[人工智能]iOS崩溃日志符号化及NLP聚类实现

? ? ? ?在解决iOS应用线上崩溃时，我们通常要分析崩溃日志来定位原因。线上崩溃日志一般是未符号或部分符号化的日志，是一堆十六进制的内存地址集合，可读性比较差，这对解决问题几乎没有帮助。所以，我们首先需要先对崩溃日志进行符号化——根据App出错的函数内存地址，在.dSYM文件中找到具体的文件名、函数名和行号信息。有了上述信息，我们就可以定位分析具体的崩溃原因了。

? ? ? ? 如果存在大量的崩溃日志，光符号化崩溃日志是远远不够的，我们不可能一条一条去分析大量崩溃日志，这时候就需要对符号化的崩溃日志进行聚类了。通过聚类，将相同或相近的一类崩溃归类在一起，进行统计分析，这在实际问题解决中具有重要的意义。本文将介绍基于NLP的崩溃日志聚类的实现。

? ? ? ? 本文提纲如下：

1. 崩溃符号化

1.1 崩溃日志结构

? ? ? 线上崩溃日志结构大致如下图所示。我们需要关心的信息主要是标注为红色的部分，具体说明详见表格的描述。

? ? ? ? 通过分析崩溃日志的格式，我们很容易获取到应用的bundle ID、版本号、CPU类型、崩溃时间、崩溃设备及系统版本、崩溃类型、崩溃线程号，崩溃线程栈信息、崩溃日志对应dsYM文件的uuid。了解这些基础信息，我们就可以进行符号化了。

1.2 符号化方法

? ? ? Xcode自带工具可以帮助我们来完成符号化的工作：symbolicatecrash、atos。

1.2.1?symbolicatecrash

? ?symbolicatecrash是一个将堆栈地址符号化的脚本，执行symbolicatecrash命令，可以得到一个符号化之后的输出文件，查看这个文件可以看到崩溃的位置。

1）准备工作

? ? 准备3个文件，放在同一个文件夹下：

I.? dSYM文件；
II. 崩溃日志文件（注意文件格式为.crash，如果是其他格式，如txt，先将文件后缀改为.crash）；
III.symbolicatecrash（symbolicatecrash的位置可以通过下面的指令来查找）

find /Applications/Xcode.app -name symbolicatecrash -type f

会输出所有的路径，我们只需要随便拷贝一个脚本和dSYM、崩溃日志放在一起即可。

find: /Applications/Xcode.app/Contents/Developer/Platforms/iPhoneOS.platform/Library/Developer/CoreSimulator/Profiles/Runtimes/iOS.simruntime/Contents/Resources/RuntimeRoot/private/var/mobile: Permission denied

/Applications/Xcode.app/Contents/Developer/Platforms/MacOSX.platform/Developer/iOSSupport/Library/PrivateFrameworks/DVTFoundation.framework/Versions/A/Resources/symbolicatecrash

/Applications/Xcode.app/Contents/Developer/Platforms/WatchSimulator.platform/Developer/Library/PrivateFrameworks/DVTFoundation.framework/symbolicatecrash

/Applications/Xcode.app/Contents/Developer/Platforms/AppleTVSimulator.platform/Developer/Library/PrivateFrameworks/DVTFoundation.framework/symbolicatecrash

/Applications/Xcode.app/Contents/Developer/Platforms/iPhoneSimulator.platform/Developer/Library/PrivateFrameworks/DVTFoundation.framework/symbolicatecrash

/Applications/Xcode.app/Contents/SharedFrameworks/DVTFoundation.framework/Versions/A/Resources/symbolicatecrash

2）执行命令

? ? ? ?在终端分别输入下面的两条命令，会生成YourApp.log文件，在该文件中可以产看具体的崩溃位置。

export DEVELOPER_DIR="/Applications/XCode.app/Contents/Developer"

./symbolicatecrash YourApp.crash YourApp.app.dSYM > YourApp.log

1.2.2 atos

? ?atos命令的特点是可以对单行堆栈进行符号化操作，通过输入本地地址（load address）和崩溃内存地址（address to symbolicate）就可以符号化。

1）命令使用

atos -arch <Binary Architecture> -o <Path to dSYM file>/Contents/Resources/DWARF/<binary image name> -l <load address> <address to symbolicate>

Binary Architecture：arm64、armv6、armv7armv7s， 根据应用的情况来写；

Path to dSYM file： dSYM文件的路径；

binary image name: 你工程的名字；

load address：基地址，如果我们的崩溃日志中没有这个信息，load address = address to symbolicate - offset；

address to symbolicate：当前方法的内存地址。

2）使用例子

? ? ? ?参考图1.1的崩溃日志片段，我们通过顶部的崩溃信息找到崩溃线程的ID为23，然后查看线程号为23的崩溃栈信息，从圈红色部分找到本地地址和崩溃的内存地址。例如本地地址为:0x102104000，崩溃的内存地址：0x000000010338cee8。

?执行指令即可符号化出崩溃日志。

atos -o yourProject.app.dSYM/Contents/Resources/DWARF/yourProjectName -arch arm64 -l 0x102104000 0x00000001032c60a4

1.2.3 符号化方法总结

? ? ??symbolicatecrash：开发者不需要分析本地地址和崩溃内存地址，直接将整个崩溃文件符号化，指令会自动找到崩溃线程栈，并对崩溃关键信息进行符号化，操作简单。

? ? ? atos：需要开发者分析本地地址和崩溃内存地址才能进行符号化，优点是可以对单行堆栈进行符号化。

? ? ? 在实际应用中，我们需要根据项目线上崩溃情况，灵活选择符号化的方法。例如在博主的项目中，下载的崩溃日志是已经格式化的csv崩溃日志，采用atos来符号化，便于批量操作，统计分析。

2.崩溃日志聚类

? ? ? 通过第1节内容，我们已经可以将线上大量的崩溃日志进行符号化了。实际项目中，光符号化崩溃日志远远不够的。面对大量的崩溃日志，我们不可能一条一条地去分析。因此，对符号化的崩溃日志进行分门别类，将相同或相近的一类崩溃归类在一起，统计分析每一类崩溃，在应用问题解决中十分有意义。本节将介绍基于NLP的崩溃日志聚类实现。

2.1 聚类流程

? ? ? ?整个聚类过程分为崩溃日志输入、分词、特征提取、输出特征向量、计算相似度、聚类归并、输出统计结果七部分。

2.2 聚类实现

1）崩溃日志输入：就是批量输入符号化的崩溃日志，初始化每条崩溃版本号、标题、崩溃log、崩溃次数等。?

2）分词：采用jieba分词库，对崩溃log进行分词。?

3）特征提取：将分词后的字符串作为每条崩溃 log的特征。?

def getWordList(s):
    cut = jieba.cut(s)
    list_word = (','.join(cut)).split(',')
    return list_word

4）生成特征向量：循环计算每两条日志的所有词、取并集、计算词频。?

def getWordVector(list_word1, list_word2):
    # 列出所有的词,取并集
    key_word = list(set(list_word1 + list_word2))
    
    # 给定形状和类型的用0填充的矩阵存储向量
    word_vector1 = np.zeros(len(key_word))
    word_vector2 = np.zeros(len(key_word))

    # 计算词频
    # 依次确定向量的每个位置的值
    for i in range(len(key_word)):
        # 遍历key_word中每个词在句子中的出现次数
        for j in range(len(list_word1)):
            if key_word[i] == list_word1[j]:
                word_vector1[i] += 1
        for k in range(len(list_word2)):
            if key_word[i] == list_word2[k]:
                word_vector2[i] += 1
                
    return word_vector1, word_vector2

5）计算相似度：余弦距离是自然语言处理中用来计算两个句子的相似度的方法之一，在本文中，博主通过计算特征向量的余弦距离来判断两条日志的相似度。余弦距离越大，相似度越大。?

def calcuCosDistance(vec1, vec2):
    dist = float(np.dot(vec1, vec2) / (np.linalg.norm(vec1) * np.linalg.norm(vec2)))
    return dist

6）聚类归并：设定余弦距离阈值，当相似度大于等于余弦阈值时，则认为这两条日志是相似的，把它们归并在一起。余弦阈值选取多少，没有统一的标准，需要在项目中进行测试选择一个合适的值。

7）输出统计结果：遍历聚类归并全部崩溃日志之后，输出统计后的崩溃日志，例如保存到数据库或以csv格式输出。?下面是博主项目中输出的统计结果截图。

3.参考文章

1.Apple Developer Documentation

2.jieba:https://github.com/fxsjy/jieba