Grab用分层防御应对AI代码变更激增,移动端崩溃如何防住
Grab 实现了一套分层防御策略,在整个开发与发布生命周期中对崩溃问题进行预防、检测和隔离。
Grab 的说法是,AI 编程助手用得多了,开发是快了,可每个版本里改动的代码也跟着变多,缺陷和 App 崩溃的概率就上去了。为了接住这个问题,他们搭了一套分层防御,把崩溃的预防、检测和隔离贯穿整个开发与发布周期。
Grab 表示,“AI 提升了代码编写速度,而分层防御则保障这种提速是安全的。”
在 Grab 这种业务体量下,崩溃漏进生产环境始终是个躲不开的风险。每周都有大批合并请求从众多产品团队涌来,很多功能靠灰度开关放出去,而开关的启用和版本发布又各自独立。哪一处改动都可能带进崩溃。
移动应用崩溃不只伤用户体验,还会拉低无崩溃会话率,连带影响应用在 Google Play 的排名。代价也会往上走:不是所有用户都开了自动更新,这意味着“已经上线的崩溃问题会长时间留在用户设备上”。另外,并不是每个崩溃都带着清晰、符号化的堆栈跟踪信息,所以“查找原因需要交叉比对发布时间表、功能开关发布情况和会话元数据”。
Grab 这套分层防御走的是左移路线,在开发周期的各个阶段布下一串保障措施,尽量早地把崩溃问题揪出来:从合并前,到预生产、发布控制,再到发布后的响应。
合并前到预生产这一段,重点是预防,Grab 把它称作“主要防线”。做法上,工程师先用静态代码分析工具,比如 Android Lint 和 SwiftLint,靠平台特定、社区驱动和自定义的 Lint 规则在代码合并前就把问题拦下;同时跑自动化和手动测试,包括单元测试、UI 测试和质量保证检查;另外还有 Grab Early Access(GEA),这是一道预生产门禁,把早期构建包分发给内部用户,并对他们持续监控:
有些崩溃只有少数内部用户在 GEA 里碰到,放到生产规模上就会变成崩溃率大幅飙升、客服压力激增,甚至要紧急热修复。GEA 能在这些崩溃到达生产用户之前把它们抓住,是 Grab 最重要的稳定性门禁之一。
到了发布阶段,Grab 用分阶段发布和功能开关来管住崩溃进入生产环境的可能。分阶段发布先让新版本只推给一小部分用户,工程师盯着崩溃情况,一旦发现异常崩溃率就暂停发布。功能开关则让团队一步步开启功能,同时观察它对崩溃率的影响。要是某个功能把崩溃率推过了预设阈值,可以立刻关掉,不用发新版本。
发布之后,Grab 的重心是快速响应事件,用相应机制去检测、排查和控制生产环境里的崩溃。这些机制包括:用 Firebase Crashlytics 和 BigQuery 做实时崩溃监控,构建一上线就能尽快识别异常;自动化分诊和增强诊断,把崩溃元数据和堆栈跟踪信息聚合起来,帮团队把崩溃问题对应到具体的 PR;还有反馈循环和事后分析,用来扩充 Lint 规则和测试覆盖范围。
Grab 的分层防御方法还有不少内容没法在这里一一展开,建议阅读原文了解所有细节。
【声明:本文由 InfoQ 翻译,未经许可禁止转载。】