Android死锁初探
本文字数：7444字
预计阅读时间：19分钟
一、什么是死锁
说到死锁，大家可能都不陌生，每次遇到死锁，总会让计算机产生比较严重的后果，比如资源耗尽，界面无响应等。死锁的精确定义：
集合中的每一个进程（或线程）都在等待只能由本集合中的其他进程（或线程）才能引发的事件，那么该组进程是死锁的。
对于这个定义大家可能有点迷惑，换一种通俗的说法就是：
死锁是指两个或两个以上的线程在执行过程中，由于竞争资源或者由于彼此通信而造成的一种阻塞的现象，若无外力作用，它们都将无法推进下去。此时称系统处于死锁状态或系统产生了死锁，这些永远在互相等待的进程称为死锁进程。
经典的“哲学家进餐问题”可以帮助我们形象的理解死锁问题。
有五个哲学家，他们的生活方式是交替地进行思考和进餐，哲学家们共用一张圆桌，分别坐在周围的五张椅子上，在圆桌上有五个碗和五支筷子，平时哲学家进行思考，饥饿时便试图取其左、右最靠近他的筷子，只有在他拿到两支筷子时才能进餐，该哲学家进餐完毕后，放下左右两只筷子又继续思考。
当五个哲学家同时去取他左边的筷子，每人拿到一只筷子且不释放，即五个哲学家只得无限等待下去，这样就产生了死锁的问题
在计算机中也可以用有向图来描述死锁问题，首先假定每个线程为有向图中的一个节点,申请锁的线程A为起点, 拥有锁的线程B为终点，这样就形成线程A到线程B的一条有向边，而众多的锁(边)和线程(点), 就构成了一个有向图。
如果在有向图中形成一条环路，就会产生一个死锁，如上图所示。在很多计算机系统中，检测是否有死锁存在就是将问题抽象为寻找有向图中的环路。
二、常见的死锁的场景
下面分析几种常见的死锁形式：
锁顺序死锁
public class TestDeadLock {
private final Object lockA = new Object();
private final Object lockB = new Object();
public void lockAtoB(){
synchronized (lockA){
synchronized (lockB){
doSomething();
}
}
}
public void lockBtoA(){
synchronized (lockB){
synchronized (lockA){
doSomething();
}
}
}
private void doSomething(){
System.out.println("doSomething");
}
}上述代码中，如果一个线程调用lockAtoB()，另一个线程调用lockBtoA()，并且两个线程是交替执行，那么在程序运行期间是有一定几率产生死锁。
而产生死锁的原因是：两个线程用不同的顺序去获取两个相同的锁，如果可以始终用相同的顺序，即每个线程都先获取lockA，然后再获取lockB，就不会出现循环的加锁依赖，也就不会产生死锁。
当然上面的代码只是一个示例，实际的代码中不会这么简单，而有些函数中，虽然看似都是以相同的顺序加锁，但是由于外部调用的不确定性，仍然会导致实际以不同的顺序加锁而产生死锁。
再看一个例子：
//仓库
public static interface IStore{
public void inCome(int count);
public void outCome(int count);
}
/**
* 从 in 仓库 调用货物去 out仓库
* @param from
* @param to
* @param count 调用货物量
*/
public void transportGoods(IStore from,IStore to,int count){
synchronized (from){
synchronized (to){
from.outCome(count);//出仓库
to.inCome(count);//入仓库
}
}
}货运公司将货物从一个仓库转运到另一个仓库，转运前，需要同时获得两个仓库的锁，以确保两个仓库中的货物数量是以原子方式更新。看起来这个函数都是以相同的顺序获取锁，但这只是函数内部的顺序，而真正的执行顺序，取决于外部传入的对象。
transportGoods(storeA,storeB,100);
transportGoods(storeB,storeA,40);如果用上述代码调用，在频繁的调用过程中，也很容易产生死锁。从上面的代码中可以看出，需要一个方法来确保在整个程序运行期间，锁都按照事先定义好的顺序来获取。这里提供一种方式：通过比较对象的hashcode值，来定义锁的获取顺序。
下面来改造一下上述代码
private static final Object extraLock = new Object();
/**
* 从 in 仓库 调用货物去 out仓库
* @param from
* @param to
* @param count 调用货物量
*/
public void transportGoods(IStore from,IStore to,int count){
int fromHashCode = System.identityHashCode(from);
int toHashCode = System.identityHashCode(to);
if(fromHashCode > toHashCode){
synchronized (from){
synchronized (to){
transportGoodsInternal(from,to,count);
}
}
}else if(fromHashCode < toHashCode){
synchronized (to){
synchronized (from){
transportGoodsInternal(from,to,count);
}
}
}else {//hash散列冲突，需要用新的一个锁来保证这种低概率情况下不出现问题
synchronized (extraLock){
synchronized (from){
synchronized (to){
transportGoodsInternal(from,to,count);
}
}
}
}
}
public void transportGoodsInternal(IStore from,IStore to,int count){
from.outCome(count);//出仓库
to.inCome(count);//入仓库
}上述代码不难理解，使用hashcode的大小来唯一确定锁的顺序，需要值得注意的是，使用identityHashCode
而不是对象自身的hashCode方法，这样可以降低用户重写hashcode后带来的冲突风险。具体可参考 System.identityHashCode(obj) 与 obj.hashcode()的区别。
当然使用identityHashCode也不能完全避免冲突，当identityHashCode也冲突的时候，引入了额外的一个锁extraLock，这个锁是static的，也就是说，整个应用程序只有一个，虽然理论上整个程序都使用一个 extraLock可能会导致并发性能的下降，但是考虑实际情况下，identityHashCode冲突的可能性非常小，所以并发性能问题也将不是问题。
那么如果能从业务的层面找到IStore中唯一的，不可变的编码，例如，仓库在数据库中的唯一编码，就可以不使用hashcode了，也可以避免使用extraLock。当然这需要大家通过实际的业务逻辑来进行分析提取这个唯一编码。
需要注意的是，使用hashcode这种方式是兼容性最好，成本最低也最不容易出错的方式，如果使用自有编码，你需要确保编码的唯一性，不可变性，这要保证这一点很不容易。
多个对象协作发生的死锁
之前讨论的死锁发生在一个对象内部，这样的死锁问题，比较明显，也容易发现。当互相调用的类变为两个或者更多，而两个类中又分别有各自加锁同步的逻辑，这样的死锁隐藏在代码逻辑中，不容易发现，也不容易寻找。
首先来看一个例子。
/**
* 玩游戏者
*/
class Player {
private SystemMonitor monitor;
private int cardCount;//收集的卡片的数量
public Player(SystemMonitor monitor) {
this.monitor = monitor;
}
public synchronized int getCardCount() {
return cardCount;
}
public synchronized void collectCard(int count){
cardCount += count;
if(cardCount >= 50){
monitor.notifyComplete(this);
}
}
}
/**
* 监控系统
*/
class SystemMonitor {
private ArrayList<Player> playerArrayList;//所有玩家
private ArrayList<Player> completePlayerArrayList = new ArrayList<>();//完成的玩家
//通知监控系统完成
public synchronized void notifyComplete(Player player){
System.out.println("玩家完成收集");
completePlayerArrayList.add(player);
}
//实时监控大家手中牌的数量
public synchronized void monitorAllPlayer(){
for (Player player : playerArrayList){
System.out.println("玩家有"+ player.getCardCount() + "张牌");
}
}
}Player代表玩家，玩家收集完成，50张牌后通知监控系统自己完成游戏，而监控系统通过monitorAllPlayer来实时监控玩家目前手中的牌的数量。
不难理解，在Player和SystemMonitor的方法中加锁，是为了避免数据的不一致性。粗略看这一段代码时，没有任何方法会显式的获取两个锁。但是collectCard方法与monitorAllPlayer方法由于调用了外部类的方法，所以他们其实是会拥有两个锁的。
假设这样一种情形，当一个玩家收集满50张牌，他通知监控系统他已完成收集，玩家先后获取了Player对象的锁与SystemMonitor对象的锁，而这个时候，监控系统正在扫描所有玩家，而监控系统会先获取自身的锁，然后再获取玩家的锁。
这样就有可能出现在两个线程中获取锁顺序不一致的情况，因此就有可能产生死锁。
当一个对象的方法在持有锁期间调用外部方法，这时应该格外注意，因为无法显式判断外部方法是否有其他锁，而这样就有可能产生死锁。
针对上述描述，该如何避免死锁呢？
首先引入一个术语开放调用，即调用某个方法的时候，不需要持有锁，这种调用称为开放调用。通过尽可能地使用开放调用，更容易找出其他锁的路径，也更容易保证加锁的顺序，以此来避免死锁问题。
上述的代码很容易修改为开放调用，此时需要做的就是缩小锁的粒度，使得同步方法只用来保护真正需要保护的变量或者代码段。
public void collectCard(int count){
boolean isComplete = false;
synchronized (this){
cardCount += count;
if(cardCount >= 50){
isComplete = true;
}
}
if(isComplete){
monitor.notifyComplete(this);
}
}
//实时监控大家手中牌的数量
public void monitorAllPlayer(){
ArrayList<Player> copy;
synchronized (this){
copy = new ArrayList<>(playerArrayList);
}
for (Player player : copy){
System.out.println("玩家有"+ player.getCardCount() + "张牌");
}
}线程饥饿死锁
在线程池中，如果任务依赖于其他任务，就可能产生死锁。举一个简单的单线程Executor的例子，如果任务A已经在Executor中运行，而任务A又向相同的Executor中提交了一个任务B，通常情况下，这样会产生死锁。
任务B在队列中一直等待任务A完成，而任务A由于是在单线程Executor中，所以又在等待任务B执行完成，这样就造成了死锁。在更大的线程池中，考虑极限情况，如果所有正在执行任务的线程，都在等待之前提交到线程池中排队的任务，这样线程会永远等待下去，这种问题称为线程饥饿死锁。
下面的代码展示了线程饥饿死锁。
private ThreadPoolExecutor executor = new ThreadPoolExecutor(5,5,0,TimeUnit.MILLISECONDS,new LinkedBlockingQueue<Runnable>());;
@Test
public void test() throws ExecutionException, InterruptedException {
int count = 0;
while (true) {
System.out.println("开始 = " + (count));
start();
System.out.println("结束 = " + (count++));
Thread.sleep(10);
}
}
public void start() throws ExecutionException, InterruptedException {
Callable<String> second = new Callable<String>() {
@Override
public String call() throws Exception {
Thread.sleep(100);
return "second callable";
}
};
Callable<String> first = new Callable<String>() {
@Override
public String call() throws Exception {
Thread.sleep(10);
Future<String> secondFuture = executor.submit(second);
String secondResult = secondFuture.get();
Thread.sleep(10);
return "first callable. second result = " + secondResult;
}
};
List<Future<String>> futures = new ArrayList<>();
for(int i = 0; i< 5; i++){
System.out.println("submit : " + i);
Future<String> firstFuture = executor.submit(first);
futures.add(firstFuture);
}
for(int i = 0; i < 5; i++){
String firstrResult = futures.get(i).get();
System.out.println(firstrResult + ":" + i);
}
}三、Android系统处理死锁方案
Android系统的Framework层有一个WatchDog用于定期检测关键系统服务是否发生死锁。WatchDog功能主要是分析系统核心服务和重要线程是否处于Blocked状态。
下面我们以Android 9.0为例分析WatchDog的实现原理。通过分析源码，也可以给自己实现一套死锁监控提供一些思路。源码见：WatchDog
看源码之前，可以先自己思考下，如果让我们去实现一个WatchDog，我们会如何设计。其实原理倒是不难，无外乎需要做两件事情。
- 定期轮询检测系统中核心的线程的状态
- 检测到卡死后，将相关对应的线程，进程及其他软硬件信息输出
其实WatchDog也是这么设计的。WatchDog是继承自Thread，那么我们分析它的工作流程也就从run方法开始吧。
为了方便代码展示，下面源码只保留一些关键代码。run方法是整个检测的核心，我在代码片段里面标注了“代码关键点*”字样，方便在文中引用定位。
public void run() {
boolean waitedHalf = false;
while (true) {//我们要在Android系统运行的整个过程中监控，当然我们需要一个死循环
final List<HandlerChecker> blockedCheckers;
final String subject;
final boolean allowRestart;
int debuggerWasConnected = 0;
synchronized (this) {
long timeout = CHECK_INTERVAL;
//代码关键点1
for (int i=0; i<mHandlerCheckers.size(); i++) {
HandlerChecker hc = mHandlerCheckers.get(i);
hc.scheduleCheckLocked();
}
....
//代码关键点2
long start = SystemClock.uptimeMillis();
while (timeout > 0) {
...
try {
wait(timeout);
} catch (InterruptedException e) {
Log.wtf(TAG, e);
}
...
timeout = CHECK_INTERVAL - (SystemClock.uptimeMillis() - start);
}
...
//代码关键点3
boolean fdLimitTriggered = false;
if (mOpenFdMonitor != null) {
fdLimitTriggered = mOpenFdMonitor.monitor();
}
//代码关键点4
if (!fdLimitTriggered) {
final int waitState = evaluateCheckerCompletionLocked();
if (waitState == COMPLETED) {
waitedHalf = false;
continue;
} else if (waitState == WAITING) {
continue;
} else if (waitState == WAITED_HALF) {
if (!waitedHalf) {
ArrayList<Integer> pids = new ArrayList<Integer>();
pids.add(Process.myPid());
ActivityManagerService.dumpStackTraces(true, pids, null, null,
getInterestingNativePids());
waitedHalf = true;
}
continue;
}
blockedCheckers = getBlockedCheckersLocked();
subject = describeCheckersLocked(blockedCheckers);
} else {
blockedCheckers = Collections.emptyList();
subject = "Open FD high water mark reached";
}
allowRestart = mAllowRestart;
}
//代码关键点5
//代码运行到这里，说明系统已经卡死
final File stack = ActivityManagerService.dumpStackTraces(
!waitedHalf, pids, null, null, getInterestingNativePids());
doSysRq('w');
doSysRq('l');
...
IActivityController controller;
if (controller != null) {
...
int res =controller.systemNotResponding(subject);
if (res >= 0) {
...
continue;
}
}
// 代码关键点6
if (Debug.isDebuggerConnected()) {
debuggerWasConnected = 2;
}
if (debuggerWasConnected >= 2) {
} else if (debuggerWasConnected > 0) {
} else if (!allowRestart) {
} else {//只有这种情况下，杀死system_server
...
//代码关键点6
Process.killProcess(Process.myPid());
System.exit(10);
}
waitedHalf = false;
}
}整个run方法是一个死循环，这也是可以理解的，毕竟WatchDog需要在Android系统的整个运行期间进行监测。
在“代码关键点1”这里，通过遍历所有需要检测的线程，需要检测的线程集合是在WatchDog的构造函数中初始化的。
private Watchdog() {
super("watchdog");
...
mMonitorChecker = new HandlerChecker(FgThread.getHandler(),
"foreground thread", DEFAULT_TIMEOUT);
mHandlerCheckers.add(mMonitorChecker);
mHandlerCheckers.add(new HandlerChecker(new Handler(Looper.getMainLooper()),
"main thread", DEFAULT_TIMEOUT));
mHandlerCheckers.add(new HandlerChecker(UiThread.getHandler(),
"ui thread", DEFAULT_TIMEOUT));
mHandlerCheckers.add(new HandlerChecker(IoThread.getHandler(),
"i/o thread", DEFAULT_TIMEOUT));
mHandlerCheckers.add(new HandlerChecker(DisplayThread.getHandler(),
"display thread", DEFAULT_TIMEOUT));
addMonitor(new BinderThreadMonitor());
mOpenFdMonitor = OpenFdMonitor.create();//这个monitor有额外作用，后面我们会有提到
...
}WatchDog构造函数中，初始化了我们要监控的系统线程。包含FgThread，主线程，UiThread，IoThread，DisplayThread，Binder通信线程。 （需要着重说明的是监控FgThread的mMonitorChecker通过向外部暴露接口，通过调用WatchDog的addMonitor方法，来监控所有实现了Monitor接口的服务。）
public void addMonitor(Monitor monitor) {
....
mMonitorChecker.addMonitor(monitor);
}
}代码中的HandlerChecker便是今天的主角之一，它的主要作用就是用来检测线程是否卡死。在“代码关键点1”的循环中，调用了scheduleCheckLocked，而这个方法是HandlerChecker的核心。
下面HandlerChecker代码片段，这个方法通过postAtFrontOfQueue向被监控线程的Handler消息队列的头部插入当前HandlerChecker，如果被监控线程消息执行正常，则会回调HandlerChecker的run方法，在run方法里面遍历所有Monitor对象（实现Monitor接口的服务很多，包含AMS,WMS,IMS等），执行monitor方法，如果服务正常，最后我们便会将mCompleted置为true。
这个mCompleted变量就是后续WatchDog用来判断对应线程是否卡死依据。
public final class HandlerChecker implements Runnable {
...
private final Handler mHandler;
private final ArrayList<Monitor> mMonitors = new ArrayList<Monitor>();
private boolean mCompleted;
...
public void scheduleCheckLocked() {
if (mMonitors.size() == 0 && mHandler.getLooper().getQueue().isPolling()) {//特殊的条件，需要注意，下面有解释
mCompleted = true;
return;
}
if (!mCompleted) {
return;
}
mCompleted = false;
mCurrentMonitor = null;
mStartTime = SystemClock.uptimeMillis();
mHandler.postAtFrontOfQueue(this);
}
...
@Override
public void run() {
final int size = mMonitors.size();
for (int i = 0 ; i < size ; i++) {
synchronized (Watchdog.this) {
mCurrentMonitor = mMonitors.get(i);
}
mCurrentMonitor.monitor();
}
synchronized (Watchdog.this) {
mCompleted = true;
mCurrentMonitor = null;
}
}
}scheduleCheckLocked方法中有一个代码引起了我们的注意，如果mHandler.getLooper().getQueue().isPolling()为true，那么直接将mCompleted置为true，这又是什么原理。
通过查阅MessageQueue源码，里面的一段注释解决了我们的迷惑。
Returns whether this looper's thread is currently polling for more work .This is a good signal that the loop is still alive rather than being stuck handling a callback
这段话含义就是isPolling表示正在从队列中取消息，为true则代表Looper依然运行良好，通过这个标记就不需要等待回调来得知状态，这样效率更高。
了解了检测卡死的原理，那我们继续回到WatchDog的run方法，来看“代码关键点2”。通过wait方法实现了每30s检测一次的效果，这里看到了Google工程师的一个小技巧，由于wait的timeout时间可能没那么准确，为了保证至少等待30s，使用了一个while循环，并且循环完毕通过timeout = CHECK_INTERVAL - (SystemClock.uptimeMillis() - start);来保证时间够30s。
“代码关键点3”中使用了OpenFdMonitor，这个类的主要作用是为了判断剩余可用文件句柄的数量，大家知道Linux中打开文件都需要分配文件句柄，系统的文件句柄数量是有限制的。当然这个OpenFdMonitor只在编译模式为userdebug 和 eng的Android编译版本起作用，这也是为了方便开发人员调试信息。
“代码关键点4”中evaluateCheckerCompletionLocked便是用来评估当前所有线程的卡死情况
private int evaluateCheckerCompletionLocked() {
int state = COMPLETED;
for (int i=0; i<mHandlerCheckers.size(); i++) {
HandlerChecker hc = mHandlerCheckers.get(i);
state = Math.max(state, hc.getCompletionStateLocked());
}
return state;
}代码获取了当前线程中状态值最大的state;state的定义如下:
COMPLETED = 0;已完成，不存在卡死情况
WAITING = 1; 等待时间小于DEFAULT_TIMEOUT的一半，即<30s
WAITED_HALF = 2; 等待时间超过DEFAULT_TIMEOUT的一半，即>=30s
OVERDUE = 3;等待时间大于等于DEFAULT_TIMEOUT ，即 >=60s
如果有线程状态已经是OVERDUE，那么说明被监控的线程有卡死情况。我们的流程也来到了“代码关键点5”。这里就比较好理解了，通过dumpStackTraces输出kernel栈信息，通过doSysRq触发系统dump所有阻塞线程堆栈。这样所有相关的信息就保存好了。
“ 代码关键点6”中，以下几种情况，即使触发了WatchDog，也不杀死系统进程。
-
debuggerWasConnected>=0 debuggerWasConnected>=2 代表debugger正在连接调试中
- allowRestart设置为true，是通过adb logcat am hang命令设置的
最后通过下面两行代码将SystemServer进程杀死，当system_server被杀后，就会导致Zygote进程自杀，进而做到Zygote进程的重启。而这个现象也就是我们平常看到了手机死机了，然后又自动重启的现象。
Process.killProcess(Process.myPid());
System.exit(10);
四、Android开发过程中死锁分析方法
分析完系统如何处理死锁情况后，我们再来看看在Android开发中最容易碰到的死锁表现形式ANR。
当然产生ANR的原因很多，死锁只是其中一种。如果ANR发生，对应的应用会收到SIGQUIT异常终止信号，dalvik虚拟机就会自动在/data/anr/目录下生成trace.txt（Android8.1以后文件名不是这个了）文件，这个文件记录了在发生ANR时刻系统各个线程的执行状态，trace文件中记录的线程执行状态详细描述了各个线程加锁等待的情况。
通过分析，就可以相对容易的找到发生死锁所在的线程及代码。
主线程死锁导致的问题，可以通过ANR的trace文件分析，如果是非主线程呢，这种死锁一般很难察觉，但是这种死锁有时候也会造成很严重的后果，因为线程可能一直在占用某些资源，比如端口，数据库连接，文件句柄等。对于普通的java程序，JVM提供了jstack工具，可以将线程信息dump出来进行分析。
由于Android系统中没有提供类似jstack的工具， 这里笔者给大家提供两种方法来检查是否有线程发生死锁。 1.借助Android Studio的调试工具
首先通过工具栏Run->Attach to Process
然后在Android Debugger窗口中，找到Get Thread Dump按钮，点击后，稍等片刻，Androd Studio就会将对应调试进程的线程堆栈信息dump出来。
下图就是得到的线程信息，这样就可以分析线程中的死锁了。
- 借助ANR机制
Android应用发生ANR时，系统会发出SIGQUIT信号给发生ANR的进程。利用系统这个机制，当监控线程发现被监控线程卡死时，主动向系统发送SIGQUIT信号，等待/data/anr/traces.txt文件生成。这样可以得到一个和ANR日志相同的线程堆栈信息，这样分析死锁的问题就和之前分析ANR那个trace文件就一样了。
下面我举一个具体例子来看看如何借助发送SIGQUIT信号来生成trace文件。
首先我们通过ps命令拿到我们进程的进程id-
adb shell ps | grep com.sohu.sohuvideo
这取主进程 id : 22841，执行如下命令
adb shell run-as com.sohu.sohuvideo kill -3 22841紧接着会在logcat中输出日志 com.sohu.sohuvideo I/.sohu.sohuvide: Wrote stack traces to '[tombstoned]'，这时我们的trace文件便已经生成好了（这里需要注意Android8.1之前输出的日志为 Wrote stack traces to traces.txt）。
在这里我们需要注意，run-as 命令需要在debug包下面才管用，如果是Release包则不行。
如果是Android8.1之前的系统那么我们就可以愉快的通过 adb pull /data/anr/traces.txt 命令直接将文件拿到了，但是8.1之后trace文件便没有权限直接可以拿到了。这里我们可能想到了用adb shell bugreport命令来导出trace文件，但是当我们兴奋的打开bugreport文件，找到anr文件夹，却发现里面只有app真正发生anr时候的trace文件，却没有我们刚刚用命令执行完毕后生成的文件。
通过adb shell直接进入手机目录查看发现，该目录下有我们刚刚生成的文件dumptrace_YbVvLP，只不过bugreport没有将其导出。
最后经过一番探索终于找到一个途径，这样绕过了系统的权限，终于将我们自己生产的trace文件导出了。
adb shell cat /data/anr/dumptrace_YbVvLP > ~/Desktop/dump结束语
死锁问题是一个老大难问题，而且只要有死锁，一般都会引起严重的后果，我们需要不断强化自己的编程能力，写代码的过程中遇到多线程加锁同步的问题，多思考是否会产生死锁，只有多思考，多实践，才能将死锁问题发生的频率降到最低。
参考资料
- 《手Q Android线程死锁监控与自动化分析实践》
- 《System.identityHashCode(obj) 与 obj.hashcode()》（https://www.jianshu.com/p/24fa4bdb9b9d）