程等待,未串联其他线程锁关系,误判为普通锁竞争。
  • 加锁顺序不一致,偶发死锁难以复现。

追问

  • 死锁一定 ANR 吗?答:若主线程卷入等待则 ANR;纯子线程死锁不直接 ANR,但会耗尽线程池。
  • 如何在开发期暴露死锁?答:压测并发路径,结合锁顺序评审与 StrictMode/线程分析。

07.1.1.11.2-023 主线程 Binder 同步调用为何导致 ANR?

一句话结论

主线程发起同步 Binder 调用会阻塞等待远端进程返回,远端服务繁忙/卡死/通信异常时主线程长时间挂起,超阈值形成 Binder 类 ANR。

概念解释

Binder 同步调用在调用方线程阻塞直到对端返回。主线程做跨进程同步查询/调用,对端慢则主线程被拖住。栈顶是 Binder 代理 transact 相关帧。治理:跨进程调用放后台线程,主线程只接收回调结果;关键数据本地缓存;排查对端服务性能。跨进程 ANR 需结合服务端进程堆栈与 Binder 统计。

原理流程

主线程 → Binder 同步调用
  → 等待对端返回
  → 对端慢/卡 → 主线程挂起 → ANR

代码或图示

栈特征:BinderProxy.transact / 代理方法帧

常见误区

  • 把 Binder 阻塞当本地代码慢优化,方向错误。
  • 主线程调用系统服务/ContentProvider 同步接口未意识到是跨进程。

追问

  • 哪些常见调用是 Binder?答:系统服务、ContentProvider、跨进程组件调用,具体接口需按实现判断。
  • 对端在子进程如何排查?答:收集对端进程堆栈与日志,关联 Binder 调用链。

07.1.1.11.2-024 Native 阻塞如何传导到主线程?

一句话结论

主线程调用的 native 方法内部阻塞(原生锁、IO、原生库等待)会让主线程停在 native 帧;Java 层堆栈看不到细节,需结合 Native 堆栈与符号表分析。

概念解释

JNI 调用进入原生层后,若原生代码持锁等待、IO 阻塞或死循环,主线程卡在 native 方法。Java 栈顶停在 native 声明方法,细节在 Native 栈。常见于音视频、图片解码、原生库、NDK 模块。排查需 Native 崩溃/阻塞栈与符号表;Java 层先确认是哪个 native 调用入口。

原理流程

主线程 → JNI native 方法
  → 原生层阻塞(锁/IO/循环)
  → Java 栈停在 native 帧 → Native 栈定位

代码或图示

Java 栈:… -> nativeMethod();Native 栈:原生函数调用链

常见误区

  • 只看 Java 栈,native 帧之下的阻塞被忽略。
  • 无法获取 Native 符号表,原生栈不可读。

追问

  • Native 阻塞与 Native 崩溃区别?答:阻塞是挂起等待(ANR 类),崩溃是信号终止(Crash 类),见后续分类。
  • 如何减少主线程 native 调用?答:重原生操作放后台线程,主线程只做轻量 JNI 调用。

07.1.1.11.2-025 StrictMode 线程策略检测什么(磁盘/网络)?

一句话结论

StrictMode 线程策略检测主线程上的磁盘读写、网络访问等违规操作,在开发期暴露主线程 IO/网络问题,提前发现卡顿与 ANR 隐患。

概念解释

ThreadPolicy 配置对主线程磁盘读、磁盘写、网络等行为的检测,命中后按策略日志/弹窗/崩溃提示。它在开发期拦截「主线程做 IO/网络」这类典型问题,避免带到线上。检测规则与违规形式可配置。StrictMode 是开发期工具,正式包关闭或降级为上报。

原理流程

主线程发生磁盘/网络操作
  → StrictMode 命中线程策略
  → 日志/弹窗/抛错提示违规点

代码或图示

StrictMode.setThreadPolicy(
    StrictMode.ThreadPolicy.Builder()
        .detectDiskReads().detectDiskWrites().detectNetwork()
        .penaltyLog().build()
)

常见误区

  • 正式包开启 StrictMode 抛错,影响线上稳定性。
  • 只开检测不看违规日志,问题未修复。

追问

  • StrictMode 能检测主线程所有 IO 吗?答:覆盖其检测规则内的磁盘/网络访问,部分间接 IO 可能漏检(待确认)。
  • 网络检测在哪个版本受限?答:主线程网络本就不允许,StrictMode 规则随版本调整,以文档为准(待确认)。

07.1.1.11.2-026 StrictMode 虚拟机策略检测什么(泄漏/实例)?

一句话结论

VmPolicy 检测堆实例泄漏、未关闭资源、Activity 泄漏等虚拟机层面问题,开发期辅助发现内存与资源管理缺陷。

概念解释

虚拟机策略关注对象与资源生命周期:Activity 泄漏、未关闭的可关闭资源、实例计数超限等。命中后提示对应泄漏点。它补充线程策略,从内存/资源角度在开发期暴露问题。具体可检测项与 API 以 AndroidX/系统版本为准(待确认)。

原理流程

对象/资源生命周期异常
  → VmPolicy 命中
  → 提示泄漏/未关闭实例

代码或图示

StrictMode.setVmPolicy(
    StrictMode.VmPolicy.Builder()
        .detectActivityLeaks()
        .penaltyLog().build()
)

常见误区

  • 把 VmPolicy 当 LeakCanary 替代品;两者深度与定位能力不同。
  • 违规提示未跟进修复,仅作为日志噪音。

追问

  • VmPolicy 与 LeakCanary 如何配合?答:StrictMode 开发期快速提示,LeakCanary 给完整引用链分析。
  • 实例计数检测怎么配置?答:按类设实例上限,具体 API 以版本文档为准(待确认)。

07.1.1.11.2-027 StrictMode 违规如何上报与治理?

一句话结论

开发期违规按堆栈定位违规调用点,治理为移出主线程/关闭资源;可把违规回调接到内部日志收集,形成开发与测试阶段的问题清单,修复后复测不再命中。

概念解释

StrictMode 违规自带堆栈指向触发代码。治理流程:收集违规报告 → 归类(磁盘/网络/泄漏/资源)→ 定位调用点 → 异步化或修复生命周期 → 复测。测试阶段开启可拦截合入前问题。线上不启用抛错策略,避免违规直接影响用户。

原理流程

违规堆栈 → 归类 → 定位调用点
  → 修复 → 复测不命中

代码或图示

治理表:违规类型 / 调用点 / 修复方式 / 复测结果

常见误区

  • 违规只记录不修复,带入线上变成卡顿/ANR。
  • 为消除提示关闭检测,而非修复根因。

追问

  • 第三方库触发 StrictMode 违规怎么办?答:评估能否升级/隔离,必要时在库边界规避,记录已知违规。
  • 违规堆栈如何关联到模块?答:按包名过滤应用帧,库帧单独标注。

07.1.1.11.2-028 如何在开发/测试期前置发现 ANR 与卡顿?

一句话结论

开发期用 StrictMode、主线程监控、自动化场景压测与 Profiler 在合入前暴露主线程重活;测试期覆盖典型场景与低端机,把稳定性问题拦在上线前。

概念解释

前置手段:编码期 StrictMode 拦截主线程 IO/网络;自测用 Profiler 看主线程热点;自动化跑启动、列表滑动、核心页面场景;测试在低端机/低内存环境复现。目标是把线上才暴露的阻塞在开发测试阶段发现。结合代码评审检查主线程调用与生命周期反注册。

原理流程

编码:StrictMode + 评审
自测:Profiler 热点
测试:自动化场景 + 低端机复现
  → 上线前拦截阻塞问题

代码或图示

前置防线:静态检查 / StrictMode / Profiler / 自动化场景 / 低端机测试

常见误区

  • 只在高端机调试,低端机阻塞问题上线后才暴露。
  • 测试不覆盖后台与弱网场景,ANR 条件未触发。

追问

  • 自动化如何测卡顿/ANR?答:跑固定场景采集帧时长与主线程消息耗时,超阈值失败,见性能门禁章节。
  • 哪些问题开发期最难发现?答:偶发并发锁、资源紧张下的超时,需压测与线上监控补充。

07.1.1.11.2-029 StrictMode 如何做线上开关与降级?

一句话结论

StrictMode 仅在 debug/内部包开启检测与抛错,正式包关闭或改为静默上报;按构建变体与远程开关控制,避免检测开销与违规崩溃影响线上用户。

概念解释

检测本身有开销,违规抛错在正式包会直接造成崩溃。实践:debug 全开 penaltyLog/弹窗,release 关闭严格策略;如需线上观测,用自研轻量监控替代 StrictMode 抛错。开关按构建类型固化,远程配置可控制采样上报级别。不要在正式包保留 penaltyDeath。

原理流程

debug:StrictMode 全检测 + 提示
release:关闭抛错;轻量监控按需采样上报

代码或图示

if (BuildConfig.DEBUG) StrictMode.enableDefaults()

常见误区

  • 正式包保留 penaltyDeath,一次违规即崩溃。
  • 检测开销未评估,线上开启全量 StrictMode。

追问

  • 线上想发现主线程 IO 用什么替代?答:自研主线程调用采样监控,轻量上报,不抛错。
  • 如何按变体隔离配置?答:构建变体区分 debug/release 初始化逻辑。

07.1.1.11.2-030 如何自定义主线程违规检测策略?

一句话结论

在主线程关键路径埋点或包裹消息分发,自定义检测主线程 IO、锁持有时长、长任务阈值,按业务规则上报;比 StrictMode 更贴合自身业务场景。

概念解释

自定义策略:监控主线程方法耗时、识别 IO/锁调用栈、按业务阈值分级。可针对自有线程池、缓存、数据库访问做专项检测。实现要轻量、可开关、可采样。StrictMode 覆盖通用规则,自定义补充业务特定风险点。两者结合覆盖开发期与线上观测。

原理流程

埋点/包裹主线程调用
  → 规则匹配(IO/锁/长耗时)
  → 分级上报 → 业务清单治理

代码或图示

自定义规则:主线程 DB 调用 / 持锁超阈值 / 单消息超阈值

常见误区

  • 自定义检测在主线程做重判断,自身成为卡顿源。
  • 规则阈值照搬通用值,未按业务场景校准。

追问

  • 如何检测主线程锁持有时长?答:包裹加锁/解锁区间计时,结合线程栈,具体实现按代码结构。
  • 自定义检测与稳定性 SDK 重复吗?答:可复用 SDK 采集能力,业务规则在其上叠加。

07.1.1.11.2-031 Java/Kotlin 未捕获异常如何分类?

一句话结论

Java/Kotlin 崩溃由未捕获的 Throwable 抛出导致,按类型分为空指针、类型转换、数组越界、非法状态、参数非法、并发异常等;分类统计可定位高频根因模式。

概念解释

未捕获异常沿调用栈向上传播,无人处理则交给默认处理器终止进程。分类依据异常类名与消息:NPE、ClassCastException、IndexOutOfBounds、IllegalStateException、IllegalArgumentException、ConcurrentModificationException 等。线上按异常类型聚合,识别高发模式。Kotlin 编译期空安全减少部分 NPE,但平台类型与互操作仍可能空指针。

原理流程

异常抛出 → 未被 catch
  → 默认未捕获处理器 → 进程终止 + 崩溃栈

代码或图示

分类:NPE / 转换 / 越界 / 状态 / 参数 / 并发

常见误区

  • 只看崩溃消息文本,不按异常类型聚类。
  • 把所有 NPE 当同一问题,未区分触发对象与路径。

追问

  • 受检与非受检异常在 Android 崩溃中有何区别?答:运行时异常/Error 未捕获即崩溃,受检异常需声明处理;崩溃主要来自未捕获运行时异常。
  • 如何按类型排治理优先级?答:结合出现次数、影响用户与可修复性排序。

07.1.1.11.2-032 Kotlin 空指针与类型转换异常从哪来?

一句话结论

Kotlin 空安全在编译期拦截大部分 NPE,剩余 NPE 多来自平台类型互操作、显式 !!、泛型裸转换;类型转换异常来自不安全的强转与泛型擦除。

概念解释

  • NPE 来源:Java 互操作返回平台类型未判空、!! 强解空值、反射/序列化构造绕过空检查。
  • 转换异常:as 强转不匹配类型、泛型擦除后类型断言错误。

排查看崩溃栈定位空对象来源与转换点。治理:互操作边界判空、避免裸 !!、安全转换 as? 加兜底。

原理流程

平台类型/!!/反射 → 空值解引用 → NPE
不安全 as / 泛型断言 → ClassCastException

代码或图示

val name: String? = javaApi.getName() // 平台类型,需判空
val v = obj as? Target ?: fallback

常见误区

  • 以为 Kotlin 不会有 NPE;互操作与 !! 仍会触发。
  • 用 as 直接强转未知类型,未走安全转换。

追问

  • 序列化反序列化可能产生类型问题吗?答:字段类型不匹配/多态解析错误可抛转换类异常,见序列化章节。
  • 反射构造对象能绕过空检查吗?答:可以绕过编译期空安全,需在反射边界校验。

07.1.1.11.2-033 Exception 与 Error 有何区别,崩溃如何归类?

一句话结论

Exception 表示可预期的程序异常状况,Error 表示 JVM/运行时层面的严重问题(如 OOM、栈溢出);两者未捕获都会终止进程,归类时分开统计。

概念解释

  • Exception:业务可处理的异常分支,部分应被 catch 走降级。
  • Error:VM 资源/环境严重问题,应用通常难以在现场恢复。

崩溃统计把 Exception 子类与 Error 子类分开:Error 类(OOM、StackOverflow)反映资源与递归问题,Exception 类反映逻辑与边界问题。不要用宽泛 catch 吞掉 Error 类问题。

原理流程

Throwable 分支:Exception(程序异常) / Error(运行时严重问题)
  → 未捕获 → 进程终止

代码或图示

归类:Exception.* vs OutOfMemoryError / StackOverflowError

常见误区

  • catch (Throwable) 后不区分类型,掩盖 Error 类严重问题。
  • 把 OOM 当普通业务异常处理,未查内存根因。

追问

  • 应该 catch Throwable 吗?答:兜底处理器可记录,但业务代码应按具体类型捕获,避免吞掉 Error。
  • StackOverflowError 常见原因?答:递归无终止条件或过深递归,见递归相关排查。

07.1.1.11.2-034 NDK 崩溃的信号机制是什么?

一句话结论

Native 代码非法内存访问、除零、越界等触发操作系统信号(如段错误、总线错误、非法指令),默认信号处理终止进程;Java 层 try/catch 无法捕获 Native 信号。

概念解释

原生层崩溃由信号驱动:非法访问内存、空指针解引用、越界、栈损坏等触发 SIGSEGV/SIGBUS/SIGILL 等信号。进程收到信号后默认终止,产生 Native 崩溃栈。Java 异常机制不覆盖信号,需 Native 崩溃捕获器记录信号与原生栈。信号类型是判断崩溃性质的第一信息。

原理流程

原生代码非法操作
  → 触发信号(SIGSEGV/SIGBUS/…)
  → 默认处理:终止进程 + Native 栈

代码或图示

信号:段错误 / 总线错误 / 非法指令 / 中止

常见误区

  • 试图用 Java catch 捕获 Native 崩溃,无效。
  • 只看 Java 栈,忽略信号类型与原生调用链。

追问

  • Native 崩溃能在应用内捕获吗?答:可通过 Native 崩溃捕获库注册信号处理记录现场,默认终止行为不可完全避免,具体能力待确认。
  • 信号列表以什么为准?答:目标平台信号定义,不同架构略有差异,需核对(待确认)。

07.1.1.11.2-035 Native 崩溃栈与信号类型如何解读?

一句话结论

Native 崩溃记录信号类型、故障地址、原生函数调用栈与寄存器状态;结合 so 符号表把地址还原为函数名与行号,定位崩溃原生代码位置。

概念解释

原生栈是 so 内地址调用链,未符号化时显示地址。解读顺序:信号类型判断崩溃性质 → 故障地址/寄存器 → 原生栈帧 → 符号表还原函数与行号。常见于指针越界、空指针、线程竞争、原生库版本问题。Java 栈作为附属信息记录调用入口。符号化依赖对应版本 so 调试信息。

原理流程

信号 + 故障地址 + 原生栈
  → so 符号表还原函数/行号
  → 定位原生代码崩溃点

代码或图示

原生栈:#00 pc 地址 libxxx.so → 符号化:function + line

常见误区

  • 缺少对应版本 so 符号表,原生栈无法解析。
  • 把第三方 so 崩溃直接归到自身业务,需先区分库边界。

追问

  • 如何保留 Native 符号信息?答:构建期保留调试符号/符号表并归档,剥离符号不影响线上还原流程,见包体章节。
  • 原生栈与 Java 栈如何关联?答:崩溃记录同时保存 Java 调用入口与原生栈,串联跨 JNI 链路。

07.1.1.11.2-036 OOM 崩溃如何区分 Java 堆与 Native 来源?

一句话结论

OOM 崩溃先看异常类型与堆/Native 占用:Java 堆不足抛 Java OOM,Native 内存/地址空间不足表现为 Native 崩溃或 OOM;两类归因与治理路径不同。

概念解释

Java 堆耗尽抛 OutOfMemoryError,栈在分配对象处;Native 内存不足、位图过大、地址空间受限可能表现为 Native 崩溃或 OOM 类错误。区分依据:异常类型、堆存活量、Native 占用、失败分配大小。治理:Java 侧查泄漏与大对象,Native 侧查原生分配与图片解码。OOM 与内存章节指标配合分析。

原理流程

分配失败 → 异常类型
  Java 堆不足 → Java OOM
  Native/地址空间不足 → Native 崩溃/OOM

代码或图示

判别:异常类 + heap 存活 + Native 占用 + 分配大小

常见误区

  • 见到 OOM 一律查 Java 泄漏,忽略 Native 与大图。
  • 只看崩溃点分配语句,不查内存增长背景。

追问

  • 大图导致的 OOM 归哪类?答:像素常在 Native 侧,按解码尺寸与 Native 占用判断,见内存章节。
  • OOM 崩溃率如何单独统计?答:异常类型标记 OOM,与普通异常分开聚合。

07.1.1.11.2-037 低内存杀进程(LMK)与崩溃如何区分?

一句话结论

LMK(低内存杀进程)是系统在内存紧张时主动回收后台进程,进程无崩溃堆栈、无未捕获异常;不能计入崩溃率,需与真正崩溃分开识别。

概念解释

系统内存不足时按优先级杀掉后台进程释放内存,进程被外部终止,应用没有异常栈。特征:无崩溃记录、发生在后台、设备内存紧张、多进程同时受影响。混淆会高估崩溃率、误导治理。识别依据:退出原因、有无异常栈、前后台状态与内存水位。LMK 治理方向是降低内存占用,而非修崩溃代码。

原理流程

系统内存紧张 → LMK 按优先级杀后台进程
  → 无异常栈退出 ≠ 崩溃

代码或图示

区分:崩溃=异常/信号终止有栈;LMK=系统回收无栈

常见误区

  • 把进程被系统杀掉上报为崩溃,崩溃率虚高。
  • 把 LMK 当代码崩溃排查,方向错误。

追问

  • 如何判断退出是 LMK?答:结合退出原因、前后台、内存水位与系统日志,具体判定信号待确认。
  • 减少被 LMK 的手段?答:降低内存峰值与泄漏,后台及时释放缓存,见内存章节。

07.1.1.11.2-038 崩溃按发生时机如何分类(启动/页面/后台)?

一句话结论

按崩溃发生阶段分为启动期、前台页面交互期、后台任务期;不同阶段根因与影响面不同,分类统计便于定位高发场景。

概念解释

  • 启动期:Application/Provider/首页初始化崩溃,影响所有用户进入。
  • 前台交互期:页面操作、列表、提交等路径崩溃,与具体功能相关。
  • 后台期:任务、广播、回调、SDK 后台工作崩溃,可能无前台界面。

阶段标签随崩溃上报采集。启动期崩溃优先级最高,直接影响可用性;后台崩溃影响功能可靠性。分阶段聚合看高发环节。

原理流程

崩溃时刻 → 阶段标签(启动/前台/后台)
  → 分阶段聚合 → 定位高发环节

代码或图示

阶段:cold_start / foreground_page / background_task

常见误区

  • 崩溃不打阶段标签,启动崩溃与后台崩溃混在一起。
  • 后台崩溃被忽略,实际影响静默功能与下次启动。

追问

  • 启动期崩溃为何优先级最高?答:用户无法进入主界面,影响面与口碑最大。
  • 后台崩溃如何捕获?答:后台线程未捕获异常同样需全局处理器记录,见兜底章节。

07.1.1.11.2-039 二次崩溃与崩溃连锁如何处理?

一句话结论

首次崩溃后的兜底/恢复逻辑再次抛错形成二次崩溃,连锁崩溃会掩盖原始根因;处理时区分首崩与兜底异常,保留首崩现场,兜底路径自身做异常隔离。

概念解释

崩溃后清理、重启、恢复逻辑若再次抛异常,记录到的是二次崩溃栈,原始根因被覆盖。治理:兜底处理器内先保存首崩信息再执行恢复;恢复路径包裹 try/catch,避免二次抛出;上报时标注崩溃层级。分析时以首崩堆栈为准,二次栈作为辅助。循环崩溃是反复重启又崩,需保护策略。

原理流程

首崩 → 兜底处理
  → 兜底再次抛错(二次崩溃)
  → 保留首崩栈 + 隔离兜底异常

代码或图示

记录:first_crash_stack / secondary_crash_stack

常见误区

  • 只上报最后一次崩溃栈,丢失原始根因。
  • 兜底逻辑无防护,恢复过程连锁崩溃。

追问

  • 如何区分首崩与二次崩溃?答:记录崩溃发生顺序与处理器层级,标注哪条是原始异常。
  • 兜底为什么还会崩?答:恢复时访问未就绪状态、空引用或资源未初始化。

07.1.1.11.2-040 被忽略的异常与静默失败有什么风险?

一句话结论

空 catch 吞掉异常、只打日志不处理会导致状态不一致与隐蔽故障;应按异常类型决定降级、上报还是抛出,避免静默失败累积成更严重问题。

概念解释

宽泛 catch 后不处理,异常被吞,后续基于错误状态运行,可能引发二次崩溃或功能异常。风险:问题不可见、根因难追溯、数据不一致。规范:捕获具体异常、记录上报、明确降级路径;确实可忽略的异常也要注释说明原因。第三方回调与异步线程尤其容易出现静默吞异常。

原理流程

异常 → catch 空处理
  → 错误状态继续运行
  → 后续不一致/二次故障,无首崩记录

代码或图示

try { risky() } catch (e: Exception) { report(e); fallback() }

常见误区

  • catch (e: Exception) {} 空块吞掉所有异常。
  • 只打印日志不上报,线上静默失败无感知。

追问

  • 异步回调异常为什么容易被吞?答:回调不在原始调用栈,异常无人接管,需全局处理器兜底。
  • 哪些异常可以安全忽略?答:可重试或无副作用的分支,需明确判断并注释,不默认吞。

07.1.1.11.2-041 第三方 SDK 崩溃如何隔离与归因?

一句话结论

SDK 崩溃按堆栈归属到对应库版本,通过版本升级、初始化隔离、异常包裹与进程隔离降低影响;归因时先区分业务帧与 SDK 帧,再决定升级、反馈还是规避。

概念解释

SDK 在其初始化、回调、后台线程中抛出的崩溃,栈帧落在 SDK 包名下。隔离手段:初始化 try/catch 上报降级、关键 SDK 独立进程、避免 SDK 回调直接持有页面。归因流程:识别 SDK 帧与版本 → 查已知问题/升级版本 → 复现反馈给 SDK 方。不能把 SDK 崩溃简单当自身代码修,也不能放任其拖垮主进程。

原理流程

崩溃栈 → 识别 SDK 包帧 + 版本
  → 已知问题/升级/隔离/反馈

代码或图示

归属:业务帧 vs SDK 帧;隔离:初始化包裹 / 独立进程

常见误区

  • SDK 崩溃未隔离,一个库异常拖垮主进程。
  • 不记录 SDK 版本,线上无法判断是否已知问题。

追问

  • 独立进程隔离有何代价?答:多进程内存与通信成本,崩溃不波及主进程但需维护进程生命周期。
  • SDK 回调崩溃如何包裹?答:回调入口统一 try/catch 上报,避免异常沿业务线程扩散。

07.1.1.11.2-042 子线程未捕获异常会怎样?

一句话结论

子线程未捕获异常同样会终止进程,默认处理器按线程上报;线程池中的任务异常若未处理,会沿线程未捕获机制传播,不能假设后台线程崩溃无影响。

概念解释

Java 线程未捕获异常交给该线程的未捕获异常处理器,默认行为通常是终止进程。线程池任务抛出异常若未在任务内捕获,会从工作线程逃逸。治理:任务内部捕获并上报,线程池设置统一未捕获处理器;区分主线程与子线程崩溃栈。后台线程崩溃常被忽视,但同样造成进程退出。

原理流程

子线程任务抛异常 → 任务内未 catch
  → 线程未捕获处理器 → 进程终止

代码或图示

threadPool.execute { try { work() } catch (e: Exception) { report(e) } }

常见误区

  • 以为后台线程崩溃不影响应用;未捕获照样杀进程。
  • 线程池任务异常无人接管,崩溃栈指向工作线程。

追问

  • 协程异常如何传播?答:按作用域与异常处理器传播,未处理的协程异常同样可能崩溃,需结合作用域配置。
  • 如何给线程池统一兜底?答:设置线程工厂的未捕获异常处理器,任务内优先捕获上报。

07.1.1.11.2-043 线上崩溃如何复现并形成最小用例?

一句话结论

依据崩溃栈、版本、设备与现场标签复现路径,逐步剥离无关条件形成最小用例;无法直接复现时按堆栈与数据条件构造场景,验证修复后用例不再崩溃。

概念解释

复现要素:版本、设备档位/系统、页面路径、操作步骤、数据状态、网络条件。先按线上路径走到崩溃页面,再简化到最小触发条件。偶发崩溃需结合并发、时序、缓存状态。最小用例用于本地验证根因与修复回归。复现不了的崩溃保留线上样本与堆栈,标注待复现。

原理流程

线上样本(栈/版本/设备/场景)
  → 本地复现 → 剥离无关条件 → 最小用例
  → 修复 → 用例回归

代码或图示

复现清单:版本 / 设备 / 路径 / 步骤 / 数据 / 网络 / 并发

常见误区

  • 不记录复现条件,换设备/数据后无法稳定触发。
  • 修复后未用最小用例回归,问题复发。

追问

  • 偶发并发崩溃怎么复现?答:重复执行并发路径、调整线程调度,必要时压测放大竞态。
  • 数据相关崩溃如何构造?答:按崩溃字段类型与边界值(空、超长、异常格式)构造样本。

07.1.1.11.2-044 崩溃影响面如何分级?

一句话结论

按影响用户数、崩溃次数、是否启动崩溃、是否核心功能分级;启动崩溃与大面积影响优先处理,长尾低影响问题排期跟进。

概念解释

分级维度:受影响用户占比、崩溃次数、发生阶段(启动/前台/后台)、涉及功能重要性、是否可绕过。高等级:启动崩溃、核心流程崩溃、影响面快速扩大;中等级:次要功能崩溃有绕过;低等级:长尾边缘场景。分级对应响应时效与资源投入。影响用户数比崩溃次数更能反映真实伤害(同一用户反复崩溃)。

原理流程

崩溃簇 → 影响用户数/次数/阶段/功能重要性
  → 分级(P0/P1/P2) → 对应响应时效

代码或图示

分级:启动/核心/大面积 = 高;次要可绕过 = 中;长尾 = 低

常见误区

  • 只按崩溃次数排序,同一用户反复崩溃被放大。
  • 长尾崩溃占用过多资源,核心崩溃响应不足。

追问

  • 影响用户数如何统计?答:去重受影响设备/账号,与崩溃次数分开口径。
  • 分级阈值由谁定?答:团队按业务可用性目标设定,随版本调整。

07.1.1.11.2-045 崩溃采集链路如何设计(捕获→缓存→上报)?

一句话结论

崩溃链路:注册全局未捕获处理器捕获异常 → 生成堆栈与现场 → 本地持久化缓存 → 择机批量上报 → 去重聚合;链路各环节要防丢失、防二次崩溃、控开销。

概念解释

  • 捕获:Java/Kotlin 全局处理器 + Native 捕获器。
  • 生成:堆栈、类型、版本、设备、页面等字段。
  • 缓存:崩溃先落本地,避免进程退出丢失。
  • 上报:下次启动或合适网络批量发送,失败重试。

链路设计要点:捕获处理本身不能再抛异常;缓存容量与条数有限;上报不阻塞启动;去重避免重复轰炸。ANR 现场可复用同一缓存上报通道。

原理流程

捕获异常 → 组装现场 → 本地缓存
  → 启动/联网时批量上报 → 服务端聚合

代码或图示

链路:handler → record → local cache → upload → dedup/aggregate

常见误区

  • 崩溃直接同步上报,阻塞退出或丢失现场。
  • 缓存无限增长,占用磁盘;上报失败无重试。

追问

  • 崩溃瞬间写缓存可靠吗?答:进程即将终止,需轻量持久化,关键信息先落盘,具体可靠性按实现评估(待确认)。
  • 多进程崩溃如何采集?答:各进程独立注册处理器,上报带进程名区分。

07.1.1.11.2-046 UncaughtExceptionHandler 机制与链式处理?

一句话结论

Thread.setDefaultUncaughtExceptionHandler 设置全局未捕获处理器,异常无人处理时回调它;可先保存原默认处理器形成链式:自定义采集上报后再交给默认逻辑终止进程。

概念解释

JVM 线程未捕获异常先找线程自身处理器,再找全局默认处理器。稳定性 SDK 注册全局处理器,在其中记录崩溃、缓存上报,然后调用保存的原始默认处理器,保留系统默认终止行为。链式顺序:先采集再交默认处理。不要在自定义处理器里吞掉异常继续运行而不恢复状态,避免不可控。Native 崩溃有独立捕获链路。

原理流程

未捕获异常
  → 自定义全局 handler:记录+缓存
  → 调用原默认 handler:默认终止行为

代码或图示

val original = Thread.getDefaultUncaughtExceptionHandler()
Thread.setDefaultUncaughtExceptionHandler { t, e ->
    report(t, e)
    original?.uncaughtException(t, e)
}

常见误区

  • 覆盖默认处理器后不调用原逻辑,系统默认行为丢失。
  • 处理器内再抛异常,形成二次崩溃。

追问

  • 处理器里能做重启吗?答:可触发恢复流程,但需在独立逻辑中做,避免处理器内连锁异常,见兜底章节。
  • 全局处理器对 Native 崩溃有效吗?答:无效,Native 走信号捕获,两套链路。

07.1.1.11.2-047 崩溃上报包含哪些堆栈与字段?

一句话结论

上报字段:异常类型与消息、完整堆栈栈帧、线程名/ID、版本/渠道/构建号、设备与系统、页面场景、前后台、时间戳;字段支撑符号化、聚类与下钻。

概念解释

核心是异常栈,附属字段用于定位与聚合。栈帧需保留类/方法/行号(混淆后配合 mapping 还原)。版本与构建号关联 mapping;设备系统解释兼容性问题;页面场景定位触发路径。字段裁剪动态值便于聚类,敏感信息脱敏。Native 崩溃另带信号、故障地址与原生栈。

原理流程

崩溃现场 → 异常栈 + 上下文字段
  → 脱敏 → 缓存 → 上报

代码或图示

字段:throwable / stack / thread / version / device / os / page / fg / time

常见误区

  • 缺版本号,mapping 无法对应还原。
  • 上报带用户输入内容,隐私合规风险。

追问

  • 堆栈深度需要全量吗?答:保留关键帧与业务帧,限制深度控制体积,完整栈按需补采。
  • 如何关联 ANR 与崩溃?答:统一现场字段结构,按类型区分上报。

07.1.1.11.2-048 mapping.txt 如何上传并参与符号化?

一句话结论

每次发布构建产出 mapping.txt,按版本/构建号归档上传到符号化服务;崩溃上报携带版本,符号化时匹配对应 mapping 还原混淆栈帧。

概念解释

R8 构建输出 mapping.txt,记录混淆前后映射。发布流程把 mapping 与版本号绑定归档(版本、渠道、构建变体)。线上崩溃上报带版本,符号化服务取该版本 mapping 反解栈帧。mapping 丢失或错配则堆栈不可读。mapping 属敏感构建产物,需受控保存,不随包分发。

原理流程

发布构建 → 产出 mapping.txt
  → 按版本归档上传
  → 崩溃栈 + 版本 → 匹配 mapping → 还原

代码或图示

归档键:version / buildType / flavor / versionCode

常见误区

  • 多渠道/多变体共用一份 mapping,错配还原。
  • mapping 未随版本保留,旧版本崩溃无法解析。

追问

  • mapping 何时生成?答:R8 收缩混淆阶段产出,具体路径在构建输出目录(待确认)。
  • 重新构建会换 mapping 吗?答:混淆映射受构建输入影响,需以发版归档为准,不能用本地新构建 mapping。

07.1.1.11.2-049 Native 符号表与 so 调试信息如何管理?

一句话结论

Native 崩溃符号化需要对应版本 so 的调试符号(未剥离或归档的符号表),按版本归档;线上包可剥离符号减小体积,符号表单独保存用于还原原生栈。

概念解释

so 内含调试符号时栈可读;发布包常剥离符号减小体积,被剥离的符号需在构建期单独归档。Native 符号表与 Java mapping 分别管理,按版本/ABI/so 名对应。缺少符号表时原生栈只显示地址。管理流程:构建保留符号产物 → 归档 → 符号化时按 so 名+版本+架构匹配。

原理流程

构建 so → 保留调试符号归档
  → 发布包可剥离符号
  → 原生崩溃 → 按版本/ABI 取符号表还原

代码或图示

归档:libxxx.so + 符号表,按 version / abi / 构建

常见误区

  • 只剥离不归档符号,线上原生栈无法还原。
  • 架构/版本不匹配,符号化还原到错误函数。

追问

  • 符号表与 mapping 是一回事吗?答:不是;mapping 对应 Java/Kotlin 混淆,符号表对应 Native so 地址。
  • 如何验证符号表可用?答:用样本原生栈做还原演练,确认函数名与行号可读。

07.1.1.11.2-050 混淆后的崩溃堆栈如何还原?

一句话结论

符号化工具按版本 mapping 把混淆类名、方法名、行号映射回原始符号,必要时结合重排/内联信息还原调用链;还原后再聚类与定位源码。

概念解释

混淆后栈帧是短名与偏移。符号化读取 mapping 中类、方法、字段映射及内联/行号信息,输出原始栈帧。行号在混淆/优化后可能对应映射记录。还原流程自动化在崩溃入库时完成,展示给开发的是可读栈。若 mapping 缺失,堆栈保持混淆态,只能按包名粗分。

原理流程

混淆栈帧 + mapping
  → 类/方法/行号反解
  → 原始可读堆栈 → 源码定位

代码或图示

a.b.c(Unknown:1) → com.example.OrderListPresenter.submit(OrderListPresenter.kt:88)

常见误区

  • 内联方法还原不符合预期,未核对 mapping 内联记录。
  • 混淆名跨版本复用,用错 mapping 还原错乱。

追问

  • 还原后行号对不上源码怎么办?答:核对版本与 mapping 一致性,优化内联可能使行号映射偏移,细节待确认。
  • 第三方库混淆栈如何还原?答:自带 mapping 或未混淆库按其符号处理。

07.1.1.11.2-051 崩溃如何去重聚合为问题簇?

一句话结论

崩溃按归一化堆栈签名聚合成问题簇,同根因多次出现归为一簇;簇维度统计次数与影响用户,优先治理高频高影响簇,避免被海量重复单条淹没。

概念解释

原始崩溃逐条上报,相同根因栈帧序列一致但行号/参数/地址不同。归一化生成签名后聚类。问题簇保留代表栈、异常类型、首末出现版本、影响用户与次数。聚类规则要区分同类不同根因。ANR 簇复用同一套归一化思路。治理按簇推进,修复后观察该簇是否消失。

原理流程

崩溃栈 → 归一化签名
  → 聚类成簇 → 次数/影响用户排序
  → 修复后簇消失验证

代码或图示

簇键:异常类型 + 顶层业务帧序列

常见误区

  • 未聚类,开发逐条看重复崩溃。
  • 归一化过度,不同根因合并误判。

追问

  • 同一根因跨版本栈变了怎么聚?答:按还原后稳定业务帧对齐,必要时人工关联版本演进。
  • 簇内样本如何抽样?答:取代表栈与不同设备样本,覆盖主要触发路径。

07.1.1.11.2-052 崩溃如何按版本、渠道、设备维度聚合?

一句话结论

崩溃簇按版本、渠道、机型档位、系统版本、ABI 等维度下钻,定位问题是否某版本回归、某渠道包特有、某设备/系统兼容问题。

概念解释

单看总量无法定位分布。维度切片:版本看回归引入点,渠道看打包/配置差异,设备档位看兼容性,系统版本看系统变更,ABI 区分 Native 问题。交叉维度找出问题集中的子集。维度标签在采集时一并上报,服务端聚合。维度缺失会导致兼容性问题无法下钻。

原理流程

崩溃簇 × 版本/渠道/设备/系统/ABI
  → 切片定位集中子集

代码或图示

维度:version / channel / device / os / abi / page

常见误区

  • 只看全量崩溃率,问题集中在某版本/设备被平均掩盖。
  • 渠道维度缺失,渠道包特有问题无法区分。

追问

  • 某版本崩溃突增怎么定位?答:对比相邻版本簇差异,新增/放大的簇即回归嫌疑。
  • 低版本设备兼容问题如何识别?答:按系统版本切片,集中在特定版本区间即兼容嫌疑。

07.1.1.11.2-053 崩溃上报时机与批量策略如何设计?

一句话结论

崩溃先本地缓存,在下次启动、联网或合适时机批量上报;控制单次上报条数与体积,失败重试退避,关键崩溃不被延迟太久。

概念解释

崩溃瞬间不宜同步大流量上报。策略:本地持久化队列 → 启动后/联网批量 flush → 条数与体积上限 → 失败退避重试。ANR 与普通崩溃共用队列。批量减少网络唤醒与请求次数。上报时机避开启动关键路径,先保证应用可用。队列满时按优先级淘汰旧样本。

原理流程

崩溃入本地队列
  → 启动/联网 → 批量上报
  → 失败退避重试;超限淘汰旧样本

代码或图示

策略:batch size / 体积上限 / 重试退避 / 优先级淘汰

常见误区

  • 崩溃即同步上报,阻塞启动或退出。
  • 队列无上限,磁盘被崩溃日志占满。

追问

  • 启动崩溃样本何时补传?答:下次成功启动后 flush,本次进程可能已退出,见补传题目。
  • 批量上报失败怎么办?答:保留队列退避重试,连续失败按策略丢弃最旧样本。

07.1.1.11.2-054 崩溃采集自身的性能开销如何控制?

一句话结论

采集链路在内存、CPU、磁盘、网络上都有开销,需轻量采集、采样上报、限制堆栈深度与缓存体积,避免监控本身造成卡顿或耗电。

概念解释

开销来源:抓栈、序列化、写缓存、网络上报。控制手段:堆栈限深、字段裁剪、采样率控制、异步处理、批量上报、缓存上限。采集逻辑不能在主线程做重序列化。线上按版本/场景调采样率,高频问题补采。定期评估监控 SDK 自身的内存与耗电影响。

原理流程

采集 → 限深/裁剪/异步
  → 采样 + 批量上报
  → 缓存上限 + 开销监控

代码或图示

开销项:stack depth / serialize / disk write / network

常见误区

  • 全量抓全栈并同步序列化,崩溃路径加重负担。
  • 未评估监控 SDK 自身内存占用。

追问

  • 采样会不会漏掉关键崩溃?答:启动崩溃与高优簇可提高采样或全量,常规崩溃采样。
  • 如何测量采集开销?答:对比接入前后启动/内存/耗电指标,分场景评估。

07.1.1.11.2-055 崩溃堆栈与现场如何做隐私脱敏?

一句话结论

上报前剔除个人标识、账号、手机号、定位、界面输入等敏感信息,堆栈只保留代码帧;按合规要求最小化采集,敏感字段脱敏或不上报。

概念解释

崩溃现场可能夹带用户输入、URL 参数、账号标识。合规处理:白名单字段上报,敏感参数在序列化前脱敏;堆栈帧本身是代码符号,不含用户内容,但消息/自定义字段需检查。隐私清单与数据采集范围对齐。脱敏规则在采集端执行,避免敏感数据出设备。

原理流程

现场组装 → 敏感字段识别/脱敏
  → 白名单字段 → 缓存上报

代码或图示

脱敏:手机号/账号/定位/输入内容 → 掩码或移除

常见误区

  • 崩溃消息里带请求参数或用户文本,未脱敏上报。
  • 为排查方便全量采集,超出合规最小必要范围。

追问

  • 堆栈类名方法名算敏感信息吗?答:代码符号一般可上报,但需结合公司合规策略评估。
  • 脱敏后影响排查吗?答:保留代码栈与结构化标签,移除个人数据,通常不影响根因定位。

07.1.1.11.2-056 本地缓存的崩溃如何补传?

一句话结论

未上报的崩溃持久化在本地队列,下次启动或联网时检测补传;补传去重、限批、失败重试,保证历史崩溃不丢失且不重复轰炸服务端。

概念解释

崩溃发生时进程可能立即退出,本次上报未完成。本地队列在下次启动后扫描待上传记录,按批量策略补传。补传与新崩溃合并去重,按时间与优先级发送。队列设置容量上限与过期时间,避免长期堆积。补传时机避开启动关键路径。

原理流程

本地待传队列
  → 下次启动/联网扫描
  → 批量补传 + 去重 + 重试/过期清理

代码或图示

队列:记录 / 时间 / 重试次数 / 过期淘汰

常见误区

  • 补传与新崩溃重复上报,服务端重复计数。
  • 队列长期不清理,旧样本占用磁盘。

追问

  • 补传样本版本已过时怎么办?答:超期样本丢弃或标注历史版本,不与新版本混算。
  • 如何避免补传拖慢启动?答:启动后延迟批量发送,限制首批条数。

07.1.1.11.2-057 崩溃率口径如何区分启动崩溃率与全量崩溃率?

一句话结论

崩溃率按分母区分:启动崩溃率以启动次数为分母统计启动期崩溃,全量崩溃率以活跃用户/会话为分母统计所有崩溃;口径固定并在版本间保持一致。

概念解释

  • 启动崩溃率:启动期崩溃次数 / 启动次数,衡量进入可用性。
  • 全量崩溃率:崩溃影响用户 / 活跃用户(或崩溃次数/会话),衡量整体稳定性。

分母选择影响数值,必须文档明确。两个指标分别看:启动崩溃影响首次进入,全量崩溃覆盖交互与后台。不要混用分母汇报。

原理流程

启动崩溃数 / 启动次数 = 启动崩溃率
崩溃影响用户 / 活跃用户 = 全量崩溃率

代码或图示

指标:startup_crash_rate / crash_rate(users or sessions)

常见误区

  • 用启动次数当全量崩溃率分母,口径混乱。
  • 崩溃次数与影响用户数混用汇报。

追问

  • 崩溃率用次数还是用户数?答:影响用户数更贴近体验,次数反映重复崩溃,两者都可保留但口径注明。
  • 启动崩溃如何界定时间窗?答:从进程启动到首屏就绪,具体窗口定义需在口径文档固定(待确认)。

07.1.1.11.2-058 ANR 率的口径与分母如何确定?

一句话结论

ANR 率以发生 ANR 的用户/会话占比统计,分母为活跃用户或会话,按前后台与场景分开;口径与崩溃率独立,避免把卡顿或 LMK 计入 ANR。

概念解释

ANR 率 = ANR 影响用户(或次数)/ 活跃用户(或会话)。区分前台/后台 ANR,因为触发条件与影响不同。只统计系统确认或达到阈值的 ANR 样本,疑似卡顿不计入。样本需带版本与场景标签。ANR 率与崩溃率分开看板,分别对应不同治理链路。

原理流程

ANR 样本(确认) / 活跃用户或会话
  → 前后台分拆 → 版本/场景聚合

代码或图示

指标:anr_rate(fg/bg),分母:users / sessions

常见误区

  • 把卡顿/慢消息当 ANR 计入,ANR 率虚高。
  • 前后台 ANR 混算,后台 ANR 稀释前台体验问题。

追问

  • ANR 次数与影响用户如何选?答:影响用户为主指标,次数辅助看重复发生。
  • 疑似阻塞样本如何处理?答:单独列为预警指标,不并入确认 ANR 率。

07.1.1.11.2-059 启动时长分位与稳定性指标如何关联看?

一句话结论

启动时长分位反映启动速度,崩溃/ANR 率反映启动稳定性;两者结合判断启动质量:既要看快不快,也要看启动过程是否崩溃与无响应。

概念解释

启动优化可能改变初始化路径,需同时观察启动崩溃率与 ANR 率,避免速度提升以稳定性为代价。关联分析:某版本启动 P90 下降但启动崩溃率上升,说明裁剪/异步引入新问题。指标按版本与档位并列看板。启动时长分位口径见性能章节,稳定性口径见本节。

原理流程

启动 P50/P90/P99
  + 启动崩溃率 / 启动 ANR 率
  → 综合评估启动质量

代码或图示

联动看板:startup_p90 / startup_crash / startup_anr

常见误区

  • 只追求启动时长下降,忽略启动稳定性劣化。
  • 把启动崩溃样本从启动时长统计中排除后口径不一致。

追问

  • 异步初始化引入竞态怎么发现?答:看启动崩溃/ANR 是否随版本上升,结合偶发时序样本。
  • 启动指标与稳定性指标分母要一致吗?答:按各自口径统计,关联分析时对齐版本与机型维度。

07.1.1.11.2-060 崩溃率如何做版本对比与灰度观察?

一句话结论

新版本与历史稳定版本同口径对比崩溃率与 Top 簇,灰度阶段按比例放量观察指标变化;新版本崩溃率或新簇超阈值则阻断全量。

概念解释

版本对比:同口径分位/崩溃率对比上一稳定版,新增簇与放大簇重点看。灰度:小比例放量 → 观察崩溃率、ANR、影响用户 → 逐步扩量。灰度样本量小,指标波动大,需结合绝对样本量判断。全量门禁以崩溃率与高优簇为准。对比时剔除已知忽略问题。

原理流程

灰度放量 → 崩溃率/簇对比基线
  → 指标正常 → 扩量;超阈值 → 阻断/回滚

代码或图示

对比:版本 / 灰度比例 / crash_rate / new_clusters

常见误区

  • 灰度样本少就下结论稳定性达标。
  • 只看总崩溃率,未识别新增高危簇。

追问

  • 灰度崩溃率波动多大算异常?答:结合样本量与历史波动设阈值,具体数值按业务基线(待确认)。
  • 如何快速发现版本回归?答:对比相邻版本簇差异,新增簇自动告警。

07.1.1.11.2-061 影响用户数与崩溃次数有何区别,以哪个为准?

一句话结论

崩溃次数是崩溃发生总次数,影响用户数是去重后受影响的设备/用户数;前者反映重复发生强度,后者反映伤害覆盖面,治理优先级以影响用户数为主、次数为辅。

概念解释

同一用户反复崩溃会拉高次数但只算一个影响用户。次数高可能是循环崩溃或高频路径问题;影响用户高说明问题面广。两个指标分开统计:影响用户数决定优先级与口碑影响,次数辅助判断崩溃是否可复现、是否循环。看板同时展示,避免单一指标误导。

原理流程

崩溃记录 → 次数累加
  → 按设备/用户去重 → 影响用户数

代码或图示

指标:crash_count / affected_users(去重)

常见误区

  • 只看次数,把单用户循环崩溃误判为大面积问题。
  • 只看用户数,忽略高频重复崩溃的体验伤害。

追问

  • 循环崩溃用户如何识别?答:短时间内同一设备多次崩溃,结合重启记录判断。
  • 去重口径按设备还是账号?答:按业务定,未登录场景以设备标识为准,口径需固定。

07.1.1.11.2-062 崩溃 TopN 与趋势看板如何设计?

一句话结论

看板按问题簇展示 TopN 崩溃(影响用户/次数排序)与时间趋势,标注版本、状态与负责人;趋势看新增、放大、收敛与修复效果。

概念解释

TopN 列表:簇代表栈、异常类型、影响用户、次数、版本分布、状态。趋势曲线:按天/版本看总量与簇变化。状态区分待处理、修复中、已修复、忽略。看板支撑日常巡检与版本对比。下钻到簇内样本与设备维度。指标口径与告警阈值在看板旁注明。

原理流程

崩溃簇聚合 → TopN 排序
  → 趋势曲线 + 版本/状态标注
  → 下钻样本

代码或图示

看板:top_clusters / trend / version_diff / status

常见误区

  • 看板只列次数,不展示影响用户与趋势。
  • 已修复簇未关闭,长期占据 TopN 干扰判断。

追问

  • 趋势突增如何定位?答:对齐版本发布与灰度时间点,看新增簇还是既有簇放大。
  • 看板需要实时吗?答:高优崩溃近实时告警,日常趋势按天聚合即可。

07.1.1.11.2-063 如何从版本维度发现崩溃回归?

一句话结论

对比相邻版本的崩溃簇集合与指标,新增簇、既有簇放大、启动/核心路径崩溃上升即回归嫌疑;结合变更记录定位引入版本与改动模块。

概念解释

回归发现:新版本崩溃率高于基线,或出现上一版本没有的簇。对比维度:簇增减、各簇影响用户、阶段分布。结合代码变更与发布记录,缩小到改动模块。偶发回归可能在灰度样本不足时未暴露,全量后需持续监控。修复后关联版本验证簇收敛。

原理流程

新旧版本簇 diff
  → 新增/放大簇 → 对照变更记录
  → 定位改动模块 → 修复验证

代码或图示

diff:new clusters / grown clusters / fixed clusters

常见误区

  • 只看总崩溃率,小版本新增高危簇被总量掩盖。
  • 回归问题不关联变更记录,定位靠猜。

追问

  • 灰度未暴露全量才出现怎么办?答:全量后保留版本监控,快速回滚/热修,见灰度章节。
  • 如何判断簇是新增还是老问题再现?答:按历史版本簇出现记录与堆栈签名对齐。

07.1.1.11.2-064 崩溃在设备与系统版本上如何分布分析?

一句话结论

按机型档位、系统版本、CPU 架构、屏幕/内存等维度切片,识别兼容性崩溃集中的设备或系统区间,区分设备性能问题与系统 API 兼容问题。

概念解释

分布分析回答「哪些用户受影响」:集中在低版本系统可能是 API 兼容;集中在某 ABI 多为 Native 问题;集中在低端机可能是内存/资源压力。维度交叉定位子集后,结合该环境复现。系统厂商定制差异也可能导致特有问题。分布标签采集不全则无法切片。

原理流程

崩溃簇 × 机型/系统/ABI/内存
  → 集中子集 → 兼容/资源问题判定

代码或图示

切片:device_class / os_version / abi / ram

常见误区

  • 崩溃集中在某系统版本却按通用逻辑修复,未做兼容判断。
  • 不采 ABI 信息,Native 崩溃无法区分架构。

追问

  • 厂商定制 ROM 特有崩溃怎么处理?答:按厂商/系统版本切片,结合厂商反馈与兼容适配。
  • 低端机崩溃多是代码问题吗?答:可能是内存压力/OOM,需结合内存指标判断,不全是逻辑错误。

07.1.1.11.2-065 崩溃告警阈值与分级如何设定?

一句话结论

告警按崩溃率、影响用户、簇等级与增长速度设定阈值,分级通知;高危(启动崩溃、快速放大)即时告警,长尾问题进周期清单。

概念解释

阈值维度:绝对影响用户、崩溃率、环比增速、是否启动/核心路径。分级对应不同响应时效与通知对象。告警避免过松漏报与过紧疲劳。已知问题与忽略簇不重复告警。阈值结合样本量防小样本误报。告警规则定期复盘校准。

原理流程

崩溃簇指标 → 规则匹配(率/用户/增速/等级)
  → 分级告警 → 通知对应负责人

代码或图示

分级:P0 即时 / P1 当日 / P2 周期清单

常见误区

  • 所有崩溃同一阈值告警,高危被长尾淹没。
  • 告警不带簇与影响面,开发无法判断紧急度。

追问

  • 小样本版本怎么设告警?答:结合绝对样本量,样本不足只记录不强制告警。
  • 告警疲劳如何缓解?答:聚合同簇告警、合并通知、忽略已知问题。

07.1.1.11.2-066 采样率如何保证样本代表性?

一句话结论

采样按崩溃类型与场景分级:启动崩溃/高危簇近全量,常规崩溃按比例采样;采样需覆盖各版本与设备档位,避免只采到部分人群导致指标偏差。

概念解释

全量上报开销大,采样控制成本。分级采样:高影响路径提高采样,长尾降采样。样本代表性要求采样在版本、设备、场景上均匀,不能只在某类环境采样。采样率可远程动态调整,问题爆发时补采。指标计算需考虑采样权重,避免低估。

原理流程

崩溃类型/场景分级
  → 分级采样率 → 均匀覆盖维度
  → 指标按权重还原

代码或图示

采样:startup/高危=高采样;常规=比例采样

常见误区

  • 采样集中在少数设备/版本,指标不代表全量。
  • 采样后指标直接当全量值汇报,未加权。

追问

  • 如何评估采样偏差?答:对比采样样本与全量人群的维度分布一致性。
  • 问题爆发如何快速补采?答:远程提高该簇采样率,收集更多样本定位。

07.1.1.11.2-067 已知崩溃与白名单如何管理?

一句话结论

确认暂不修复或第三方已知问题的崩溃簇标记为忽略/白名单,不计入核心崩溃率与告警;记录原因、预期修复版本与复审时间,避免永久忽略。

概念解释

白名单用途:第三方库待升级问题、复现成本高的长尾、业务可接受的边缘场景。标记后从主指标与告警剔除,但仍保留记录可查。每条忽略需有原因、归属与复审计划,防止问题被长期掩盖。版本更新后复核忽略簇是否仍存在。白名单规则按签名/版本匹配,避免误忽略新问题。

原理流程

簇确认 → 标记忽略(原因/归属/复审时间)
  → 不计核心指标/告警
  → 定期复审

代码或图示

白名单:签名 + 版本范围 + 原因 + 复审日期

常见误区

  • 崩溃长期挂白名单无人跟进,问题掩盖。
  • 白名单规则过宽,新相似崩溃被误忽略。

追问

  • 第三方问题如何进白名单?答:记录 SDK 版本与反馈状态,升级后验证是否消失。
  • 忽略簇还上报吗?答:可保留低优先级记录,不计入核心稳定性指标。

07.1.1.11.2-068 稳定性指标口径如何统一与对账?

一句话结论

崩溃率、ANR 率、影响用户等指标的分母、去重规则、时间窗、纳入排除项形成文档口径,各看板与告警按同一口径计算,定期对账防止数字打架。

概念解释

口径不一致常见:分母用户/会话混用、启动窗口定义不同、LMK/卡顿是否计入不一致、采样权重未还原。统一口径文档:指标定义、计算公式、维度、时间窗、排除规则。采集端与服务端对账,抽查样本核对。版本迭代中新指标先对齐口径再上线。口径变更需记录并同步看板。

原理流程

口径文档(定义/分母/去重/窗口/排除)
  → 采集与看板按口径实现
  → 定期对账抽查

代码或图示

对账项:crash_rate / anr_rate / affected_users 口径一致

常见误区

  • 不同看板分母不同,汇报数字互相矛盾。
  • 忽略 LMK/卡顿纳入规则,稳定性指标虚高。

追问

  • 指标对不上先查什么?答:分母、去重规则、时间窗与排除项。
  • 口径文档谁维护?答:稳定性负责人维护,变更团队评审同步。

07.1.1.11.2-069 灰度发布流程与稳定性门禁如何设置?

一句话结论

灰度按小比例逐步放量,每阶段观察崩溃率、ANR 率、影响用户与核心指标,达标再扩量,超门禁阈值阻断或回滚;门禁指标与阈值在发布前明确。

概念解释

流程:内部包 → 小比例灰度 → 扩量 → 全量。每阶段有观察窗口与门禁:崩溃率、ANR 率、新增高危簇、启动指标。门禁未达标停止扩量。灰度配合远程开关,问题可快速关闭功能。门禁阈值结合历史基线与样本量。全量前最后确认无未处理高危簇。

原理流程

分批放量 → 观察窗口 → 门禁指标
  达标 → 扩量;超阈值 → 阻断/回滚

代码或图示

门禁:crash_rate / anr_rate / new P0 簇 / startup 指标

常见误区

  • 灰度阶段短、样本少就全量。
  • 只看崩溃率,忽略 ANR 与启动劣化。

追问

  • 灰度门禁阈值如何定?答:参照上一稳定版本同口径分位,留合理余量,具体数值待基线确定。
  • 灰度发现问题如何快速止损?答:远程开关关闭功能或回滚版本,见后续题目。

07.1.1.11.2-070 灰度比例与观察时长如何安排?

一句话结论

灰度比例由小到大阶梯放量,每档保留足够观察时长积累样本;比例与时长按用户量、风险等级调整,高风险功能更小比例、更长观察。

概念解释

阶梯:如内部 → 1% → 5% → 20% → 全量,每档观察崩溃/ANR 与业务指标。样本量不足时延长观察或维持比例。高风险改动(核心链路、原生库)首档更小、观察更久。观察时长覆盖典型使用周期与批次启动。灰度比例与时长策略在发布流程中固化。

原理流程

比例阶梯 + 观察窗口
  → 样本量与指标达标 → 下一档
  → 高风险:更小比例/更长窗口

代码或图示

阶梯:1% → 5% → 20% → 100%;窗口按样本量与风险定

常见误区

  • 灰度几小时即全量,未覆盖次日启动等场景。
  • 高风险功能按普通比例放量,影响面扩大快。

追问

  • 样本量怎么判断足够?答:按统计显著性与崩溃率置信区间估算,具体阈值按业务(待确认)。
  • 灰度期间能叠加其他变更吗?答:尽量单变量,便于归因问题来源。

07.1.1.11.2-071 远程开关如何支撑功能降级?

一句话结论

远程配置开关控制功能模块的启用/降级/关闭,线上出现问题时可不发版切换策略;开关按功能粒度设计,具备默认值、生效时机与回退能力。

概念解释

开关类型:功能总开关、参数降级开关、灰度分组开关。问题场景:关闭高风险模块、切换到兜底实现、降低功能复杂度。开关需本地默认值(配置未下发时保守可用)、版本兼容、生效时机明确。开关读取要轻量,不阻塞启动。灰度与开关配合:新功能先按分组开启,异常远程关闭。

原理流程

远程配置下发 → 功能读取开关
  → 开启/降级/关闭分支
  → 异常时远程切换,无需发版

代码或图示

开关:feature_enabled / degrade_mode / gray_group

常见误区

  • 开关无本地默认值,配置未到达时功能异常。
  • 开关只控制入口,模块内部崩溃未被隔离。

追问

  • 开关何时生效?答:启动读取与运行期热更新结合,关键降级需下次生效时机明确(待确认)。
  • 开关配置本身异常怎么办?答:默认保守值兜底,配置拉取失败不影响主流程。

07.1.1.11.2-072 崩溃自愈与功能熔断如何设计?

一句话结论

对易出问题的功能做异常计数与熔断:连续失败达到阈值后自动切换兜底或停用该功能,恢复条件满足后再重试;避免一个功能反复崩溃拖垮整体体验。

概念解释

熔断机制:监控某模块/操作的异常次数,超阈值进入熔断态,走兜底逻辑不再调用风险路径;冷却期后半开探测恢复。自愈是应用在崩溃/异常后自动恢复可用状态,而非反复崩溃重启。熔断粒度按功能模块,与远程开关互补。熔断状态本地记录,避免每次都失败尝试。

原理流程

操作异常计数 → 超阈值熔断
  → 兜底路径 → 冷却期半开探测 → 恢复/继续熔断

代码或图示

状态:closed(正常) / open(熔断兜底) / half-open(探测)

常见误区

  • 不做熔断,问题功能每次被调用都崩溃。
  • 熔断后无恢复探测,功能永久不可用。

追问

  • 熔断阈值如何定?答:按功能重要性与异常频率设定,结合用户影响调整。
  • 熔断与异常上报关系?答:熔断前异常仍上报,熔断态记录降级事件。

07.1.1.11.2-073 配置下发失败或异常如何回滚?

一句话结论

远程配置具备版本与校验机制,下发异常时保留上一份可用配置;问题配置可后台回滚到稳定版本,客户端按本地缓存与默认值兜底。

概念解释

配置风险:下发错误参数导致批量异常。防护:配置版本号、合法性校验、本地缓存上一版、后台可回滚。客户端拉取失败用缓存,校验不通过用默认值。关键配置变更走灰度。配置回滚不依赖发版,是线上止损手段之一。与功能开关联动。

原理流程

配置下发 → 校验 + 版本比对
  → 异常:保留缓存/默认值
  → 后台回滚稳定版本

代码或图示

优先级:本地默认 < 缓存上一版 < 新下发校验通过

常见误区

  • 配置无校验,错误值直接生效造成批量问题。
  • 配置只存内存,进程重启后丢失兜底值。

追问

  • 配置热更新即时生效吗?答:按功能读取时机,部分需下次进入页面生效,需在设计中明确。
  • 如何灰度配置?答:按分组/版本下发,观察指标后全量,与功能灰度一致。

07.1.1.11.2-074 高风险功能如何延迟或灰度开启?

一句话结论

新功能、高风险模块默认不随全量开启,通过灰度分组逐步放量,满足稳定性条件再扩大;不满足则保持关闭或降级,降低一次发布的爆炸半径。

概念解释

高风险:新核心流程、原生库、复杂改动。策略:默认关闭 → 内部/白名单 → 灰度分组 → 达标扩量。功能代码已打包但入口受开关控制。延迟开启也指初始化延迟到空闲/首次使用,避免拖累启动。风险评估结合代码改动面与历史稳定性。

原理流程

功能打包内置 → 开关默认关
  → 分组灰度开启 → 指标达标 → 扩量

代码或图示

分组:内部 / 白名单 / 灰度组 / 全量

常见误区

  • 高风险功能随版本全量开启,问题影响全部用户。
  • 灰度分组未与崩溃/ANR 指标联动。

追问

  • 功能代码打包关闭会占包体吗?答:代码仍在包内,关闭只是运行态不启用;包体优化见混淆压缩章节。
  • 延迟初始化与延迟开启区别?答:前者是初始化时机延后,后者是功能入口按开关控制。

07.1.1.11.2-075 多版本共存与旧版本如何做兜底?

一句话结论

线上同时存在多个历史版本,服务端与应用需兼容旧版本行为;过低版本按策略提示升级或限制部分功能,旧版本崩溃/问题不因新版本修复而自动消失。

概念解释

应用无法强制所有用户升级,旧版本长期在线。兼容性:接口协议向后兼容、旧版本走旧逻辑;崩溃治理需覆盖仍在使用的主要旧版本。过低版本可引导升级或关闭高风险入口。监控按版本分布评估旧版本占比,决定维护投入。旧版本 mapping 与符号表需保留以便解析历史崩溃。

原理流程

多版本在线 → 接口/逻辑兼容
  → 低版本:引导升级/功能限制
  → 历史崩溃按旧版本 mapping 解析

代码或图示

版本分布:主要受支持版本 / 过低版本策略

常见误区

  • 只维护最新版本,旧版本崩溃无人分析。
  • 服务端接口不向后兼容,旧版本批量异常。

追问

  • 如何决定停止维护某旧版本?答:按版本占比与崩溃贡献评估,过低版本引导升级。
  • 旧版本崩溃能热修吗?答:不能改旧包,只能服务端规避或引导升级。

07.1.1.11.2-076 如何避免灰度样本偏差导致误判?

一句话结论

灰度分组需在设备档位、系统版本、用户活跃度上尽量随机且有代表性,避免只覆盖高端机/活跃用户;结合样本量与多维分布判断指标是否可信。

概念解释

灰度若集中在内部员工或高端设备,崩溃率与真实全量偏差大。控制:分组随机化、覆盖各档位与系统、样本量达标。对比灰度组与全量人群的维度分布。小样本下偶发崩溃不代表趋势。灰度指标与业务指标一起看,避免单一稳定性结论。

原理流程

分组随机 → 维度分布核对
  → 样本量达标 → 指标可信
  → 偏差大则调整分组/延长观察

代码或图示

核对:设备/系统/活跃度分布 vs 全量

常见误区

  • 灰度都是内部用户,环境与真实用户差异大。
  • 样本量不足就判定稳定性达标。

追问

  • 如何检验分组代表性?答:对比灰度与全量在关键维度的分布比例。
  • 灰度崩溃率低于全量说明什么?答:可能样本偏差,需核对覆盖人群。

07.1.1.11.2-077 线上如何紧急下线某个问题模块?

一句话结论

通过远程开关关闭问题模块入口或降级到兜底实现,必要时配合发版热修;下线动作快速、可回退,下线后监控该模块崩溃是否收敛。

概念解释

紧急止损顺序:远程开关关闭 → 兜底路径承接 → 观察崩溃收敛;远程无法关闭再考虑热修/回滚版本。模块下线需不影响主流程,兜底页面/数据可用。下线决策基于高危簇与影响面。下线后保留问题样本,修复后再按灰度恢复开启。

原理流程

高危簇确认 → 远程关闭/降级模块
  → 兜底承接 → 监控收敛
  → 修复后灰度恢复

代码或图示

止损:开关关闭 > 降级兜底 > 热修/回滚

常见误区

  • 模块无开关,只能等发版修复,影响面持续扩大。
  • 下线后未监控验证崩溃是否真正收敛。

追问

  • 关闭模块后依赖它的功能怎么办?答:走兜底实现或隐藏入口,避免空引用二次崩溃。
  • 热修与回滚如何选?答:问题小且可补丁发热修;影响面大或热修风险高则回滚上一版本。

07.1.1.11.2-078 降级策略的优先级如何排?

一句话结论

降级按保主流程优先:先保启动与核心链路可用,再降非核心功能与体验;降级动作从远程开关、功能关闭、兜底数据到精简实现逐层选择。

概念解释

优先级:主流程(启动、核心交易/浏览)不可断;次要功能可关闭;体验特性(动效、推荐、扩展模块)可精简。降级分层:关闭高风险模块 → 兜底数据/页面 → 精简功能实现。降级策略预先设计,线上不临时拍脑袋。每级降级有明确触发条件与恢复方式。

原理流程

资源/异常压力
  → 保主流程 → 关非核心 → 兜底数据 → 精简体验

代码或图示

层级:核心链路 > 次要功能 > 体验增强

常见误区

  • 降级时优先砍主流程依赖,导致核心功能不可用。
  • 降级路径未预先设计,线上临时兜底引入新崩溃。

追问

  • 如何确定哪些是核心链路?答:按业务关键路径定义,崩溃与降级资源优先保障。
  • 降级状态如何告知用户?答:按场景展示兜底提示,避免静默失败。

07.1.1.11.2-079 后台任务崩溃如何避免影响主链路?

一句话结论

后台任务、SDK 回调、异步线程的异常独立捕获与隔离,失败上报后走降级,不向主线程/主流程传播;主链路不依赖后台任务的即时成功。

概念解释

后台崩溃若逃逸到默认处理器会终止整个进程,波及前台用户。隔离:任务内 try/catch、线程池统一兜底处理器、后台失败不阻断主流程。主流程对后台结果有超时与空值兜底。多进程场景下后台 SDK 崩溃可由独立进程隔离。隔离不等于吞异常,仍需上报。

原理流程

后台任务执行 → 异常捕获隔离
  → 上报 + 降级 → 主流程不受影响

代码或图示

scope.launch { try { bgWork() } catch (e: Exception) { report(e) } }

常见误区

  • 后台协程/线程异常未捕获,逃逸后杀整进程。
  • 主流程等待后台任务结果,后台失败阻塞前台。

追问

  • 后台任务失败对主流程的影响如何兜底?答:本地缓存/默认值/延迟重试,不阻塞前台渲染。
  • 独立进程隔离适合哪些后台 SDK?答:崩溃影响小、可独立运行的推送/下载/WebView 类,见多进程章节。

07.1.1.11.2-080 灰度发现问题后的快速回滚流程是什么?

一句话结论

确认高危问题后,先远程关闭问题功能/配置止损,再按影响面选择回滚版本或热修;回滚后监控指标恢复,保留样本定位根因,修复后重新灰度。

概念解释

回滚流程:告警确认 → 评估影响面 → 远程开关/配置回滚 → 必要时版本回滚/热修 → 监控收敛 → 根因分析 → 修复重走灰度。版本回滚受渠道与发布流程约束,热修有独立审核。回滚决策快,但根因不能因回滚而省略。回滚后旧版本样本与崩溃记录保留分析。

原理流程

高危确认 → 远程止损 → 版本回滚/热修
  → 指标恢复 → 根因分析 → 修复再灰度

代码或图示

止损顺序:开关 > 配置回滚 > 版本回滚 > 热修

常见误区

  • 回滚后不做根因分析,同类问题再次引入。
  • 回滚流程未预先定义,线上决策拖延扩大影响。

追问

  • 版本回滚有哪些限制?答:应用商店发布与数据迁移约束,具体流程按上架渠道(待确认)。
  • 热修补丁适合什么场景?答:小范围明确修复,无法快速回滚时使用,需独立验证。

07.1.1.11.2-081 如何设置全局未捕获异常处理器?

一句话结论

在应用早期通过 Thread.setDefaultUncaughtExceptionHandler 注册全局处理器,捕获未捕获异常做记录上报,再委托原默认处理器;处理器逻辑必须轻量且自身不抛异常。

概念解释

全局处理器是 Java/Kotlin 崩溃的最后一道拦截点。注册时机要早(Application 初始化阶段),保证后续崩溃都被接管。处理器内:组装现场、写本地缓存、准备上报,然后调用原始默认处理器完成终止。处理器不能做重 IO/网络同步操作,避免在崩溃路径二次出问题。Native 崩溃不走此处理器。

原理流程

Application 早期注册 handler
  → 未捕获异常 → 记录缓存
  → 委托原默认处理器终止

代码或图示

val def = Thread.getDefaultUncaughtExceptionHandler()
Thread.setDefaultUncaughtExceptionHandler { t, e ->
    crashReport.record(t, e)
    def?.uncaughtException(t, e)
}

常见误区

  • 注册时机过晚,早期初始化崩溃未被接管。
  • 处理器内做同步网络上报,阻塞退出流程。

追问

  • 处理器能阻止崩溃退出吗?答:记录后是否终止由默认处理器决定;不建议吞掉异常继续运行在未知状态。
  • 多进程都要注册吗?答:各进程独立设置,主进程与子进程分别注册处理器。

07.1.1.11.2-082 崩溃后是否自动重启,重启策略如何定?

一句话结论

崩溃后是否重启取决于场景:可配置重启次数与间隔,避免循环崩溃;启动期/反复崩溃不盲目重启,进入兜底或等待用户操作。

概念解释

重启策略:崩溃后按策略重启进程恢复界面,提升可用性;但循环崩溃时反复重启只会加重伤害。策略要素:最大重启次数、冷却间隔、崩溃类型判断。启动期崩溃与重复崩溃应停止自动重启,走兜底页面。重启由处理器或系统机制触发,实现需保证状态可重建。是否重启及实现方式按稳定性方案设计(待确认)。

原理流程

崩溃 → 判断重启次数/类型
  → 未超限:延迟重启
  → 超限/启动崩溃:兜底,不再自动重启

代码或图示

策略:max_restart / cooldown / 启动崩溃不重启

常见误区

  • 无条件自动重启,循环崩溃反复拉起耗电且无体验。
  • 重启次数无上限,进程在崩溃-重启间循环。

追问

  • 重启能解决崩溃吗?答:不能修复根因,只是恢复可用性;根因仍需治理。
  • 系统自身的重启行为与应用重启如何区分?答:按进程退出与拉起来源判断,具体机制待确认。

07.1.1.11.2-083 崩溃重启后如何恢复界面状态?

一句话结论

重启后依靠持久化的页面状态、本地缓存与任务栈重建界面;恢复到崩溃前的合理状态,避免直接进入崩溃路径再次触发。

概念解释

崩溃重启后进程与内存状态清空,需从持久化数据恢复:任务栈、页面参数、表单草稿、缓存数据。恢复策略:重建到安全首页或上次页面,校验数据有效性。若崩溃与某状态强相关,重启后避开该状态走兜底。状态保存与恢复要防止恢复流程本身二次崩溃。

原理流程

重启 → 读取持久化状态/任务栈
  → 重建安全界面 → 校验数据 → 恢复使用

代码或图示

恢复:saved instance / 本地缓存 / 任务栈 / 兜底首页

常见误区

  • 重启后直接还原崩溃时的参数,再次触发同一崩溃。
  • 状态未持久化,重启后丢失用户输入与进度。

追问

  • 表单草稿如何保存?答:输入过程中持久化草稿,崩溃重启后恢复或提示。
  • 恢复到深层页面失败怎么办?答:回退到首页兜底,记录恢复路径。

07.1.1.11.2-084 如何识别与保护重复崩溃(循环崩溃)?

一句话结论

短时间内同一设备/进程反复崩溃即循环崩溃;通过崩溃次数与时间窗计数识别,超限后停止自动重启、进入安全模式或兜底,避免持续崩溃耗电与骚扰用户。

概念解释

循环崩溃特征:启动即崩、重启后又崩,短时间多次记录。保护机制:本地记录崩溃次数与时间窗,超限后禁用高风险功能/开关降级、不再自动重启,提示用户。识别结合崩溃签名是否相同。循环崩溃常由损坏状态、配置错误或版本缺陷引起,需上报并引导修复。

原理流程

崩溃计数(时间窗)
  → 超限判定循环崩溃
  → 停止重启 + 降级/安全模式 + 上报

代码或图示

保护:crash_count_window / 同签名重复 / 安全模式

常见误区

  • 不识别循环崩溃,自动重启反复拉起。
  • 循环崩溃样本与普通崩溃混算,指标失真。

追问

  • 安全模式做什么?答:关闭高风险功能、用最小可用界面,等待用户操作或修复版本。
  • 如何解除循环保护?答:版本修复/状态清理后重置计数,具体策略按实现(待确认)。

07.1.1.11.2-085 兜底页面与默认异常 UI 如何设计?

一句话结论

为页面加载失败、数据异常、功能不可用设计兜底 UI(占位、错误提示、重试入口),避免白屏或崩溃;兜底界面自身要轻量、不依赖出问题的模块。

概念解释

兜底场景:接口失败、数据为空、模块降级、崩溃恢复。兜底 UI 提供状态提示与可操作入口(重试、返回、切换兜底)。设计原则:不引用崩溃模块、状态明确、操作可恢复。页面级兜底与全局兜底分层:页面处理自身异常,全局处理器兜底进程级崩溃。兜底文案与交互按产品规范。

原理流程

异常/降级状态 → 渲染兜底 UI
  → 提示 + 重试/返回入口
  → 不依赖故障模块

代码或图示

状态:loading / empty / error / fallback

常见误区

  • 异常后白屏无提示,用户不知发生什么。
  • 兜底页引用出问题的模块,二次崩溃。

追问

  • 重试如何避免立即再次失败?答:退避重试,结合熔断与网络状态。
  • 全局兜底与页面兜底如何分工?答:页面处理可恢复异常,全局处理未捕获崩溃。

07.1.1.11.2-086 主线程与子线程异常处理有何差异?

一句话结论

主线程异常直接影响界面与用户感知,子线程异常未捕获同样终止进程;两者都需全局兜底处理器记录,但业务捕获策略按线程职责区分。

概念解释

主线程崩溃用户立即看到退出;子线程崩溃发生在后台,用户可能下次进入才发现。处理:主线程关键路径显式 catch 走页面兜底;子线程任务内捕获并上报,线程池配统一未捕获处理器。协程按作用域异常机制处理。不要假设子线程异常无害。两类崩溃在上报时标注线程名。

原理流程

主线程异常 → 界面退出,需页面兜底
子线程异常 → 任务内捕获/线程池兜底 → 进程保护

代码或图示

标注:thread=main / thread=worker-pool

常见误区

  • 认为子线程崩了不影响应用,未做捕获。
  • 主线程异常只上报不兜底,用户面对白屏。

追问

  • 协程异常由谁处理?答:作用域的异常处理器/父协程传播,未处理同样崩溃,见协程章节。
  • 线程池任务异常会中断整个池吗?答:未捕获会终止工作线程并可能触发默认处理器,任务内需隔离。

07.1.1.11.2-087 崩溃现场如何保存(状态与日志)?

一句话结论

崩溃时保存关键现场:堆栈、页面路径、近期操作/日志摘要、状态快照,便于复现定位;现场轻量落盘,保护隐私并限制体积。

概念解释

现场信息补充堆栈之外的上下文:崩溃前操作路径、关键状态、近期日志摘要、网络/内存状态。崩溃瞬间保存要快,避免阻塞退出。日志摘要是近期有限条数,不全量写盘。现场随崩溃记录关联,下次启动补传。敏感状态脱敏。现场保存失败不能再抛异常。

原理流程

崩溃发生 → 采集堆栈 + 状态/日志摘要
  → 轻量落盘 → 随崩溃记录补传

代码或图示

现场:page / action / state snapshot / recent log tail

常见误区

  • 崩溃时写大量日志/状态,加重退出阻塞。
  • 现场含敏感状态未脱敏。

追问

  • 崩溃前日志如何保留?答:内存环形缓冲存近期摘要,崩溃时取出落盘。
  • 现场信息多大合适?答:限字段与条数,控制缓存体积,见采集开销题目。

07.1.1.11.2-088 启动期崩溃如何兜底?

一句话结论

启动链路各阶段做异常隔离与兜底:初始化失败降级、首页数据失败走兜底页;启动期崩溃被全局处理器记录,重启后进入安全可用路径而非重复崩溃路径。

概念解释

启动崩溃影响所有用户进入,兜底优先级最高。措施:初始化任务逐个隔离失败降级、首页加载失败兜底展示、启动状态可重建。启动期崩溃上报标记阶段,重启后避开损坏状态。关键 SDK 初始化失败有默认禁用路径。启动崩溃门禁严格,灰度阶段重点观察。

原理流程

启动各阶段 → 异常隔离降级
  → 首页兜底可用
  → 崩溃记录 + 重启安全路径

代码或图示

隔离:init task try/catch + 首页 fallback

常见误区

  • 启动初始化一个 SDK 失败拖垮整个进程。
  • 重启后重复进入崩溃初始化路径,循环崩溃。

追问

  • 启动崩溃如何快速发现?答:启动崩溃率单独监控,灰度阶段优先告警。
  • 初始化降级如何保证功能可用?答:失败模块禁用并提示,核心路径不依赖该模块。

07.1.1.11.2-089 三方崩溃库与自研监控如何并存?

一句话结论

可同时接入三方崩溃 SDK 与自研监控,但需避免重复注册处理器冲突、重复上报与指标口径打架;明确分工,统一去重与聚合。

概念解释

并存风险:多个 UncaughtExceptionHandler 链式覆盖、重复上报浪费流量、两套崩溃口径不一致。处理:梳理处理器链顺序,三方与自研各司其职;上报服务端按签名去重;指标以一套主口径为准。Native 捕获同理避免信号处理冲突。选型时评估是否需要双采。

原理流程

处理器链:自研 ↔ 三方
  → 去重聚合 → 主口径统一

代码或图示

分工:三方通用能力 / 自研业务标签与降级

常见误区

  • 重复注册处理器导致一方被覆盖。
  • 两套崩溃数据各报各的,稳定性指标对不上。

追问

  • 处理器链顺序有影响吗?答:后注册可覆盖默认链,需明确调用原始 handler,避免行为丢失。
  • 双采成本如何控制?答:采样互补,避免全量重复上报。

07.1.1.11.2-090 为何不能在自定义处理器里吞掉系统默认行为?

一句话结论

自定义处理器应在记录上报后委托原始默认处理器,保留系统默认终止/处理行为;吞掉异常继续运行会处于未知状态,引发二次崩溃与不可控行为。

概念解释

未捕获异常意味着程序已偏离预期状态,继续运行可能访问非法状态导致更多问题。正确做法:采集现场后交回默认处理器,由系统按默认策略终止。不建议在处理器里强行恢复运行。若需重启/兜底,应在受控的独立流程中实现,并先保证状态可重建。吞异常还会掩盖真实崩溃,监控失真。

原理流程

自定义 handler 记录
  → 调用原默认 handler
  → 系统默认终止行为保留

代码或图示

handler { t, e -> report(e); original?.uncaughtException(t, e) }

常见误区

  • 覆盖默认处理器后不调用原逻辑,改变系统行为。
  • 处理器内 catch 住异常继续跑,状态未知。

追问

  • 记录后必须终止吗?答:默认行为是终止;应用如需重启兜底,在独立受控流程做,不在处理器内直接恢复业务。
  • 不委托默认处理器有何风险?答:进程行为不确定,可能残留异常状态且崩溃不被系统正确记录。

07.1.1.11.2-091 崩溃恢复后如何保证数据一致性?

一句话结论

崩溃重启后校验本地数据与缓存有效性,拒绝恢复损坏或过期状态;写操作保证事务完整,避免半提交数据进入后续流程。

概念解释

崩溃可能发生在写入中途,留下半成品数据。恢复时:校验数据完整性与版本,损坏则回退到上次一致状态或重建;数据库操作走事务,本地缓存标注有效性。崩溃现场未完成的提交不自动当作成功恢复。数据一致性问题本身也可能是崩溃来源,需在存储层保障。

原理流程

重启 → 校验本地数据/缓存
  → 损坏/过期 → 回退或重建
  → 有效 → 恢复使用

代码或图示

校验:版本 / 完整性 / 事务状态;损坏兜底重建

常见误区

  • 直接读取崩溃时半写入的数据,引发二次异常。
  • 缓存无有效性标记,脏数据被当成功结果使用。

追问

  • 数据库半提交如何避免?答:事务包裹写入,失败回滚,见存储章节。
  • 恢复后数据与服务端不一致怎么办?答:以服务端为准做一次校验或同步。

07.1.1.11.2-092 崩溃治理的闭环流程是什么?

一句话结论

治理闭环:采集发现 → 聚类定级 → 复现定位 → 修复 → 灰度验证 → 上线观察收敛 → 沉淀模式;闭环确保问题真正解决且不复发。

概念解释

完整链路:线上监控发现簇 → 定级排优先级 → 本地复现定位根因 → 修复 → 灰度验证 → 全量后观察该簇收敛 → 总结根因模式入库。每步有责任人与状态。修复后未观察收敛不算闭环。偶发问题标注待复现并持续监控。闭环流程把被动救火转为持续改进。

原理流程

发现 → 定级 → 复现定位 → 修复
  → 灰度验证 → 观察收敛 → 模式沉淀

代码或图示

闭环状态:open / fixing / verifying / closed / monitoring

常见误区

  • 修复上线即关闭,未验证线上簇收敛。
  • 同类问题反复出现,未沉淀根因模式与预防措施。

追问

  • 闭环各阶段时限如何定?答:按问题等级对应响应与修复 SLA,见后续题目。
  • 无法复现的问题如何闭环?答:保留监控与样本,标注待复现,不强行关闭。

07.1.1.11.2-093 崩溃治理目标与优先级如何排序?

一句话结论

治理目标是持续降低崩溃率与 ANR 率、消除高危簇;优先级按影响用户、严重程度、路径关键性排序,先保启动与核心链路,再治理次要与长尾。

概念解释

目标量化:崩溃率/ANR 率下降到基线内、高危簇清零。排序依据:影响用户数、是否启动/核心路径、崩溃频次、可修复性。资源优先投入高影响簇。长尾问题按周期清单排期。治理不只看单次修复,关注版本趋势与回归预防。目标随版本基线迭代设定。

原理流程

簇清单 → 影响面 × 严重度 / 成本
  → 高优先治理 → 指标收敛 → 长尾排期

代码或图示

排序:启动/核心 > 高频高影响 > 次要功能 > 长尾

常见误区

  • 优先修容易复现的小问题,高影响长尾被拖延。
  • 只追求单次崩溃数下降,不关注趋势与回归。

追问

  • 治理目标数值如何定?答:结合历史基线与可用性目标,分阶段设定,不照搬外部数字。
  • 第三方崩溃如何排优先级?答:同样按影响面排序,推动 SDK 升级/反馈。

07.1.1.11.2-094 崩溃修复如何做验证与回归?

一句话结论

修复后先用最小用例本地复现验证不再崩溃,再走灰度观察对应簇收敛;补充自动化用例覆盖崩溃路径,防止同类问题回归。

概念解释

验证层次:本地复现用例通过 → 代码评审 → 灰度观察修复簇不再出现/下降 → 全量后持续监控。回归防护:把崩溃场景转为自动化测试用例,纳入测试体系。修复需确认未引入新崩溃簇。验证对比修复前后同场景指标。无法稳定复现的问题靠线上样本观察收敛。

原理流程

修复改动 → 本地用例验证
  → 灰度观察簇收敛
  → 自动化用例回归 → 全量监控

代码或图示

验证:用例 / 评审 / 灰度簇 / 自动化回归

常见误区

  • 本地改完未复现验证即上线。
  • 未补自动化用例,同类崩溃再次引入。

追问

  • 灰度如何确认修复生效?答:对应修复版本后该签名簇不再出现或显著下降。
  • 修复引入新问题怎么办?答:灰度门禁拦截,新簇告警回滚。

07.1.1.11.2-095 稳定性测试如何覆盖崩溃与 ANR 场景?

一句话结论

稳定性测试通过自动化场景遍历、压测并发、异常注入、弱网低内存等手段主动暴露崩溃与 ANR;覆盖核心路径、边界条件与异常分支,而非仅跑正常流程。

概念解释

测试类型:功能路径遍历、长时间/重复操作压测、并发线程竞争、异常输入与空数据、弱网与低内存、后台切换。目标是在上线前触发未捕获异常、泄漏与阻塞。自动化跑核心场景采集崩溃与卡顿指标。崩溃边界用例(空值、越界、格式错误)纳入用例集。测试环境尽量覆盖低端机与目标系统版本。

原理流程

场景遍历 + 压测 + 异常注入
  → 采集崩溃/ANR/卡顿
  → 上线前拦截

代码或图示

覆盖:核心路径 / 边界输入 / 并发 / 弱网 / 低内存 / 后台

常见误区

  • 只测正常流程,异常分支与并发路径未覆盖。
  • 测试只用高端机,资源紧张场景崩溃漏测。

追问

  • 如何自动化判断测试中崩溃?答:运行期捕获未捕获异常与 ANR 信号,超阈值判定用例失败。
  • 异常注入有哪些手段?答:空值/畸形数据、延迟返回、权限拒绝、资源不足模拟。

07.1.1.11.2-096 线上问题分级响应 SLA 如何设定?

一句话结论

按问题等级(P0/P1/P2)定义响应时间、处理时限与升级路径;P0 启动/大面积崩溃即时响应止损,长尾问题周期跟进,SLA 与告警分级对应。

概念解释

分级标准:影响面、严重度、路径关键性。SLA:首次响应时长、止损时限、修复版本节点。P0 即时告警、先止损后根因;P1 当日处理;P2 排期。升级路径:开发 → 负责人 → 团队/管理层。SLA 在流程文档固定,定期复盘达成率。崩溃与 ANR 分级一致。

原理流程

告警分级 → 对应 SLA(响应/止损/修复)
  → 升级路径 → 复盘达成率

代码或图示

P0 即时止损 / P1 当日 / P2 排期

常见误区

  • 无 SLA 约定,高危问题响应拖延。
  • 所有等级同一流程,P0 被长尾拖慢。

追问

  • P0 止损和根因修复哪个优先?答:先止损(开关/回滚),再深入根因,两者并行推进。
  • SLA 达成率如何衡量?答:按各等级响应与修复时限统计,纳入稳定性复盘。

07.1.1.11.2-097 稳定性指标如何纳入版本门禁?

一句话结论

版本发布前校验崩溃率、ANR 率、高危簇与启动稳定性指标,超门禁阈值阻断发布;门禁在 CI/发布流程中自动检查,防止稳定性劣化版本全量。

概念解释

门禁指标:崩溃率/ANR 率对比基线、是否存在未处理 P0/P1 簇、启动崩溃与关键路径稳定性。自动化跑基准与场景测试,结合灰度数据判定。门禁阈值留余量,区分阻断项与告警项。门禁随版本基线更新。未过门禁需修复或走例外审批。

原理流程

构建/灰度 → 稳定性指标采集
  → 对比门禁阈值
  → 通过放行;超阈值阻断/例外

代码或图示

门禁:crash_rate / anr_rate / P0 簇 / startup 稳定性

常见误区

  • 门禁只看编译通过,不校验线上稳定性指标。
  • 门禁阈值过松,劣化版本仍可全量。

追问

  • 门禁数据来自哪里?答:自动化测试 + 灰度样本,结合历史基线。
  • 例外发布如何管理?答:记录例外原因与责任人,限期补齐治理。

07.1.1.11.2-098 常见崩溃根因模式有哪些,如何沉淀成模式库?

一句话结论

把高频崩溃归类为可复用根因模式(空指针、越界、状态未就绪、并发竞争、资源未关闭、兼容问题等),模式库附排查思路与预防措施,供评审与新代码对照。

概念解释

模式库来源:历史崩溃簇归纳出的共性根因。每类模式:典型栈特征、成因、排查步骤、预防手段。用于代码评审自查、新成员培训、同类问题快速定位。模式库随新案例持续补充。常见模式:NPE 空对象、类型转换、数组/列表越界、非法状态、并发修改、资源泄漏、版本兼容、Native 内存破坏。

原理流程

历史簇归纳 → 根因模式 + 排查/预防
  → 评审对照 / 培训复用
  → 新案例补充

代码或图示

模式:NPE / 越界 / 状态 / 并发 / 资源 / 兼容 / Native

常见误区

  • 崩溃逐个修完不归纳,同类问题重复出现。
  • 模式库只列现象,不给预防措施。

追问

  • 模式库如何在编码阶段落地?答:评审清单对照模式检查,静态规则覆盖可自动化项。
  • 新模式如何入库?答:高优簇修复后补充根因与预防要点。

07.1.1.11.2-099 崩溃监控 SDK 选型对比看哪些维度?

一句话结论

选型对比:采集能力(Java/Native/ANR)、符号化与聚合、上报性能开销、隐私合规、稳定性与自身可靠性、接入成本、自定义扩展与服务端能力。

概念解释

关键维度:覆盖崩溃类型(Java/Kotlin、Native、ANR、OOM)、堆栈符号化与聚类、上报批量与采样、本地缓存补传、隐私脱敏、SDK 自身内存耗电、接入与维护成本、自定义标签/回调、看板告警能力。可自研与三方结合。选型先明确自身需求(Native 覆盖、合规、定制化),再逐项评估。具体三方产品能力以官方文档为准(待确认)。

原理流程

需求清单 → 维度对比(能力/开销/合规/成本)
  → 选型 / 组合自研

代码或图示

维度:crash 覆盖 / 符号化 / 开销 / 合规 / 接入 / 扩展

常见误区

  • 只看崩溃采集数量,忽略 SDK 自身开销与合规。
  • 未评估 Native/ANR 覆盖,线上留盲区。

追问

  • 自研还是三方?答:通用采集用三方,业务标签与降级可自研叠加,按团队能力权衡。
  • 如何验证 SDK 可靠性?答:测试期注入崩溃验证采集完整度,评估自身性能影响。

07.1.1.11.2-100 稳定性治理体系全景包含哪些部分?

一句话结论

稳定性体系由采集监控、指标口径、告警分级、灰度门禁、兜底恢复、治理闭环与模式沉淀组成,覆盖发现、定位、止损、修复、预防全链路。

概念解释

全景分层:采集层(崩溃/ANR/现场)→ 平台层(符号化、聚合、看板)→ 告警层(分级通知)→ 发布层(灰度门禁、开关熔断)→ 兜底层(处理器、重启保护、兜底 UI)→ 治理层(闭环流程、SLA、模式库、测试预防)。各层衔接形成持续改进闭环。体系目标是降低线上崩溃/ANR 率并快速止损。

原理流程

采集 → 聚合看板 → 告警分级
  → 灰度门禁/开关止损
  → 兜底恢复 → 闭环修复 → 模式预防

代码或图示

体系:监控 / 指标 / 告警 / 发布 / 兜底 / 治理

常见误区

  • 只做崩溃采集上报,缺兜底、门禁与预防,反复救火。
  • 各环节口径与流程不衔接,问题流转断裂。

追问

  • 体系先建哪部分?答:先采集与核心指标看板,再补告警、门禁与兜底,逐步完善治理闭环。
  • 如何衡量体系有效性?答:看崩溃/ANR 率趋势、高危簇收敛速度与复发率。

参考来源

待整理清单

  • [ ] 核对各系统版本 ANR 阈值、信号类型与后台限制的具体行为差异(待确认)
  • [ ] 补充项目实际稳定性 SDK 的采集字段、采样率与上报链路
  • [ ] 整理崩溃/ANR 率口径文档:分母、去重规则、时间窗与排除项
  • [ ] 补充灰度门禁阈值、分级 SLA 与回滚流程的工程落地细节
  • [ ] 核对 Native 符号表归档、mapping 版本管理与符号化工具链流程(待确认)
  • [ ] 沉淀项目常见崩溃根因模式库与评审自查清单