1、引言
上个月在知乎上发表的由“袁辉辉”分享的关于TIM进程永生方面的文章，短时间内受到大量关注，可惜在短短的几十个小时后，就在一股神秘力量的干预下被强行删除了。。。
▲ 该文在知乎上从发布到删除的时间历程（中间省略了N条读者的评论）
在《史上最强Android保活思路：深入剖析腾讯TIM的进程永生技术》一文重新整理发布后的数小时内，作者快速响应，针对TIM进程永生这个话题，对Android进程永生技术进行了终极揭密，从Android系统源码层面，通俗易懂地讲解了Andorid进程被杀的底层原理（也即是本文将要分享的内容），并详细探讨APP如何对抗系统被杀的技巧实践（并同时提供了参考实现代码）。
本文的技术原理讲解透彻、系统源码分享到位、样例代码也很有参考意义，希望能对有同样兴趣爱好的Android开发者、IM开发者、推送系统开发者等，带来对于Android进程保活技术的深入理解。
* 郑重申明：本文的技术研究和分析过程，仅供技术爱好者学习的用途，请勿用作非法用途。如有不妥，请联系作者。
2、本文作者
田维术：90后，毕业于华中科技大学EE专业。曾就职于支付宝，做客户端性能优化。现创业中。
骨灰级Android开发，曾混迹于Donut史前时代。后陆续入坑J2EE, python, rails, C++, node。现专攻Android，业余Haskell。
作者博客：http://weishu.me
作者Github：https://github.com/tiann
3、混乱的进程保活，一个黑暗的时代
一直以来，App 进程保活都是各大厂商，特别是头部应用开发商永恒的追求。毕竟App 进程死了，就什么也干不了了。一旦 App 进程死亡，那就再也无法在用户的手机上开展任何业务，所有的商业模型在用户侧都没有立足之地了。
早期的 Android 系统不完善，导致 App 侧有很多空子可以钻，因此它们有着有着各种各样的姿势进行保活。
▲ 这台手机，应该能勾起很多老Android程序员的回忆
譬如说在 Android 5.0 以前，App 内部通过 native 方式 fork 出来的进程是不受系统管控的，系统在杀 App 进程的时候，只会去杀 App 启动的 Java 进程。因此诞生了一大批“毒瘤”，他们通过 fork native 进程，在 App 的 Java 进程被杀死的时候通过 am命令拉起自己从而实现永生。
那时候的 Android 可谓是魑魅横行，群魔乱舞，系统根本管不住应用，因此长期以来被人诟病耗电、卡顿。
比如以下这几篇中介绍的Android保活方法：
《应用保活终极总结(一)：Android6.0以下的双进程守护保活实践》
《应用保活终极总结(二)：Android6.0及以上的保活实践(进程防杀篇)》
同时，系统的软弱导致了 Xposed 框架、阻止运行、绿色守护、黑域、冰箱等一系列管制系统后台进程的框架和 App 出现。
4、限制进程保活，大势所趋
不过，随着 Android 系统的发展，这一切都在往好的方向演变。
Android 5.0 以上，系统杀进程以 uid 为标识，通过杀死整个进程组来杀进程，因此 native 进程也躲不过系统的法眼。
Android 6.0 引入了待机模式(doze)，一旦用户拔下设备的电源插头，并在屏幕关闭后的一段时间内使其保持不活动状态，设备会进入低电耗模式，在该模式下设备会尝试让系统保持休眠状态。
Android 7.0 加强了之前鸡肋的待机模式（不再要求设备静止状态），同时对开启了 Project Svelte。Project Svelte 是专门用来优化 Android 系统后台的项目，在 Android 7.0 上直接移除了一些隐式广播，App 无法再通过监听这些广播拉起自己。
Android 8.0 进一步加强了应用后台执行限制：一旦应用进入已缓存状态时，如果没有活动的组件，系统将解除应用具有的所有唤醒锁。另外，系统会限制未在前台运行的应用的某些行为，比如说应用的后台服务的访问受到限制，也无法使用 Mainifest 注册大部分隐式广播。
Android 9.0 进一步改进了省电模式的功能并加入了应用待机分组，长时间不用的 App 会被打入冷宫。另外，系统监测到应用消耗过多资源时，系统会通知并询问用户是否需要限制该应用的后台活动。
然而，道高一尺，魔高一丈。系统在不断演进，保活方法也在不断发展。
大约在 4 年前出现过一个 MarsDaemon，这个库通过双进程守护的方式实现保活，一时间风头无两。不过好景不长，进入 Android 8.0 时代之后，这个库就逐渐消亡。
这篇《全面盘点当前Android后台保活方案的真实运行效果（截止2019年前）》，盘点了那些经典的保活方法的有效情况。
而这篇《2020年了，Android后台保活还有戏吗？看我如何优雅的实现！》，则直接放弃了曾今的保活的黑科技，转而顺应Android系统的变化。
5、进程永生技术，后Andriod保活时代的产物
一般来说，Android 进程保活分为两个方面：
1）保持进程不被系统杀死；
2）进程被系统杀死之后，可以重新复活。
随着 Android 系统变得越来越完善，单单通过自己拉活自己逐渐变得不可能了。
因此，后面的所谓「保活」基本上是两条路：
1）提升自己进程的优先级，让系统不要轻易弄死自己；
2）App 之间互相结盟，一个兄弟死了其他兄弟把它拉起来。
当然，还有一种终极方法，那就是跟各大系统厂商建立 PY 关系，把自己加入系统内存清理的白名单——比如说国民应用微信。当然这条路一般人是没有资格走的。
大约一年以前，大神袁辉辉（gityuan）在其博客上公布了 TIM 使用的一种可以称之为「终极永生术」的保活方法（即重新整后的《史上最强Android保活思路：深入剖析腾讯TIM的进程永生技术》一文）。
这种方法在当前 Android 内核的实现上可以大大提升进程的存活率。本文作者研究了这种保活思路的实现原理，并且提供了一个参考实现：https://github.com/tiann/Leoric。而这些，正是本文接下来要分享的内容。
6、Android保活的底层技术原理
知己知彼，百战不殆。既然我们想要保活，那么首先得知道我们是怎么死的。
一般来说，系统杀进程有两种方法，这两个方法都通过 ActivityManagerService 提供：
1）killBackgroundProcesses；
2）forceStopPackage。
在原生系统上，很多时候杀进程是通过第一种方式，除非用户主动在 App 的设置界面点击「强制停止」。
不过国内各厂商以及一加三星等 ROM 现在一般使用第二种方法。因为第一种方法太过温柔，根本治不住想要搞事情的应用。第二种方法就比较强力了，一般来说被 force-stop 之后，App 就只能乖乖等死了。
因此，要实现保活，我们就得知道 force-stop 到底是如何运作的。
既然如此，我们就跟踪一下系统的 forceStopPackage 这个方法的执行流程。
首先是 ActivityManagerService里面的 forceStopPackage 这方法：
public void forceStopPackage(final String packageName, int userId) { // .. 权限检查，省略
long callingId = Binder.clearCallingIdentity(); try{
IPackageManager pm \= AppGlobals.getPackageManager(); synchronized(this) { int\[\] users = userId == UserHandle.USER\_ALL ? mUserController.getUsers() : newint\[\] { userId }; for(intuser : users) { // 状态判断，省略..
intpkgUid = -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)) { // 根据 UID 和包名杀进程
forceStopPackageLocked(packageName, pkgUid, "from pid "+ callingPid);
finishForceStopPackageLocked(packageName, pkgUid);
}
}
}
} finally{
Binder.restoreCallingIdentity(callingId);
}
}
在这里我们可以知道，系统是通过 uid 为单位 force-stop 进程的，因此不论你是 native 进程还是 Java 进程，force-stop 都会将你统统杀死。
我们继续跟踪forceStopPackageLocked 这个方法：
final boolean forceStopPackageLocked(String packageName, int appId, boolean callerWillRestart, boolean purgeCache, boolean doit, boolean evenPersistent, boolean uninstalling, int userId, String reason) { int i; // .. 状态判断，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;
}
这个方法实现很清晰：先杀死这个 App 内部的所有进程，然后清理残留在 system_server 内的四大组件信息。
我们关心进程是如何被杀死的，因此继续跟踪killPackageProcessesLocked，这个方法最终会调用到 ProcessList 内部的 removeProcessLocked 方法，removeProcessLocked 会调用 ProcessRecord 的 kill 方法。
我们看看这个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);
}
}
这里我们可以看到，首先杀掉了目标进程，然后会以uid为单位杀掉目标进程组。如果只杀掉目标进程，那么我们可以通过双进程守护的方式实现保活。
关键就在于这个killProcessGroup，继续跟踪之后发现这是一个 native 方法，它的最终实现在 libprocessgroup中。
代码如下：
int killProcessGroup(uid_t uid, int initialPid, int signal) {
return KillProcessGroup(uid, initialPid, signal, 40/*retries*/);
}
注意这里有个奇怪的数字：40。
我们继续跟踪：
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
}
瞧瞧我们的系统做了什么骚操作？循环 40 遍不停滴杀进程，每次杀完之后等 5ms，循环完毕之后就算过去了。
看到这段代码，我想任何人都会蹦出一个疑问：假设经历连续 40 次的杀进程之后，如果 App 还有进程存在，那不就侥幸逃脱了吗？
7、APP对抗被杀的实现思路
那么，如何实现逃脱被杀呢？我们看这个关键的 5ms。
假设：App 进程在被杀掉之后，能够以足够快的速度（5ms 内）启动一堆新的进程，那么系统在一次循环杀掉老的所有进程之后，sleep 5ms 之后又会遇到一堆新的进程。
如此循环 40 次，只要我们每次都能够拉起新的进程，那我们的 App 就能逃过系统的追杀，实现永生。
是的：炼狱般的 200ms，只要我们熬过 200ms 就能渡劫成功，得道飞升。不知道大家有没有玩过打地鼠这个游戏，整个过程非常类似，按下去一个又冒出一个，只要每次都能足够快地冒出来，我们就赢了。
现在问题的关键就在于：如何在 5ms 内启动一堆新的进程？
再回过头来看原来的保活方式：它们拉起进程最开始通过am命令，这个命令实际上是一个 java 程序，它会经历启动一个进程然后启动一个 ART 虚拟机，接着获取 ams 的 binder 代理，然后与 ams 进行 binder 同步通信。这个过程实在是太慢了，在这与死神赛跑的 5ms 里，它的速度的确是不敢恭维。
后来：MarsDaemon 提出了一种新的方式，它用 binder 引用直接给 ams 发送 Parcel，这个过程相比 am命令快了很多，从而大大提高了成功率。
其实这里还有改进的空间，毕竟这里还是在 Java 层调用，Java 语言在这种实时性要求极高的场合有一个非常令人诟病的特性：垃圾回收（GC）。
虽然我们在这 5ms 内直接碰上 gc 引发停顿的可能性非常小，但是由于 GC 的存在，ART 中的 Java 代码存在非常多的 checkpoint。想象一下你现在是一个信使有重要军情要报告，但是在路上却碰到很多关隘，而且很可能被勒令暂时停止一下，这种情况是不可接受的。
因此，最好的方法是通过 native code 给 ams 发送 binder 调用。当然，如果再底层一点，我们甚至可以通过 ioctl 直接给 binder 驱动发送数据进而完成调用，但是这种方法的兼容性比较差，没有用 native 方式省心。
通过在 native 层给 ams 发送 binder 消息拉起进程，我们算是解决了「快速拉起进程」这个问题。但是这个还是不够。
还是回到打地鼠这个游戏，假设你摁下一个地鼠，会冒起一个新的地鼠，那么你每次都能摁下去最后获取胜利的概率还是比较高的；但如果你每次摁下一个地鼠，其他所有地鼠都能冒出来呢？这个难度系数可是要高多了。如果我们的进程能够在任意一个进程死亡之后，都能让把其他所有进程全部拉起，这样系统就很难杀死我们了。
新的黑科技保活中通过 2 个机制来保证进程之间的互相拉起：
1）2 个进程通过互相监听文件锁的方式，来感知彼此的死亡；
2）通过 fork 产生子进程，fork 的进程同属一个进程组，一个被杀之后会触发另外一个进程被杀，从而被文件锁感知。
具体来说：
1）创建 2 个进程 p1、p2，这两个进程通过文件锁互相关联，一个被杀之后拉起另外一个；
2）同时 p1 经过 2 次 fork 产生孤儿进程 c1，p2 经过 2 次 fork 产生孤儿进程 c2，c1 和 c2 之间建立文件锁关联。
这样假设 p1 被杀，那么 p2 会立马感知到，然后 p1 和 c1 同属一个进程组，p1 被杀会触发 c1 被杀，c1 死后 c2 立马感受到从而拉起 p1，因此这四个进程三三之间形成了铁三角，从而保证了存活率。
分析到这里，这种方案的大致原理我们已经清晰了。基于以上原理，我写了一个简单的验证性代码（代码在下方）有兴趣的可以看一下。
本文内容所涉及的验证性代码演示下载地址：
8、对抗被杀技术实现的改进空间
上节技术方案的原理还是比较简单直观的，但是要实现稳定的保活，还需要很多细节要补充。特别是那与死神赛跑的 5ms，需要不计一切代价去优化才能提升成功率。
具体来说，就是当前的实现是在 Java 层用 binder 调用的，我们应该在 native 层完成。笔者曾经实现过这个方案，但是这个库本质上是有损用户利益的，因此并不打算公开代码。这里简单提一下实现思路供大家学习。
如何在 native 层进行 binder 通信？
libbinder 是 NDK 公开库，拿到对应头文件，动态链接即可。
难点：依赖繁多，剥离头文件是个体力活。
如何组织 binder 通信的数据？
通信的数据其实就是二进制流，具体表现就是 (C++/Java) Parcel 对象。native 层没有对应的 Intent Parcel，兼容性差。
可行的方案：
1）Java 层创建 Parcel （含 Intent），拿到 Parcel 对象的 mNativePtr(native peer)，传到 Native 层；
2）native 层直接把 mNativePtr 强转为结构体指针；
3）fork 子进程，建立管道，准备传输 parcel 数据；
4）子进程读管道，拿到二进制流，重组为 parcel。
9、如何应对本文探讨的进程永生技术？
今天我把这个实现原理公开，并且提供验证代码，并不是鼓励大家使用这种方式保活，而是希望各大系统厂商能感知到这种黑科技的存在，推动自己的系统彻底解决这个问题。
两年前我就知道了这个方案的存在，不过当时鲜为人知。最近一个月我发现很多 App 都使用了这种方案，把我的 Android 手机折腾的惨不忍睹。毕竟本人手机上安装了将近 800 个 App，假设每个 App 都用这个方案保活，那这系统就没法用了。
系统如何应对？
如果我们把系统杀进程比喻为斩首，那么这个保活方案的精髓在于能快速长出一个新的头；因此应对之法也很简单，只要我们在斩杀一个进程的时候，让别的进程老老实实呆着别搞事情就 OK 了。具体的实现方法多种多样，不赘述。
用户如何应对？
在厂商没有推出解决方案之前，用户可以有一些方案来缓解使用这个方案进行保活的流氓 App。
这里推荐两个应用给大家：
1）冰箱；
2）Island。
通过冰箱的冻结和 Island 的深度休眠可以彻底阻止 App 的这种保活行为。当然，如果你喜欢别的这种“冻结”类型的应用，比如小黑屋或者太极的阴阳之门也是可以的。
其他不是通过“冻结”这种机制来压制后台的应用理论上对这种保活方案的作用非常有限。
10、本文小结
对技术来说，黑科技没有什么黑的，不过是对系统底层原理的深入了解从而反过来对抗系统的一种手段。很多人会说，了解系统底层有什么用，本文应该可以给出一个答案：可以实现别人永远也无法实现的功能，通过技术推动产品，从而产生巨大的商业价值。
黑科技虽强，但是它不该存在于这世上。没有规矩，不成方圆。黑科技黑的了一时，黑不了一世。要提升产品的存活率，终归要落到产品本身上面来，尊重用户，提升体验方是正途。（本文同步发布于：http://www.52im.net/thread-2921-1-1.html）
