Lyft工程师通过A/B测试和内存可观测性检测Android内存泄漏

Lyft工程师结合A/B测试和内存可观测性技术，确保在发布大型复杂功能时不会引入内存使用方面的退步。这一方法特别适用于包含原生C/C++代码的功能，因为这些代码更容易引发内存泄漏。

总体方法

Lyft工程师通过以下步骤检测内存泄漏：

1. 测量标准版本应用的内存行为作为基线。
2. 在A/B测试中，将特定功能的用户子集收集的内存数据与基线进行比较。

内存指标选择

Lyft工程师考虑了Android提供的多种内存使用指标：

• 比例集大小（PSS）
• 唯一集大小（USS）
• 驻留内存大小（RSS）

最终选择RSS，因为它性能良好且没有采样率限制。此外，工程师还关注JVM堆和本地堆大小，这些指标由Android运行时直接支持。

数据收集场景

内存指标在以下两种场景下收集：

1. 每次UI屏幕关闭时。
2. 每隔1分钟，以应对用户长时间停留在同一UI屏幕的情况。

内存回归检测

通过比较标准版本和启用特定功能版本的内存行为曲线，Lyft工程师可以判断是否存在内存回归。如果两条曲线存在显著差异，则可能存在内存泄漏。

特殊情况：影响少数用户的内存泄漏

如果内存泄漏仅影响少数用户，内存曲线在高百分位数部分会有所不同。例如，只影响最后百分之一的用户时，曲线会在最高百分位数部分出现差异。

结论

Lyft工程师的方法有效检测了在特定情况下发生的内存泄漏，这些情况在本地测试中容易被忽略。详细内容可参考原文。