另辟蹊径的 Android 包体积优化之 Jar 包压缩

发表于 2年以前  | 总阅读数:1233 次

1、背景

最近因为需要做文本的字符串编码解析,所以引用了 IBM 的一个开源库。不过这个库体积实在太大,9M!讲道理,对于文本编码方式解析这种功能,如果需要使用 9M 的代码才能完成确实有些夸张。所以,我猜想这个库中应该包含了一些我并不需要的类文件。因此,我考虑从这个 jar 包当中移除这些我并不需要的类文件。使用手动删除的方式并不容易,因为文件太多,而且引用关系不容易确定。所以,我决定使用 Python 脚本来做 jar 包瘦身的工作。

2、常量池解析

了解过 JVM 的都清楚 class 文件的结构。如果,我们可以解析出这个类引用了哪些类,然后将被引用的类添加到队列中依次进行遍历,直到找到所有的引用的类,然后将这些被引用到类重新打包。这样我们就只提取了我们需要用到的类,从而实现了 jar 包的压缩。这本质上是 class 解析和广度优先搜索的过程。

这里,我们先看下几个解析 class 常量池的方案。

2.1 方案一:使用 javap 反编译类文件

为了解决这个问题,我首先想到的是使用 javap 反编译获取 class 文件中引用的类。一开始的时候,我使用的是如下指令,

private static java.util.ArrayList<com.ibm.icu.text.CharsetRecognizer> createRecognizers();
    Code:
       0: new           #14                 // class java/util/ArrayList
       3: dup
       4: invokespecial #15                 // Method java/util/ArrayList."<init>":()V
       7: astore_0
       8: aload_0
       9: new           #39                 // class com/ibm/icu/text/CharsetRecog_UTF8
      12: dup
      13: invokespecial #40                 // Method com/ibm/icu/text/CharsetRecog_UTF8."<init>":()V
      16: invokevirtual #23                 // Method java/util/ArrayList.add:(Ljava/lang/Object;)Z
      19: pop
      20: aload_0
      21: new           #41                 // class com/ibm/icu/text/CharsetRecog_Unicode$CharsetRecog_UTF_16_BE
      24: dup
      25: invokespecial #42                 // Method com/ibm/icu/text/CharsetRecog_Unicode$CharsetRecog_UTF_16_BE."<init>":()V

所以,我们可以通过匹配 // Method 这个关键字来获取这个类文件引用的类。不过这种方式存在一个问题,即,如果一个类不是在方法中引用而是通过 extends 的方式继承引用的则获取不到。不过,对于继承的方式也有一个解决办法,即对于继承,编译器会默认为子类生成构造方法并且在构造方法中调用父类的构造方法,所以我们可以在构造方法中获取到被引用的类。但是,如果是接口的话就无能为力了。所以,这种方案还是存在这样一个问题。

2.2 方案二:使用 javap -verbose 指令输出常量池

这种方式解析出的常量池如下,

Constant pool:
    #1 = Methodref          #102.#196     // java/lang/Object."<init>":()V
    #2 = Fieldref           #101.#197     // com/ibm/icu/text/CharsetDetector.fInputBytes:[B
    #3 = Fieldref           #101.#198     // com/ibm/icu/text/CharsetDetector.fByteStats:[S
    #4 = Fieldref           #101.#199     // com/ibm/icu/text/CharsetDetector.fC1Bytes:Z
    #5 = Fieldref           #101.#200     // com/ibm/icu/text/CharsetDetector.fStripTags:Z
    #6 = Fieldref           #101.#201     // com/ibm/icu/text/CharsetDetector.fDeclaredEncoding:Ljava/lang/String;
    #7 = Fieldref           #101.#202     // com/ibm/icu/text/CharsetDetector.fRawInput:[B
    #8 = Fieldref           #101.#203     // com/ibm/icu/text/CharsetDetector.fRawLength:I
    #9 = Fieldref           #101.#204     // com/ibm/icu/text/CharsetDetector.fInputStream:Ljava/io/InputStream;
   #10 = Methodref          #205.#206     // java/io/InputStream.mark:(I)V
   #11 = Methodref          #205.#207     // java/io/InputStream.read:([BII)I
   #12 = Methodref          #205.#208     // java/io/InputStream.reset:()V
   #13 = Methodref          #101.#209     // com/ibm/icu/text/CharsetDetector.detectAll:()[Lcom/ibm/icu/text/CharsetMatch;
   #14 = Class              #210          // java/util/ArrayList
   #15 = Methodref          #14.#196      // java/util/ArrayList."<init>":()V
   #16 = Methodref          #101.#211     // com/ibm/icu/text/CharsetDetector.MungeInput:()V
   #17 = Fieldref           #101.#212     // com/ibm/icu/text/CharsetDetector.fCSRecognizers:Ljava/util/ArrayList;
   #18 = Methodref          #14.#213      // java/util/ArrayList.iterator:()Ljava/util/Iterator;
   #19 = InterfaceMethodref #214.#215     // java/util/Iterator.hasNext:()Z
   #20 = InterfaceMethodref #214.#216     // java/util/Iterator.next:()Ljava/lang/Object;

所以,我们可以在解析出常量池之后通过字符串匹配的方式获取引用的类。

这种方式是可行的,不过相比于下面的一种方案,这种方案的执行效率相对较低,因为反编译过程中生成了许多我们用不到的信息,此外字符串匹配的过程效率也不高。

所以,最终我采用了下面的方案。

2.3 方案三:手动解析常量池

这里复习一下 class 文件的结构。下面是一个比较简单的 class 通过 hex 打开之后的图, class 类文件结构

根据 class 类结构的定义:前面四个字节(CA FE BA BE)是魔数;接下来的两个字节(00 00)是 class 支持的最低的 JDK 的版本,通常数值在 40~60 之间,即 JDK 的版本;再接下来的两个字节(00 31)是支持的最高的 JDK 的版本;紧接着的两个个字节(00 1F)是常量池的大小,这里的值是 31. 需要注意的是常量池的编号是从 1 开始的(可以看上面通过 javap -verbose 输出的结果)。这很重要,因为常量池中常量会通过这个编号引用其他常量。

对于常量池中的常量,其部分定义如下

常量池定义

这里的 u1, u2, u4 和 u8 分别表示一个、两个、四个和八个字节的意思。对于每个常量,都是以一个字节的 tag 作为起始的标志。每个常量的长度除了 tag 为 1 的常量之外都是固定的。比如 tag 为 3 的除了 tag 之外还占用 4 个字节;tag 为 5 的除了 tag 之外还占用 8 个字节。对于 tag 为 1 的常量,它表示字符串类型,通常用来定义类和方法的名称等。紧跟着 tag 1 的两个字节表示这个常量的字节的长度,比如如果它的值是 5 的话,那么接下来的 5 个字节就是这个字符串的具体内容。

了解了常量池的规则之后,我们就可以通过 Python 脚本来实现常量池的解析,

class PoolParser:
    def __init__(self):
        self.constants = {
            3: 4, 4: 4, 5: 8, 6: 8, 7: 2, 8: 2, 9: 4, 10: 4, 
            11: 4, 12: 4, 15: 3, 16: 2, 17: 4, 18: 4, 19: 2, 20: 2
        }

    def parse(self, path: str) -> List[str]:
        '''Parse constant pool of class file with path.'''
        try:
            with open(path, 'rb') as fp:
                data = fp.read()
            constant_count = data[8] * 16 * 16 + data[9]
            cur_constant_index = 1
            index = 10
            sequences = {}
            classes_nums = []
            while cur_constant_index < constant_count:
                constant_code = data[index]
                if constant_code == 1:
                    char_length = data[index+1]*16*16+data[index+2]
                    char_start = index+3
                    char_end = char_start+char_length
                    # print(str(cur_constant_index) + '/' + str(constant_count) + ': ' + str(data[char_start:char_end], 'utf-8'))
                    sequences[cur_constant_index] = str(data[char_start:char_end], 'utf-8')
                    index = index + 2 + char_length + 1
                    cur_constant_index = cur_constant_index + 1
                elif constant_code == 5 or constant_code == 6:
                    # Special guideline for double and long type, see https://docs.oracle.com/javase/specs/jvms/se7/html/jvms-4.html#jvms-4.4.5
                    index = index + self.constants[constant_code] + 1
                    cur_constant_index = cur_constant_index + 2
                else:
                    # Get number of class in the constant pool.
                    if constant_code == 7:
                        classes_nums.append(data[index+1]*16*16+data[index+2])
                    index = index + self.constants[constant_code] + 1
                    cur_constant_index = cur_constant_index + 1
            return [sequences[num] for num in classes_nums]
        except BaseException as e:
            logging.error("Error while parsing constant pool:\n%s" % traceback.format_exc())
            print("Error while parsing constant pool for [%s]" % path)
            return []

这里的逻辑是解析出常量池的长度之后进行遍历,每次递增一,直到将所有的常量全部解析出来。这里有几个细节需要注意:

  • 对于 tag 为 5 和 6 的常量(实际就是 long 和 double 类型定义的常量)他们占用两个编号。这个定义感觉有些奇葩。如果不是看了 Oracle 的官方文档,一般的书还真查不到这个。就是说,如果一个 class 文件的常量池的大小部分的值是 30 并且常量池中包含了一个 double 类型,那么它实际只有 29 个常量而不是 30 个,因为 double 占了两个编号,尽管 class 文件上的布局是连续的。
  • 确定常量池中的 class 的时候用到了 tag 为 7 的常量。这个常量 tag 之后的两个字节就是 class 的内容。所以,这是一种准确的找到常量池中的 class 的方法。(class 被放到 tag 为 1 的常量中,实际是作为 uft8 类型的字符串处理的)
  • 最后,Oracle 对于 JVM 定义详细的文档:https://docs.oracle.com/javase/specs/jvms/se7/html/jvms-4.html#jvms-4.4.5,感兴趣的可以自己查找,比任何书籍都更加全面。

3、整体的脚本实现

3.1 jar 包解析

jar 使用的是 zip 文件格式。对于 Android 的应用场景,因为我们本身不将 jar 作为可执行文件使用,所以对于 jar 的格式要求就低得多。基本使用 Python 的 zip 库解压,然后使用 jar 指令打包即可。这里 Zip 解包的逻辑是,

def _unzip_jar(self):
    '''Unzip the jar.'''
    print("Unzip jar ...")
    logging.info("Unzip jar ...")
    self.unzip_to = str(int(time.time()))
    try:
        with open(self.jar_path, 'rb') as fp:
            data = fp.read()
        self.unzip_to = hashlib.md5(data).hexdigest()
    except BaseException as e:
        logging.error("Error while reading the jar md5:\n%s" % traceback.format_exc())
        print("Error while reading the jar md5 [%s]" % self.jar_path)
    self.unzip_to = 'space/%s/unzip' % self.unzip_to
    if not os.path.exists(self.unzip_to):
        try:
            zipFile = zipfile.ZipFile(self.jar_path)
            zipFile.extractall(self.unzip_to)
            zipFile.close()
        except BaseException as e:
            logging.error("Error while unzip the jar:\n%s" % traceback.format_exc())
            print("Error while unzip the jar [%s]" % self.jar_path)
    else:
        logging.info("Unziped resources exists, ignore!")
        print("Unziped resources exists, ignore!")

逻辑比较简单,即先读取 jar 文件的 md5 来判断指定的 jar 的解压文件是否存在,如果存在就直接使用,否则再做一遍解压操作。

3.2 广度优先搜索

这里我用到的是基于队列的广度优先算法。

def _search_by_read_constants(self):
    '''Search by parsing constants.'''
    print("Searching classes by parsing constant pool ...")
    logging.info("Searching classes by parsing constant pool ...")
    start = int(time.time())
    self.classes = [os.path.join(self.unzip_to, cls.replace('.', '/')) + '.class' for cls in self.classes]
    visits = []
    visits.extend(self.classes)
    count = 0
    parser = PoolParser()
    while len(visits) > 0:
        count = count + 1
        cur_path = visits.pop()
        exists = os.path.exists(cur_path)
        logging.info("Searching under [%d][%s][%s]" % (count, str(exists), self._simplify_class_path(cur_path)))
        print("Searching under [%d][%s][%s]" % (count, str(exists), self._simplify_class_path(cur_path)), end='\r')
        # Ignore if the class file not exists.
        if not exists:
            self.classes.remove(cur_path)
            continue
        # Parse classes from class constant pool.
        classes = parser.parse(cur_path)
        for cls in classes:
            self._handle_classes(cls, cur_path, visits)
    logging.info("Searching classes by parsing constant pool done in [%d]" % (int(time.time())-start))
    print("Searching classes by parsing constant pool done in [%d]" % (int(time.time())-start))

def _handle_classes(self, cls: str, cur_path: str, visits: List[str]):
    '''Handle classes.'''
    pathes = [cls]
    # Handle if the class is an inner class.
    if cls.rfind('$') > 0:
        pos = cls.rfind('$')
        while pos > 0:
            cls = cls[0:pos]
            pathes.append(cls)
            pos = cls.rfind('$')
    for path in pathes:
        cls_path = os.path.join(self.unzip_to, path) + '.class'
        # Only search one class a time.
        if cls_path not in self.classes:
            self.classes.append(cls_path)
            visits.append(cls_path)
            logging.info("Found [%s] under [%s]" % (path, self._simplify_class_path(cur_path)))

这里以启动脚本的时候传入的执行类作为起点进行遍历,判断这个文件是否存在于本地。因为有一些标准库中引用到的类并不在我们的 jar 包当中,所以这一操作是为了将这类的文件排除掉。然后,这里使用了我们前面介绍的 class 常量池解析逻辑从 class 中解析这个引用到的其他的类并将其他们加入到队列中继续进行遍历。直到整个队列为空,则表明程序执行结束。

这里有个细节需要注意,即内部类的处理。对于形如 AAA$BBB$CCC 有一个要求,我们在打包的时候必须将外部类同时打入到包中,否则内部类不会被打进最终的 jar 文件中。这里我写了一段程序来解析上述类型的内部类及其父类,即 _handle_classes() 方法中的前几行代码。

3.3 jar 打包

对于 jar 打包,我们最好还是使用官方的 jar 指令来完成。打包的时候,一种方式是将我们的所有的类通过拼接的方式组成一个指令。不过因为有时候包含的类太多,这种方式会造成打包的指令非常长。所以,后来我换了另外一种方案。即将所有用到的类文件复制到一个目录下面,然后再针对这个目录进行打包。即,

def _pack_classes(self):
    '''Packing casses.'''
    print("Packing classes ...")
    logging.info("Packing classes ...")
    if not os.path.exists(self.output):
        os.mkdir(self.output
    # Copy all filted classes to a directory.
    for cls in self.classes:
        dst = cls.replace(self.unzip_to, self.copy_to)
        par = os.path.dirname(dst)
        if not os.path.exists(par):
            os.makedirs(par)
        shutil.copyfile(cls, dst)
    # Get into the copied directory and use jar to package the directory.
    pack_command = 'cd %s && jar cvf %s/final.jar %s' % (self.copy_to, self.output, '.')
    logging.info("PACK COMMAND: %s" % pack_command)
    ret = os.popen(pack_command).read().strip()

4、效果

因为本身是针对 jar 包的瘦身,所以实际执行的效果要取决于 jar 包的具体情况。比如,上述我引用的 IBM 的 jar 包经过瘦身之后,从 9M 精简到了 1M 大小。

5、限制

  • 现在的方案还不是最极致的优化:因为现在的方案只要在一个类文件中出现就会被加入到最终的 jar 包当中,而我们需要用到的方法可能并不会用到这些类。所以,如果做方法级别的扫描就能够排除更多的没必要的类文件。不过,如果做方法级别的扫描,还需要面对崩溃堆栈可能和实际的代码对不上的问题。
  • 此外,对于在 so 中引用到的方法现在还无能为力。

总结

上面是 Android 包体积优化的技巧之一吧。我之前看到过有的团队做 dex 级别的优化,如果按照上面这种思路,从整个 Android 包体积中做优化,排除用不到的 class 文件,效果会比 dex 级别优化效果要好一些。不过,对于 Android 而言,遇到的情况可能会更加复杂,比如 so 中进行调用以及加密和反射等情况。

本文由哈喽比特于2年以前收录,如有侵权请联系我们。
文章来源:https://mp.weixin.qq.com/s/0_9UjZyu5Vqb_Uc5-nnJYw

 相关推荐

刘强东夫妇:“移民美国”传言被驳斥

京东创始人刘强东和其妻子章泽天最近成为了互联网舆论关注的焦点。有关他们“移民美国”和在美国购买豪宅的传言在互联网上广泛传播。然而,京东官方通过微博发言人发布的消息澄清了这些传言,称这些言论纯属虚假信息和蓄意捏造。

发布于:6月以前  |  808次阅读  |  详细内容 »

博主曝三大运营商,将集体采购百万台华为Mate60系列

日前,据博主“@超能数码君老周”爆料,国内三大运营商中国移动、中国电信和中国联通预计将集体采购百万台规模的华为Mate60系列手机。

发布于:6月以前  |  770次阅读  |  详细内容 »

ASML CEO警告:出口管制不是可行做法,不要“逼迫中国大陆创新”

据报道,荷兰半导体设备公司ASML正看到美国对华遏制政策的负面影响。阿斯麦(ASML)CEO彼得·温宁克在一档电视节目中分享了他对中国大陆问题以及该公司面临的出口管制和保护主义的看法。彼得曾在多个场合表达了他对出口管制以及中荷经济关系的担忧。

发布于:6月以前  |  756次阅读  |  详细内容 »

抖音中长视频App青桃更名抖音精选,字节再发力对抗B站

今年早些时候,抖音悄然上线了一款名为“青桃”的 App,Slogan 为“看见你的热爱”,根据应用介绍可知,“青桃”是一个属于年轻人的兴趣知识视频平台,由抖音官方出品的中长视频关联版本,整体风格有些类似B站。

发布于:6月以前  |  648次阅读  |  详细内容 »

威马CDO:中国每百户家庭仅17户有车

日前,威马汽车首席数据官梅松林转发了一份“世界各国地区拥车率排行榜”,同时,他发文表示:中国汽车普及率低于非洲国家尼日利亚,每百户家庭仅17户有车。意大利世界排名第一,每十户中九户有车。

发布于:6月以前  |  589次阅读  |  详细内容 »

研究发现维生素 C 等抗氧化剂会刺激癌症生长和转移

近日,一项新的研究发现,维生素 C 和 E 等抗氧化剂会激活一种机制,刺激癌症肿瘤中新血管的生长,帮助它们生长和扩散。

发布于:6月以前  |  449次阅读  |  详细内容 »

苹果据称正引入3D打印技术,用以生产智能手表的钢质底盘

据媒体援引消息人士报道,苹果公司正在测试使用3D打印技术来生产其智能手表的钢质底盘。消息传出后,3D系统一度大涨超10%,不过截至周三收盘,该股涨幅回落至2%以内。

发布于:7月以前  |  446次阅读  |  详细内容 »

千万级抖音网红秀才账号被封禁

9月2日,坐拥千万粉丝的网红主播“秀才”账号被封禁,在社交媒体平台上引发热议。平台相关负责人表示,“秀才”账号违反平台相关规定,已封禁。据知情人士透露,秀才近期被举报存在违法行为,这可能是他被封禁的部分原因。据悉,“秀才”年龄39岁,是安徽省亳州市蒙城县人,抖音网红,粉丝数量超1200万。他曾被称为“中老年...

发布于:6月以前  |  445次阅读  |  详细内容 »

亚马逊股东起诉公司和贝索斯,称其在购买卫星发射服务时忽视了 SpaceX

9月3日消息,亚马逊的一些股东,包括持有该公司股票的一家养老基金,日前对亚马逊、其创始人贝索斯和其董事会提起诉讼,指控他们在为 Project Kuiper 卫星星座项目购买发射服务时“违反了信义义务”。

发布于:6月以前  |  444次阅读  |  详细内容 »

苹果上线AppsbyApple网站,以推广自家应用程序

据消息,为推广自家应用,苹果现推出了一个名为“Apps by Apple”的网站,展示了苹果为旗下产品(如 iPhone、iPad、Apple Watch、Mac 和 Apple TV)开发的各种应用程序。

发布于:6月以前  |  442次阅读  |  详细内容 »

特斯拉美国降价引发投资者不满:“这是短期麻醉剂”

特斯拉本周在美国大幅下调Model S和X售价,引发了该公司一些最坚定支持者的不满。知名特斯拉多头、未来基金(Future Fund)管理合伙人加里·布莱克发帖称,降价是一种“短期麻醉剂”,会让潜在客户等待进一步降价。

发布于:6月以前  |  441次阅读  |  详细内容 »

光刻机巨头阿斯麦:拿到许可,继续对华出口

据外媒9月2日报道,荷兰半导体设备制造商阿斯麦称,尽管荷兰政府颁布的半导体设备出口管制新规9月正式生效,但该公司已获得在2023年底以前向中国运送受限制芯片制造机器的许可。

发布于:6月以前  |  437次阅读  |  详细内容 »

马斯克与库克首次隔空合作:为苹果提供卫星服务

近日,根据美国证券交易委员会的文件显示,苹果卫星服务提供商 Globalstar 近期向马斯克旗下的 SpaceX 支付 6400 万美元(约 4.65 亿元人民币)。用于在 2023-2025 年期间,发射卫星,进一步扩展苹果 iPhone 系列的 SOS 卫星服务。

发布于:6月以前  |  430次阅读  |  详细内容 »

𝕏(推特)调整隐私政策,可拿用户发布的信息训练 AI 模型

据报道,马斯克旗下社交平台𝕏(推特)日前调整了隐私政策,允许 𝕏 使用用户发布的信息来训练其人工智能(AI)模型。新的隐私政策将于 9 月 29 日生效。新政策规定,𝕏可能会使用所收集到的平台信息和公开可用的信息,来帮助训练 𝕏 的机器学习或人工智能模型。

发布于:6月以前  |  428次阅读  |  详细内容 »

荣耀CEO谈华为手机回归:替老同事们高兴,对行业也是好事

9月2日,荣耀CEO赵明在采访中谈及华为手机回归时表示,替老同事们高兴,觉得手机行业,由于华为的回归,让竞争充满了更多的可能性和更多的魅力,对行业来说也是件好事。

发布于:6月以前  |  423次阅读  |  详细内容 »

AI操控无人机能力超越人类冠军

《自然》30日发表的一篇论文报道了一个名为Swift的人工智能(AI)系统,该系统驾驶无人机的能力可在真实世界中一对一冠军赛里战胜人类对手。

发布于:7月以前  |  423次阅读  |  详细内容 »

AI生成的蘑菇科普书存在可致命错误

近日,非营利组织纽约真菌学会(NYMS)发出警告,表示亚马逊为代表的电商平台上,充斥着各种AI生成的蘑菇觅食科普书籍,其中存在诸多错误。

发布于:7月以前  |  420次阅读  |  详细内容 »

社交媒体平台𝕏计划收集用户生物识别数据与工作教育经历

社交媒体平台𝕏(原推特)新隐私政策提到:“在您同意的情况下,我们可能出于安全、安保和身份识别目的收集和使用您的生物识别信息。”

发布于:7月以前  |  411次阅读  |  详细内容 »

国产扫地机器人热销欧洲,国产割草机器人抢占欧洲草坪

2023年德国柏林消费电子展上,各大企业都带来了最新的理念和产品,而高端化、本土化的中国产品正在不断吸引欧洲等国际市场的目光。

发布于:6月以前  |  406次阅读  |  详细内容 »

罗永浩吐槽iPhone15和14不会有区别,除了序列号变了

罗永浩日前在直播中吐槽苹果即将推出的 iPhone 新品,具体内容为:“以我对我‘子公司’的了解,我认为 iPhone 15 跟 iPhone 14 不会有什么区别的,除了序(列)号变了,这个‘不要脸’的东西,这个‘臭厨子’。

发布于:6月以前  |  398次阅读  |  详细内容 »
 相关文章
简化Android的UI开发 4年以前  |  520651次阅读
Android 深色模式适配原理分析 3年以前  |  28546次阅读
Android阴影实现的几种方案 1年以前  |  10655次阅读
Android 样式系统 | 主题背景覆盖 3年以前  |  9521次阅读
 目录