聊聊Android线程优化这件事

货

移动技术团队2023年10月10日约 15 分钟

一、背景

在日常开发APP的过程中，难免需要使用第二方库和第三方库来帮助开发者快速实现一些功能，提高开发效率。但是，这些库也可能会给线程带来一定的压力，主要表现在以下几个方面：

线程数量增多：一些库可能会在后台启动一些线程来执行任务，这样会增加系统中线程的数量，从而导致系统资源的浪费。
线程竞争：一些库可能会在同一时间启动多个线程来执行任务，这样会导致线程之间的竞争，从而影响程序的执行效率。
线程阻塞：一些库可能会在执行任务时阻塞主线程，从而导致程序的卡顿和响应速度变慢。

二、整体思路

为了解决使用第二方库和第三方库代理的线程问题，我选择用下面的思路来进行线程优化：

线程检测，评估优化空间。
线程统计，收集优化范围。
线程和线程池优化，线程数收敛。
线程栈裁剪，减少线程内存。

三、具体方案

1. 线程检测

最常见的几种获取线程信息的方式如下

为了有完整的线程统计，而且能实时了解运行过程中线程数的变化，那我们就选择了读取伪文件系统里面线程信息的方式。

/**
 * 获取所有线程信息
 */
private fun getThreadInfoList():List<ThreadInfo>?{
//获取伪文件所有的线程信息文件
    val file =File("/proc/self/task")
...
//遍历task文件目录下
for(threadDir in listFile){
//读取每个目录下的status文件获取单个线程信息
        val statusFile =File(threadDir,"status")
if(statusFile.exists()){
            val threadInfo =ThreadInfo()
try{
BufferedReader(InputStreamReader(FileInputStream(statusFile))).use{ reader ->
var line:String
                    hitFlag =0
while(reader.readLine().also { line = it }!=null){
if(hitFlag >2){
break
}
//解析线程名
if(line.startsWith("Name")){
                            val name =
                                line.substring("Name".length +1).trim { it <=' '}
                            threadInfo.name = name
                            hitFlag++
continue
}
//解析线程Pid
if(line.startsWith("Pid")){
                            val pid =
                                line.substring("Pid".length +1).trim { it <=' '}
                            threadInfo.id = pid
                            hitFlag++
continue
}
//解析线程状态
if(line.startsWith("State")){
...
                            threadInfo.status = state
                            hitFlag++
}
}
}
}catch(e:Exception){
Log.e(LOG_TAG, e.toString())
}
            threadInfoList.add(threadInfo)
}
}
return threadInfoList
}

最后只需要在APP启动后就开启轮询任务：1，获取伪文件。2，写入数据库。3，更新视图展示。

统计了运行时创建的线程、可用的线程、正在运行的线程。

理想的情况就是可用的线程数应该和正在运行的线程数尽量接近，实际发现差异巨大，所以优化的空间还是蛮值得期待的。

2. 线程统计

### 了解创建线程和线程池的字节码

### 如何扫描到创建的线程和线程池

通过插桩的方式，来查找创建线程池和线程的类名，并把这些类名统一输出到一份txt文档。插桩的框架，我选择的是ASM，因为使用ASM进行插桩具有高效性、灵活性、易用性、兼容性和社区活跃等优点，是一种比较优秀的字节码操作框架，对于提高应用程序的性能和可维护性具有重要意义。

那么通过ASM是如何扫描到的呢？

要扫描到创建线程池的类名，你需要使用ASM的访问者模式（Visitor Pattern）来遍历字节码中的方法和指令。在遍历过程中，当遇到创建线程的指令（如：new java/util/concurrent/ThreadPoolExecutor）时，就可以获取到创建线程的类名。

import org.objectweb.asm.*;
publicclassThreadPoolDetectorClassVisitorextendsClassVisitor{
publicThreadPoolDetectorClassVisitor(int api,ClassVisitor classVisitor){
super(api, classVisitor);
}
@Override
publicMethodVisitor visitMethod(int access,String name,String desc,String signature,String[] exceptions){
MethodVisitor mv = cv.visitMethod(access, name, desc, signature, exceptions);
returnnewThreadPoolDetectorMethodVisitor(api, mv);
}
classThreadPoolDetectorMethodVisitorextendsMethodVisitor{
publicThreadPoolDetectorMethodVisitor(int api,MethodVisitor methodVisitor){
super(api, methodVisitor);
        methodVisitor);
}
@Override
publicvoid visitMethodInsn(int opcode,String owner,String name,String desc,boolean itf)){
if(opcode ==Opcodes.INVOKESTATIC && owner.startsWith("java/util/concurrent/Executors")){
System.out.println("Detected creation of new ThreadPool!");
}
super.visitMethodInsn(opcode, owner, name, desc desc, itf);
}
}
}

### 统计和分类扫描到的创建线程和线程池的类名

扫描到的结果

结果进行分类

结果的用处

了解项目现状。
对后续优化可以设置白名单。
可以对线上设置的线程进行降级处理。

3. 线程和线程池优化

### 3.1 线程优化

对于APP业务层和自研SDK，我们检查是否真的需要直接new thread，能否用线程池代替，如果必须创建单个线程，那我们创建的时候必须加上线程名，方便排查线程问题。
对于三方SDK，那就可以通过插桩来重命名（名称必须少于16个字符），方便尽快知道该线程是来自哪个SDK。

3.2 线程池优化

对于APP业务层，我们需要提供常用线程池，例如I/O、CPU、Single、Cache等等线程池，避免开发各自创建重复的线程池。
对于自研SDK，我们尽量让架构组的开发同学提供可以设置自定义线程池的能力，方便我们代理到我们APP业务层的线程池。
对于三方SDK，首先了解有没有提供设置我们自定义线程池的接口，有的话，那就直接设置我们APP业务层的线程池。如果没有这种能力，那我们就进行插桩来进行线程池收敛。在进行三方SDK插桩代理的时候，需要注意三点：

设置白名单，进行逐步代理。
针对不同的SDK，要区分是本地任务还是网络任务，这样能明确是代理到I/O线程池还是CPU线程池。
设置降级开关，方便线上有问题时，及时对单个SDK进行降级处理。
3.2.1 行业方案<

（1）反射收敛，但是使用反射来收敛线程池的确有一些潜在的弊端：

性能开销：反射在执行时需要进行一系列的检查和解析，这会比直接的Java方法方法调用带来更大的性能开销。
安全问题：反射可以访问所有的字段和方法，包括私有有的和受保护的，这可能会破坏对象的封装性，导致安全问题。
代码复杂性：使用反射的代码通常比直接的Java代码更复杂，更难理解和维护。

因此，虽然反射是一种强大的工具，但在使用时需要谨慎，尽量避免不必要的使用。

（2）代理收敛，但是使用代理设计模式来收敛线程池也有一些潜在的弊端：

增加复杂性：代理方式会引入额外的类和对象，这会增加系统的复杂性。对于简单的问题，使用代理可能会显得过于复杂。
代码可读性：由于代理方式涉及到额外的抽象层，这可能会对代码的可读性产生一定的影响。
调试困难：由于代理模式的存在，错误可能会被掩盖或者难以定位，这可能会使得调试变得更加困难。

因此，虽然代理模式是一种强大的设计模式，但在使用时也需要考虑到这些潜在的问题。

（3）协程收敛，但是使用协程收敛线程池也有一些局限性和潜在的弊端：

需要依赖Kotlin协程库：使用Kotlin协程需要依赖Kotlin协程库，如果应用程序中没有使用Kotlin语言，那么需要额外引入Kotlin库，增加了应用程序的体积。
协程的执行时间不能过长：Kotlin协程的执行时间不能过长，否则会影响其他协程的执行。因此，在使用Kotlin协程进行线程收敛时，需要合理控制协程的执行时间。
可能会导致内存泄漏：如果协程没有正确地取消，可能会导致内存泄漏。因此，在使用Kotlin协程时，需要注意正确地取消协程。

因此，虽然Kotlin协程可以通过使用协程调度器来实现线程收敛，但是也存在一些弊端，需要开发者根据具体情况来选择是否使用。

（4）插桩收敛，虽然插桩也有一些不足之处：

可能影响程序行为：如果插桩代码改变了程序的状态或者影响了线程的线程的调度，那么它可能会改变程序的行为。
可能引入错误：如果插桩代码桩代码本身存在错误，那么它可能会引入新的错误到程序中。

但是这些缺点在线程池收敛的时候还是可控的，相比于上面的反射收敛、代理收敛和协程收敛来说，还有许多优点：

直接性：插桩直接在代码中插入额外的逻辑，不需要通过代理或反射射间接地操作对象，这使得插桩更直接，更易于理解和控制。
灵活活性：插桩可以在任何位置插入代码，，这提供了很大的灵活性。而代理和反射通常只能操作公开的接口和方法。
无需修改原始代码：插桩通常常不需要常不需要修改原始的线程池代码，这使得它可以在不影响原始代码的情况下收集信息。
颗粒度控制：可以对某个方法或某段代码进行线程收敛，而不是整个应用程序。

综上所述，我就选择了更加通用、灵活、精确的方式来收敛二方和三方的线程池---插桩代理。

#### 3.2.2 代码设计图

#### 3.2.3 代码流程图

暂时无法在飞书文档外展示此内容

3.2.4 代码实施

创建NewThreadTrackerPlugin，在插件里主要是获取到需要进行代理的线程池白名单以及注册ThreadTrackerTransform。

classNewThreadTrackerPluginimplementsPlugin<Project>{
@Override
void apply(Project project){
System.out.println("ThreadTracker:start ThreadTrackerPlugin")
        project.getRootProject().getSubprojects().each { subProject ->
PluginUtils.addProjectName(subProject.name)
PluginUtils.projectPathList.add(subProject.projectDir.toString())
}
        org.gradle.api.plugins.ExtraPropertiesExtension ext = project.getRootProject().getExtensions().getExtraProperties()
//通过配置来设置是否需要输出所有创建线程池的txt文件，文件名为"thread_tracker_XXX.txt"
if(ext.has("scanProject")){
boolean scan = ext.get("scanProject")
PluginUtils.setScanProject(scan)
System.out.println("ThreadTracker:需要扫描项目吗？"+ scan)
}
//通过配置来获取需要进行插桩代理的白名单
if(ext.has("whiteList")){
List<String> list = ext.get("whiteList")
PluginUtils.addWhiteList(list)
}else{
System.out.println("ThreadTracker:请创建thread_tracker.gradle文件，设置whiteList白名单")
}
//注册ThreadTrackerTransform。
//Gradle Transform 是 Android 官方提供给开发者在项目构建阶段，即由 .class 到 .dex 转换期间修改 .class 文件的一套 API。目前比较经典的应用是字节码插桩、代码注入技术。
AppExtension appExtension =(AppExtension) project.getProperties().get("android")
        appExtension.registerTransform(newThreadTrackerTransform(),Collections.EMPTY_LIST)
}
}

创建 ThreadTrackerTransform，重写ThreadTrackerTransform的transform方法，在该方法里面来遍历文件目录下和Jar包中的class文件，并让ClassReader接受的是我们自定义的ThreadTrackerClassVisitor。

/**
 * transform 方法来处理中间转换过程，主要逻辑在该方法中实现。我们可以在 transform 方法中，实现对字节码的修改、处理等操作。
 * @param transformInvocation
 */
@Override
void transform(@NonNullTransformInvocation transformInvocation){
...
//对于一个.class文件进行Class Transformation操作，整体思路是这样的：
// ClassReader --> ClassVisitor(1) --> ... --> ClassVisitor(N) --> ClassWriter
ClassReader classReader =newClassReader(file.bytes)
ClassWriter classWriter =newClassWriter(classReader,ClassWriter.COMPUTE_MAXS)
ClassVisitor cv =newThreadTrackerClassVisitor(classWriter,null)
                classReader.accept(cv, EXPAND_FRAMES)
byte[] code = classWriter.toByteArray()
FileOutputStream fos =newFileOutputStream(
                        file.parentFile.absolutePath +File.separator + name)
                fos.write(code)
                fos.close()
...
}

创建ThreadTrackerClassVisitor，重写visitMethod来返回自定义的MethodVisitor，通过这个对象来访问方法的详细信息。

在visitMethod方法方法中，我们可以插入自己的代码，以修改或替换原有的方法声明声明。例如，我们可以改变方法的访问权限、改变方法的参数、改变方法的返回值，甚至可以完全替换原有的方法声明。

@Override
publicMethodVisitor visitMethod(int access0,String name0,String desc0,String signature0,String[] exceptions){
MethodVisitor mv = cv.visitMethod(access0, name0, desc0, signature0, exceptions);
if(filterClass(className)){
return mv;
}
returnnewProxyThreadPoolMethodVisitor(ASM6, mv, className);
}
/**
*。 过滤掉不需要插桩的类，比如这个插桩代码模块、自定义的线程池等等
**/
privateboolean filterClass(String className){
return className.contains("com/lalamove/threadtracker/")|| className.contains("com/lalamove/plugins/thread")|| className.contains("com/tencent/tinker/loader")|| className.contains("com/lalamove/huolala/client/asm/HllPrivacyManager");
}

创建ProxyThreadPoolMethodVisitor，并重写它的visitMethodInsn方法来真实插桩自己的线程池。

在visitMethodInsn方法中，我们可以插入自己的代码，以修改或替换原有的方法调用。

@Override
publicvoid visitMethodInsn(int opcode,String owner,String name,String descriptor,boolean isInterface){
//如果配置中是需要扫描App，则把创建线程池的类名全部都写在"thread_tracker_XXX.txt"里面，供开发者统计、分类、设置白名单和降级处理
if(PluginUtils.getScanProject()){
if(owner.equals(O_ThreadPoolExecutor)&& name.equalsIgnoreCase("<init>")){
PluginUtils.writeClassNameToFile("创建ThreadPoolExecutor的类："+ className);
}
}
//如果配置中是需要插桩代理线程池，则把原本的类 "java/util/concurrent/ThreadPoolExecutor"换成了我们自定义的类"com/lalamove/threadtracker/proxy/BaseProxyThreadPoolExecutor"
//mClassProxy只是一个总开关，是否开启代理；具体某个类是否需要代理，在创建线程池的具体地方会根据类名来判断
if(mClassProxy){
if(owner.equals(O_ThreadPoolExecutor)&& name.equalsIgnoreCase("<init>")){
if("(IIJLjava/util/concurrent/TimeUnit;Ljava/util/concurrent/BlockingQueue;)V".equalsIgnoreCase(descriptor)){
                    mv.visitLdcInsn(className);
                    mv.visitMethodInsn(opcode, O_BaseProxyThreadPoolExecutor, name,"(IIJLjava/util/concurrent/TimeUnit;Ljava/util/concurrent/BlockingQueue;Ljava/lang/String;)V",false);
}elseif("(IIJLjava/util/concurrent/TimeUnit;Ljava/util/concurrent/BlockingQueue;Ljava/util/concurrent/ThreadFactory;)V".equalsIgnoreCase(descriptor)){
                    mv.visitLdcInsn(className);
                    mv.visitMethodInsn(opcode, O_BaseProxyThreadPoolExecutor, name,"(IIJLjava/util/concurrent/TimeUnit;Ljava/util/concurrent/BlockingQueue;Ljava/util/concurrent/ThreadFactory;Ljava/lang/String;)V",false);
}elseif("(IIJLjava/util/concurrent/TimeUnit;Ljava/util/concurrent/BlockingQueue;Ljava/util/concurrent/RejectedExecutionHandler;)V".equalsIgnoreCase(descriptor)){
                    mv.visitLdcInsn(className);
                    mv.visitMethodInsn(opcode, O_BaseProxyThreadPoolExecutor, name,"(IIJLjava/util/concurrent/TimeUnit;Ljava/util/concurrent/BlockingQueue;Ljava/util/concurrent/RejectedExecutionHandler;Ljava/lang/String;)V",false);
}elseif("(IIJLjava/util/concurrent/TimeUnit;Ljava/util/concurrent/BlockingQueue;Ljava/util/concurrent/ThreadFactory;Ljava/util/concurrent/RejectedExecutionHandler;)V".equalsIgnoreCase(descriptor)){
                    mv.visitLdcInsn(className);
                    mv.visitMethodInsn(opcode, O_BaseProxyThreadPoolExecutor, name,"(IIJLjava/util/concurrent/TimeUnit;Ljava/util/concurrent/BlockingQueue;Ljava/util/concurrent/ThreadFactory;Ljava/util/concurrent/RejectedExecutionHandler;Ljava/lang/String;)V",false);
}else{
                    mv.visitMethodInsn(opcode, O_BaseProxyThreadPoolExecutor, name, descriptor,false);
}
return;
}
}
super.visitMethodInsn(opcode, owner, name, descriptor, isInterface);
}

上述使用到的一些常量定义如下，也引入到了我们自己自定义的线程池。

classClassConstant{
//Java里面创建线程池的类名
staticfinalString O_ThreadPoolExecutor ="java/util/concurrent/ThreadPoolExecutor";
//自定义创建线程池的类名
staticfinalString O_BaseProxyThreadPoolExecutor ="com/lalamove/threadtracker/proxy/BaseProxyThreadPoolExecutor";
}

创建BaseProxyThreadPoolExecutor，重写了创建线程池的所有构造方法，也通过传入的类名判断了该类里面的线程池是否需要代理，以及代理的是的CPU密集型线程池还是IO密集型线程池。

package com.lalamove.threadtracker.proxy
import android.util.Log
import com.lalamove.threadtracker.TrackerUtils
import java.util.concurrent.*
/**
 * ThreadPoolExecutor代理类
 */
open classBaseProxyThreadPoolExecutor:ThreadPoolExecutor{
var mProxy =true
//App层自定义的IO线程池
privatevar threadPoolExecutor:ThreadPoolExecutor=
TrackerUtils.getProxyNetThreadPool()
    constructor(
        corePoolSize:Int,
        maximumPoolSize:Int,
        keepAliveTime:Long,
        unit:TimeUnit?,
        workQueue:BlockingQueue<Runnable>?,
        className:String?,
):super(corePoolSize, maximumPoolSize, keepAliveTime, unit, workQueue){
        init(corePoolSize,
            maximumPoolSize,
            keepAliveTime, className)
}
private fun init(
        corePoolSize:Int,
        maximumPoolSize:Int,
        keepAliveTime:Long,
        className:String?,
){
//判断className下创建的线程池是否要被插桩代理
if(className !=null){
            mProxy =TrackerUtils.isProxy(className)
}
//单线程暂不代理
if(corePoolSize ==1||(corePoolSize ==0&& maximumPoolSize ==1)){
            mProxy =false
}
if(!mProxy){
return
}
//设置核心线程超时允许销毁
if(keepAliveTime <=0){
            setKeepAliveTime(10L,TimeUnit.MILLISECONDS)
}
        allowCoreThreadTimeOut(true)
//设置className的线程池被代理为CPU线程池
if(className !=null&&TrackerUtils.proxyCpuClass(className)){
            threadPoolExecutor =TrackerUtils.getProxyCpuThreadPool()
}
}
...
override fun submit(task:Runnable):Future<*>{
returnif(mProxy) threadPoolExecutor.submit(task)elsesuper.submit(task)
}
override fun execute(command:Runnable){
if(mProxy) threadPoolExecutor.execute(command)elsesuper.execute(command)
}
//注意：不能关闭，否则影响其他被代理的线程池
override fun shutdown(){
if(!mProxy){
super.shutdown()
}
}
//注意：不能关闭，否则影响其他被代理的线程池
override fun shutdownNow():MutableList<Runnable>{
        val list =if(mProxy) mutableListOf<Runnable>()elsesuper.shutdownNow()
return list
}
}

3.2.5 实施代理

在工程最外层创建thread_tracker.gradle，里面可以设置需要代理的线程池白名单。

通过打印日志就能看出白名单里面的线程池是否被代理成功。

设置降级开关

（1）设置每个SDK里面细分类名对应的code

（2）在配置系统上设置需要关闭SDK，设置上面对应的code码即可。

（3）在APP初始化的时候尽可能早的获取配置系统上的code字符串

（4）在进行代理的时候，会匹配code字符串，来决定具体的线程池是否进行代理。

3.2.6 代理后的收益

累计减少了大约40条线程的开销

## 4. 线程栈裁剪

4.1 裁剪方式

创建线程的时候，线程默认的栈空间大小为 1M 左右，经过测试大部分情况下线程内执行的逻辑并不需要这么大的空间，因此线程栈空间减小，可以对内存这块有明显的优化。

接下来我们来看下函数FixStackSize源码，是怎么设置线程栈默认为1M的？

staticsize_tFixStackSize(size_t stack_size){
//参数是java层中thread 的stack_size默认0
if(stack_size ==0){
      stack_size =Runtime::Current()->GetDefaultStackSize();
}
// 默认栈大小是 1M
    stack_size +=1* MB;
//...
if(Runtime::Current()->ExplicitStackOverflowChecks()){
      stack_size +=GetStackOverflowReservedBytes(kRuntimeISA);
}else{
8k+8K
      stack_size +=Thread::kStackOverflowImplicitCheckSize +
GetStackOverflowReservedBytes(kRuntimeISA);
}
//...
return stack_size;
}

发现函数的源码实现就是通过 stacksize += 1 * MB 来设置 stacksize 的：如果我们传入的 stacksize 为 0 时，默认大小就是 1 M ；如果我们传入的 stacksize 为 -512KB 时，stacksize 就会变成 512KB（1M - 512KB）。那我们是不是只用带有 stacksize 入参的构造函数去创建线程，并且设置 stacksize 为 -512KB 就行了呢？应用中创建线程的地方太多很难一一修改，前面我们已经将应用中的线程部分收敛到自定义的线程池中去了，所以只需要修改自定义线程池中创建的线程方式即可。在我们自定义的 ThreadFactory 中，创建 stacksize 为 - 512 KB 的线程，这么一个简单的操作就能减少线程所占用的虚拟内存。

package com.lalamove.threadtracker.proxy
import java.util.concurrent.ThreadFactory
import java.util.concurrent.atomic.AtomicInteger
open classProxyThreadFactory:ThreadFactory{
override fun newThread(runnable:Runnable):Thread{
        val mAtomicInteger =AtomicInteger(1)
returnThread(null, runnable,"Thread-"+ mAtomicInteger.getAndIncrement(),-512*1024)
}
}

需要注意是线程栈大小的设置需要根据具体的应用场景来进行调整。如果线程栈大小设置得过小，可能会导致栈溢出等问题；如果设置得过大，可能会浪费过多的内存资源。因此，在进行线程栈大小设置时，我这边会设置一个动态的裁剪值，即使有线上问题，我们也可以进行适当的调整，以保证程序的正常运行。

### 4.2 裁剪后的收益

通过火山引擎的APP性能分析平台对比发现，内存平均值减少了20M

通过Profiler实测，发现和火山引擎检测结果相近

方式	Total（单位：M）	Java（单位：M）	Native（单位：M）	Graphics（单位：M）	Stack（单位：M）	Code（单位：M）	Others（单位：M）
关闭代理	492.4	61.1	181.6	57.9	0.2	144.7	46.9
开启代理	464.3	58.2	158.6	64.5	0.1	139	43.8

四、收益和踩坑

## 1. 收益

优化之前，线程数为197条；优化之后，线程数为152条；线程数减少了大约40条
优化之前，内存使用了470.93M；优化之后，内存使用了450.24M；内存减少了大约20M
优化之前，系统CPU使用率为34.83%；优化之后，系统CPU使用率为31.51%；系统CPU使用率降低了3%

APP使用的流畅性：优化之前，每秒刷新23.36帧；优化之后，每秒刷新36.3帧；帧率平均每秒增加了13帧。

综上所述：通过插桩代理线程池进行收敛，能有效减少线程数（减少了40条），从而减少内存的使用（减少了20M）、降低CPU使用率（降低了3%）、使得APP使用的流畅性更高（每秒平均多刷新13帧），符合优化预期。

2. 踩坑

网络任务线程和本地任务线程要分开，避免网络不好的时候网络任务堵塞了本地任务
要相互依赖的线程池需要分开代理或者某些不代理，避免出现因为任务排队和互相依赖导致类似“死锁”现象
核心线程数等于1的不要代理，因为不仅优化效果有限，还可能把占用1个线程变成占用多个线程，从而导致部分任务会常驻，占用核心线程

一、背景

二、整体思路

三、具体方案

1. 线程检测

2. 线程统计

3. 线程和线程池优化

3.2 线程池优化

3.2.1 行业方案<

3.2.4 代码实施

3.2.5 实施代理

3.2.6 代理后的收益

4.1 裁剪方式

四、收益和踩坑

2. 踩坑

来自同一个声音

AI 生成接口自动化：从“随机抽奖”到“确定性交付”的 工程实践

复杂业务规则太多？我们搭了一个规则可视化配置平台

基于eBPF的主机安全探索与实践

揭秘：资损下降 99.96% 的背后—AI 资损防控平台实战

AI 生成接口自动化：从“随机抽奖”到“确定性交付”的工程实践