模块职责重定义：ANR采集层、分析层、上报层、告警层的职责边界划分
在原有 ANR 监控系统中，采集、分析、上报、告警四个环节往往耦合在同一个模块内，导致链路难以独立升级、故障半径大、拦截策略固化。本章将四层拆分为独立模块，明确每一层的输入、输出、信任边界与容错契约。目标是：采集层只做“源头抓取”，分析层只做“模式判定”，上报层只做“可靠传输”，告警层只做“分级触达”。任何跨层耦合都视为设计坏味，必须在架构评审中否决。
3.1 四层职责边界速览
| 层级 | 输入 | 核心职责 | 输出 | 依赖方向 |
|---|---|---|---|---|
| 采集层 | 系统 Signal 信号 / Trace 帧 / Logcat | 原生信息收集、初步时间戳标定、缓冲去重 | 原始 ANR 记录（JSON 序列化） | → 分析层（单向推送） |
| 分析层 | 原始 ANR 记录 | 堆栈聚合、关键线程识别、主因分类（IO/死锁/LongMsg） | 结构化分析结果（含置信度评分） | → 上报层（单向推送） |
| 上报层 | 结构化分析结果 | 批量压缩、重试、持久化（本地队列）、到后端服务鉴权 | 成功/失败回调 + 丢弃统计 | → 后端（网络） |
| 告警层 | 分析结果中的风险项 / 聚合阈值告警 | 触发策略匹配、去重、分级通知（IM/Pager/Metric） | 告警事件 ID + 暂停控制 | → 外部通知通道 |
边界核心原则：下层决不允许直接依赖上层的数据格式或调用上层接口。采集层与告警层之间没有任何直接通信链路。
3.2 数据流与控制流
数据流严格单向：采集 → 分析 → 上报 → 告警。每一层处理完即推送至下一层，不持有下游句柄。控制流则通过“健康探针 + 背压信号”逆向传递：上层模块仅向直接下层发送“暂停/恢复”指令，避免级联穿透。
- 采集层→分析层：内存队列 + 回调；队列满时采集层主动丢弃最旧记录并打丢弃标记。
- 分析层→上报层：Binder 回调（跨进程场景）或 LocalBroadcast（同进程）；分析层不等待上报结果。
- 上报层→分析层（控制）：上报层使用独立的“限流 Channel”回传压缩预算或重试状态，分析层据此调整聚合窗口大小。
3.3 信任链路设计
四层之间并非完全信任，每层需对上游数据进行合法性校验，防止恶意数据或格式异常导致整链崩溃：
| 校验方向 | 校验内容 | 处理策略 |
|---|---|---|
| 分析层校验采集层 | 时间戳单调性、JSON Schema 基础格式、必填字段非空 | 格式错误：直接丢弃并计入“采集层脏数据”指标 |
| 上报层校验分析层 | 主因分类是否在枚举范围内、置信度 [0, 1] | 非法值：降级为“Unknown”分类，不阻断上报 |
| 告警层校验上报层 | 触发时间不得晚于当前时间 + 5s（容忍时钟偏差） | 时间异常：延迟 30s 再匹配，若仍异常则丢弃 |
风险点：采集层如果连续产生大量脏数据，分析层会频繁丢弃，导致“假分析延迟”表象。因此需在分析层增加脏数据占比仪表盘，当占比超过 5% 时自动拉高采集层的日志级别并触发研发告警。
3.4 选型权衡
- 采集层框架：优先选择平台监听钩子（如 Android 的
AnrDataListener、Signal Catcher 线程）而非定期拉取；减少系统 API 调用频次。 - 分析层模型：轻量决策树 vs. 离线训练模型。线上推荐使用决策树（
if-else堆栈特征匹配），避免 GPU 开销；离线可复跑深度学习做召回优化。 - 上报层协议：HTTP/2 长连接 vs. gRPC Stream。高吞吐场景下建议 gRPC（自带压缩与流控），但需权衡客户端资源（内存 2~5 MB 额外开销）。
- 告警层去重：滑动时间窗口布隆过滤器（内存 < 1 MB）比全量 hash 存储更适合移动端，误报率可接受在 1% 以内。
3.5 落地步骤与验收标准
- Step 1：定义层间共享的 protobuf 消息协议（
AnrRecord、AnrAnalysis、UploadPayload），并生成 Java/Kotlin 桩代码。 - Step 2：采集层独立打包为
lib-anr-collector.aar，无分析/上报依赖。 - Step 3：分析层实现基于 protobuf 的
AnrAnalyzer接口，不隐含工厂或 SPI 注入。 - Step 4：上报层与告警层分离为两个 Service/WorkManager 后台任务，分别拥有独立进程（Android 多进程场景）。
- Step 5：集成测试验证：在 mock 采集层注入各种畸形数据，检查分析层是否按校验规则丢弃；通过注入已知 ANR 场景验证分类召回率 > 90%。
验收标准：
- 四层模块可单独升级而不影响其他层（接口兼容性由 protobuf 保证）。
- 任意一层崩溃（如分析层 OOM）不导致采集或上报层挂死——靠独立进程 + 生命感知回调。
- 数据流端到端延迟 ≤ 3s（从采集层收到信号到告警层触发）。
- 脏数据丢弃不影响正常链路吞吐（分析层 QPS ≥ 500/s）。