P0 SR 黑屏 / 卡顿 / 自杀根因

这不是一个单点 crash，而是一条连续的事故链：内存泄漏 → 渲染线程卡死 → Unity watchdog 触发自杀。

事故等级P0

复现方式2h 台架

关键阈值20s 卡死

背景

2026 年 4 月，610 版本线上出现 SR 黑屏、明显卡顿和 Unity 进程异常终止。单看每个症状，它们像是三个问题：画面黑、帧率低、进程自杀。但线上事故处理不能按现象拆碎，必须找到一条能解释全部症状的根因链。

现象

现象	用户感知	工程风险
SR 黑屏	画面偶发不可用	渲染链路中断
明显卡顿	帧率从 60fps 掉到 10fps 以下	主体验受损
进程自杀	Unity 进程异常退出	稳定性事故

排查过程

1. 排除表面假设

假设	验证	结论
GPU 驱动问题	多设备复现	不是单设备驱动
特定场景触发	随机场景出现	非固定场景
网络数据异常	离线也能复现	非网络根因

2. 台架复现

人工排查很难稳定抓到现场，因此改用台架长时间自动测试。连续跑约 2 小时后复现，再拉 trace 和日志分析。

3. 串起根因链

flowchart TD
    A[大纹理未及时释放] --> B[内存持续上升]
    B --> C[渲染线程等待 GPU 资源释放<br>卡死约 20 秒]
    C --> D[Unity watchdog 判定<br>渲染线程不可恢复]
    D --> E[触发进程自杀保护]
    B -.表现为.-> F[卡顿 60fps → 10fps-]
    C -.表现为.-> G[SR 黑屏]

这条链路同时解释黑屏、卡顿和自杀：黑屏是渲染不可用的表现，卡顿是资源等待的过程，自杀是 watchdog 的保护结果。

修复方案

紧急止血

• 定位泄漏的大纹理对象，补显式释放逻辑。
• 对渲染线程卡死风险增加降级策略，例如降低分辨率、关闭部分后处理。

长期防线

• 建立内存预警：内存超过阈值时主动降级。
• 建立线上 record：用环形 buffer 记录事故前后关键事件，便于复盘。
• 将 crash、卡顿、内存、渲染状态纳入统一监控链路。

产出

• P0 事故根因链。
• 台架自动复现路径。
• 紧急修复方案和长期治理方向。
• 后续稳定性治理的监控口径。

可复用方法论

1. P0 事故要先找能解释全部症状的链路。
2. 不能稳定复现时，优先搭自动化场景，而不是继续猜。
3. watchdog 自杀通常是保护结果，根因要往上游资源链路找。
4. 复盘产物必须转成监控和发布标准，否则下次还会靠人肉经验。

复盘

这篇案例后续还需要补充脱敏后的 trace 分析图、内存趋势图和降级策略表。当前版本只保留公开可描述的方法论和已在原文出现的关键数字。