App保活實現原理
https://zhuanlan.zhihu.com/p/103126724
一直以來，App 進程保活都是各大廠商，特別是頭部應用開發商永恆的追求。畢竟App 進程死了，就什么也干不了了；一旦 App 進程死亡，那就再也無法在用戶的手機上開展任何業務，所有的商業模型在用戶側都沒有立足之地。
早期的 Android 系統不完善，導致 App 側有很多空子可以鑽，因此它們有着有着各種各樣的姿勢進行保活。譬如說在 Android 5.0 以前，App 內部通過 native 方式 fork 出來的進程是不受系統管控的，系統在殺 App 進程的時候，只會去殺 App 啟動的 Java 進程；因此誕生了一大批“毒瘤”，他們通過 fork native 進程，在 App 的 Java 進程被殺死的時候通過 am命令拉起自己從而實現永生。那時候的 Android 可謂是魑魅橫行，群魔亂舞；系統根本管不住應用，因此長期以來被人詬病耗電、卡頓。同時，系統的軟弱導致了 Xposed 框架、阻止運行、綠色守護、黑域、冰箱等一系列管制系統后台進程的框架和 App 出現。
不過，隨着 Android 系統的發展，這一切都在往好的方向演變。
- Android 5.0 以上，系統殺進程以
uid為標識，通過殺死整個進程組來殺進程，因此 native 進程也躲不過系統的法眼。 - Android 6.0 引入了待機模式(doze)，一旦用戶拔下設備的電源插頭，並在屏幕關閉后的一段時間內使其保持不活動狀態，設備會進入低電耗模式，在該模式下設備會嘗試讓系統保持休眠狀態。
- Android 7.0 加強了之前雞肋的待機模式（不再要求設備靜止狀態），同時對開啟了 Project Svelte，Project Svelte 是專門用來優化 Android 系統后台的項目，在 Android 7.0 上直接移除了一些隱式廣播，App 無法再通過監聽這些廣播拉起自己。
- Android 8.0 進一步加強了應用后台執行限制：一旦應用進入已緩存狀態時，如果沒有活動的組件，系統將解除應用具有的所有喚醒鎖。另外，系統會限制未在前台運行的應用的某些行為，比如說應用的后台服務的訪問受到限制，也無法使用 Mainifest 注冊大部分隱式廣播。
- Android 9.0 進一步改進了省電模式的功能並加入了應用待機分組，長時間不用的 App 會被打入冷宮；另外，系統監測到應用消耗過多資源時，系統會通知並詢問用戶是否需要限制該應用的后台活動。
然而，道高一尺，魔高一丈。系統在不斷演進，保活方法也在不斷發展。大約在 4 年前出現過一個 MarsDaemon，這個庫通過雙進程守護的方式實現保活，一時間風頭無兩。不過好景不長，進入 Android 8.0 時代之后，這個庫就逐漸消亡。
一般來說，Android 進程保活分為兩個方面：
- 保持進程不被系統殺死。
- 進程被系統殺死之后，可以重新復活。
隨着 Android 系統變得越來越完善，單單通過自己拉活自己逐漸變得不可能了；因此后面的所謂「保活」基本上是兩條路：1. 提升自己進程的優先級，讓系統不要輕易弄死自己；2. App 之間互相結盟，一個兄弟死了其他兄弟把它拉起來。
當然，還有一種終極方法，那就是跟各大系統廠商建立 PY 關系，把自己加入系統內存清理的白名單；比如說國民應用微信。當然這條路一般人是沒有資格走的。
大約一年以前，大神 gityuan 在其博客上公布了 TIM 使用的一種可以稱之為「終極永生術」的保活方法；這種方法在當前 Android 內核的實現上可以大大提升進程的存活率。筆者研究了這種保活思路的實現原理，並且提供了一個參考實現 Leoric。接下來就給大家分享一下這個終極保活黑科技的實現原理。
保活的底層技術原理
知己知彼，百戰不殆。既然我們想要保活，那么首先得知道我們是怎么死的。一般來說，系統殺進程有兩種方法，這兩個方法都通過 ActivityManagerService 提供：
- killBackgroundProcesses
- forceStopPackage
在原生系統上，很多時候殺進程是通過第一種方式，除非用戶主動在 App 的設置界面點擊「強制停止」。不過國內各廠商以及一加三星等 ROM 現在一般使用第二種方法。第一種方法太過溫柔，根本治不住想要搞事情的應用。第二種方法就比較強力了，一般來說被 force-stop 之后，App 就只能乖乖等死了。
因此，要實現保活，我們就得知道 force-stop 到底是如何運作的。既然如此，我們就跟蹤一下系統的 forceStopPackage 這個方法的執行流程：
首先是 ActivityManagerService里面的 forceStopPackage 這方法：
public void forceStopPackage(final String packageName, int userId) {
// .. 權限檢查，省略
long callingId = Binder.clearCallingIdentity();
try {
IPackageManager pm = AppGlobals.getPackageManager();
synchronized(this) {
int[] users = userId == UserHandle.USER_ALL
? mUserController.getUsers() : new int[] { userId };
for (int user : users) {
// 狀態判斷，省略..
int pkgUid = -1;
try {
pkgUid = pm.getPackageUid(packageName, MATCH_DEBUG_TRIAGED_MISSING,
user);
} catch (RemoteException e) {
}
if (pkgUid == -1) {
Slog.w(TAG, "Invalid packageName: " + packageName);
continue;
}
try {
pm.setPackageStoppedState(packageName, true, user);
} catch (RemoteException e) {
} catch (IllegalArgumentException e) {
Slog.w(TAG, "Failed trying to unstop package "
+ packageName + ": " + e);
}
if (mUserController.isUserRunning(user, 0)) {
// 根據 UID 和包名殺進程
forceStopPackageLocked(packageName, pkgUid, "from pid " + callingPid);
finishForceStopPackageLocked(packageName, pkgUid);
}
}
}
} finally {
Binder.restoreCallingIdentity(callingId);
}
}
在這里我們可以知道，系統是通過 uid 為單位 force-stop 進程的，因此不論你是 native 進程還是 Java 進程，force-stop 都會將你統統殺死。我們繼續跟蹤forceStopPackageLocked 這個方法：
final boolean forceStopPackageLocked(String packageName, int appId,
boolean callerWillRestart, boolean purgeCache, boolean doit,
boolean evenPersistent, boolean uninstalling, int userId, String reason) {
int i;
// .. 狀態判斷，省略
boolean didSomething = mProcessList.killPackageProcessesLocked(packageName, appId, userId,
ProcessList.INVALID_ADJ, callerWillRestart, true /* allowRestart */, doit,
evenPersistent, true /* setRemoved */,
packageName == null ? ("stop user " + userId) : ("stop " + packageName));
didSomething |=
mAtmInternal.onForceStopPackage(packageName, doit, evenPersistent, userId);
// 清理 service
// 清理 broadcastreceiver
// 清理 providers
// 清理其他
return didSomething;
}
這個方法實現很清晰：先殺死這個 App 內部的所有進程，然后清理殘留在 system_server 內的四大組件信息；我們關心進程是如何被殺死的，因此繼續跟蹤killPackageProcessesLocked，這個方法最終會調用到 ProcessList 內部的 removeProcessLocked 方法，removeProcessLocked 會調用 ProcessRecord 的 kill 方法，我們看看這個kill：
void kill(String reason, boolean noisy) {
if (!killedByAm) {
Trace.traceBegin(Trace.TRACE_TAG_ACTIVITY_MANAGER, "kill");
if (mService != null && (noisy || info.uid == mService.mCurOomAdjUid)) {
mService.reportUidInfoMessageLocked(TAG,
"Killing " + toShortString() + " (adj " + setAdj + "): " + reason,
info.uid);
}
if (pid > 0) {
EventLog.writeEvent(EventLogTags.AM_KILL, userId, pid, processName, setAdj, reason);
Process.killProcessQuiet(pid);
ProcessList.killProcessGroup(uid, pid);
} else {
pendingStart = false;
}
if (!mPersistent) {
killed = true;
killedByAm = true;
}
Trace.traceEnd(Trace.TRACE_TAG_ACTIVITY_MANAGER);
}
}
這里我們可以看到，首先殺掉了目標進程，然后會以uid為單位殺掉目標進程組。如果只殺掉目標進程，那么我們可以通過雙進程守護的方式實現保活；關鍵就在於這個killProcessGroup，繼續跟蹤之后發現這是一個 native 方法，它的最終實現在 libprocessgroup中，代碼如下：
int killProcessGroup(uid_t uid, int initialPid, int signal) {
return KillProcessGroup(uid, initialPid, signal, 40 /*retries*/);
}
注意這里有個奇怪的數字：40。我們繼續跟蹤：
static int KillProcessGroup(uid_t uid, int initialPid, int signal, int retries) {
// 省略
int retry = retries;
int processes;
while ((processes = DoKillProcessGroupOnce(cgroup, uid, initialPid, signal)) > 0) {
LOG(VERBOSE) << "Killed " << processes << " processes for processgroup " << initialPid;
if (retry > 0) {
std::this_thread::sleep_for(5ms);
--retry;
} else {
break;
}
}
// 省略
}
瞧瞧我們的系統做了什么騷操作？循環 40 遍不停滴殺進程，每次殺完之后等 5ms，循環完畢之后就算過去了。
看到這段代碼，我想任何人都會蹦出一個疑問：假設經歷連續 40 次的殺進程之后，如果 App 還有進程存在，那不就僥幸逃脫了嗎？
實現方法
那么，如何實現這個目的呢？我們看這個關鍵的 5ms。假設，App 進程在被殺掉之后，能夠以足夠快的速度（5ms 內）啟動一堆新的進程，那么系統在一次循環殺掉老的所有進程之后，sleep 5ms 之后又會遇到一堆新的進程；如此循環 40 次，只要我們每次都能夠拉起新的進程，那我們的 App 就能逃過系統的追殺，實現永生。是的，煉獄般的 200ms，只要我們熬過 200ms 就能渡劫成功，得道飛升。不知道大家有沒有玩過打地鼠這個游戲，整個過程非常類似，按下去一個又冒出一個，只要每次都能足夠快地冒出來，我們就贏了。
現在問題的關鍵就在於：如何在 5ms 內啟動一堆新的進程？
再回過頭來看原來的保活方式，它們拉起進程最開始通過am命令，這個命令實際上是一個 java 程序，它會經歷啟動一個進程然后啟動一個 ART 虛擬機，接着獲取 ams 的 binder 代理，然后與 ams 進行 binder 同步通信。這個過程實在是太慢了，在這與死神賽跑的 5ms 里，它的速度的確是不敢恭維。
后來，MarsDaemon 提出了一種新的方式，它用 binder 引用直接給 ams 發送 Parcel，這個過程相比 am命令快了很多，從而大大提高了成功率。其實這里還有改進的空間，畢竟這里還是在 Java 層調用，Java 語言在這種實時性要求極高的場合有一個非常令人詬病的特性：垃圾回收（GC）；雖然我們在這 5ms 內直接碰上 gc 引發停頓的可能性非常小，但是由於 GC 的存在，ART 中的 Java 代碼存在非常多的 checkpoint；想象一下你現在是一個信使有重要軍情要報告，但是在路上卻碰到很多關隘，而且很可能被勒令暫時停止一下，這種情況是不可接受的。因此，最好的方法是通過 native code 給 ams 發送 binder 調用；當然，如果再底層一點，我們甚至可以通過 ioctl 直接給 binder 驅動發送數據進而完成調用，但是這種方法的兼容性比較差，沒有用 native 方式省心。
通過在 native 層給 ams 發送 binder 消息拉起進程，我們算是解決了「快速拉起進程」這個問題。但是這個還是不夠。還是回到打地鼠這個游戲，假設你摁下一個地鼠，會冒起一個新的地鼠，那么你每次都能摁下去最后獲取勝利的概率還是比較高的；但如果你每次摁下一個地鼠，其他所有地鼠都能冒出來呢？這個難度系數可是要高多了。如果我們的進程能夠在任意一個進程死亡之后，都能讓把其他所有進程全部拉起，這樣系統就很難殺死我們了。
新的黑科技保活中通過 2 個機制來保證進程之間的互相拉起：
- 2 個進程通過互相監聽文件鎖的方式，來感知彼此的死亡。
- 通過 fork 產生子進程，fork 的進程同屬一個進程組，一個被殺之后會觸發另外一個進程被殺，從而被文件鎖感知。
具體來說，創建 2 個進程 p1, p2，這兩個進程通過文件鎖互相關聯，一個被殺之后拉起另外一個；同時 p1 經過 2 次 fork 產生孤兒進程 c1，p2 經過 2 次 fork 產生孤兒進程 c2，c1 和 c2 之間建立文件鎖關聯。這樣假設 p1 被殺，那么 p2 會立馬感知到，然后 p1 和 c1 同屬一個進程組，p1 被殺會觸發 c1 被殺，c1 死后 c2 立馬感受到從而拉起 p1，因此這四個進程三三之間形成了鐵三角，從而保證了存活率。
分析到這里，這種方案的大致原理我們已經清晰了。基於以上原理，我寫了一個簡單的 PoC，代碼在這里：https://github.com/tiann/Leoric 有興趣的可以看一下。
改進空間
本方案的原理還是比較簡單直觀的，但是要實現穩定的保活，還需要很多細節要補充；特別是那與死神賽跑的 5ms，需要不計一切代價去優化才能提升成功率。具體來說，就是當前的實現是在 Java 層用 binder 調用的，我們應該在 native 層完成。筆者曾經實現過這個方案，但是這個庫本質上是有損用戶利益的，因此並不打算公開代碼，這里簡單提一下實現思路供大家學習：
如何在 native 層進行 binder 通信？
libbinder 是 NDK 公開庫，拿到對應頭文件，動態鏈接即可。
難點：依賴繁多，剝離頭文件是個體力活。
如何組織 binder 通信的數據？
通信的數據其實就是二進制流；具體表現就是 (C++/Java) Parcel 對象。native 層沒有對應的 Intent Parcel，兼容性差。
方案：
- Java 層創建 Parcel （含 Intent），拿到 Parcel 對象的 mNativePtr(native peer)，傳到 Native 層。
- native 層直接把 mNativePtr 強轉為結構體指針。
- fork 子進程，建立管道，准備傳輸 parcel 數據。
- 子進程讀管道，拿到二進制流，重組為 parcel。
如何應對？
今天我把這個實現原理公開，並且提供 PoC 代碼，並不是鼓勵大家使用這種方式保活，而是希望各大系統廠商能感知到這種黑科技的存在，推動自己的系統徹底解決這個問題。
兩年前我就知道了這個方案的存在，不過當時鮮為人知。最近一個月我發現很多 App 都使用了這種方案，把我的 Android 手機折騰的慘不忍睹；畢竟本人手機上安裝了將近 800 個 App，假設每個 App 都用這個方案保活，那這系統就沒法用了。
系統如何應對？
如果我們把系統殺進程比喻為斬首，那么這個保活方案的精髓在於能快速長出一個新的頭；因此應對之法也很簡單，只要我們在斬殺一個進程的時候，讓別的進程老老實實呆着別搞事情就 OK 了。具體的實現方法多種多樣，不贅述。
用戶如何應對？
在廠商沒有推出解決方案之前，用戶可以有一些方案來緩解使用這個方案進行保活的流氓 App。這里推薦兩個應用給大家：
通過冰箱的凍結和 Island 的深度休眠可以徹底阻止 App 的這種保活行為。當然，如果你喜歡別的這種“凍結”類型的應用，比如小黑屋或者太極的陰陽之門也是可以的。
其他不是通過“凍結”這種機制來壓制后台的應用理論上對這種保活方案的作用非常有限。
總結
- 對技術來說，黑科技沒有什么黑的，不過是對系統底層原理的深入了解從而反過來對抗系統的一種手段。很多人會說，了解系統底層有什么用，本文應該可以給出一個答案：可以實現別人永遠也無法實現的功能，通過技術推動產品，從而產生巨大的商業價值。
- 黑科技雖強，但是它不該存在於這世上。沒有規矩，不成方圓。黑科技黑的了一時，黑不了一世。要提升產品的存活率，終歸要落到產品本身上面來，尊重用戶，提升體驗方是正途。
================= End