App性能优化之内存优化

Posted 2020-10-08

本文为慕课网《App性能优化之内存优化》课程的学习笔记，视频地址 (http://www.imooc.com/video/13670)

## 如何查看一个app在安卓系统中的内存分配情况？ 
方法一： 
1.启动android studio和虚拟机，建立连接。 
2.打开cmd窗口，输入adb shell。 
3.输入ps。 
 
4.可以看到有一个name为应用包名的进程，这就是我们的app所在的进程 
 
5.为了具体查看app所在进程的内存使用情况，需输入dumpsys meminfo +包名。 
 
方法二：

    float total_memory=
    Runtime.getRuntime().totalMemory()*1.0f/1024/1024;
    float free_memory=
    Runtime.getRuntime().freeMemory()*1.0f/1024/1024;
    float max_memory=
    Runtime.getRuntime().maxMemory()*1.0f/1024/1024;

• 1
• 2
• 3
• 4
• 5
• 6

方法三： 
打开android studio的android monitor。 
方法四： 
打开android studio的Tools→Android→Android Device Monitor。 

android内存分配与回收方式

1. 一个App通常就是一个进程，对应一个虚拟机。
2. GC（垃圾回收器）只在Heap剩余空间不足时才触发垃圾回收。（当GC回收垃圾后Heap剩余空间仍不足，GC会发起系统请求，若GC有很多变量，且GC回收会占用处理器时间，如果处理时间很长，影响app响应）。
3. GC触发时，所有线程都会暂停，极端情况下发生线程抖动（后面会说）。

App内存限制机制

---

1. 每个app分配的最大内存限制，随不同设备而不同。查看方式：`

ActivityManager manager= (ActivityManager)getSystemService(ACTIVITY_SERVICE);
int memory=manager.getMemoryClass();
int large=manager.getLargeMemoryClass();//大部分情况下二者相同

• 1
• 2
• 3

1. 吃内存大户：图片

切换应用时后台App清理机制

---

• app切换时的LRU cache (LRU算法，最近使用的排在最前面，最少可能的被清理掉)
• 系统清理（或内存变化）时会回调应用里activity的onTrimMemory(int level)方法。这时我们可以判断系统内存是否不足了，如果是就清理掉应用的一些不用的内存来使应用的占用内存变小，减少被系统清理掉的可能性。level对应信息

App内存优化方法

• 数据结构优化 
  1.频繁的字符串拼接采用StringBuilder而不是通过+的方式（会产生无用的中间字符串内存块，视频中二者拼接同样字符串的总耗时为3ms和8000ms！！！）。 
  2.ArrayMap,SparseMap替换HashMap（HashMap效率不高，占用内存大）。 
  3.内存抖动(变量使用不当引起，比如突然产生很多变量或申请很多内存空间，但很快就做完事情弃之不用了，过了一会又进行上述操作，如果此时Heap不够，GC触发垃圾回收，此时所有线程暂停，内存使用情况会像抖动一样忽高忽低)。 
  4.再小的Class也要消耗0.5KB。 
  5.HashMap的每个entry需要占用额外的32B。
• 对象复用 
  1.复用系统自带的资源。 
  2.ListView/GridView的ConvertView复用（ViewHolder）。 
  3.避免在onDraw方法里执行对象的创建（onMeasure也会调用多次，推荐在onSizeChanged方法内操作）。
• 避免内存泄露 
  内存泄露：由于代码瑕疵，导致这块内存虽然停止不用了，但依然被其他东西引用着，导致GC无法对其进行回收。 
  1.内存泄露会导致剩余Heap越来越少，GC频繁触发。（视频中在activity中点击启动线程（简单的休眠5分钟），然后退出进入该activity，启动线程，重复多次，再进入Android Device Monitor，多次点击Cause GC启动GC回收，发现byte-array的count会有所减少，重复上述操作，count停止减少时的值不断增加，说明发生了内存泄露。 原因是线程是自定义内部类，会隐含的引用activity对象，且该线5min内会一直执行，如果换成休眠较短时间会有所改善。解决方法：放在service里执行）。 
  2.尤其是Activity泄露 
  3.用Application Context而不是Activity Context（可能会经常退出）,某些View如Dialog一定要Activity Context（Token）。 
  4.Cursor对象用完要及时关闭。

OOM问题优化

---

1.OOM问题分析

• OOM的必然性与可解决性，不再赘述。
• OOM的绝大部分发生在图片。

强引用、软引用的意义

强引用就是平时的写法。 
软引用的用法。（虚引用与之类似）

private Map<String, SoftReference<Bitmap>> imageCache =
            new HashMap<String, SoftReference<Bitmap>>();

    public void addBitmapToCache(String path) {
        // 强引用的Bitmap对象
        Bitmap bitmap = BitmapFactory.decodeFile(path);
        // 软引用的Bitmap对象
        SoftReference<Bitmap> softBitmap = new SoftReference<Bitmap>(bitmap);
        //WeakReference<Bitmap> weakBitmap=new WeakReference<Bitmap>(bitmap);
        TranslateAnimation animation;
        // 添加该对象到Map中使其缓存
        imageCache.put(path, softBitmap);
    }

    public Bitmap getBitmapByPath(String path) {
        // 从缓存中取软引用的Bitmap对象
        SoftReference<Bitmap> softBitmap = imageCache.get(path);
        // 判断是否存在软引用
        if (softBitmap == null) {
            return null;
        }
        // 取出Bitmap对象，如果由于内存不足Bitmap被回收，将取得空
        return softBitmap.get();
    }

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24

考虑如下情景：有些成员变量使用几次后就不使用了，但仍占据着内存空间，它们随着Activity的销毁而被回收，即使GC触发垃圾回收也不会对其进行回收，此时可用把它们放在SoftReference中，放入与读取见上述代码，GC触发垃圾回收时就可对其进行回收了。

2.优化OOM问题的方法

• 临时Bitmap的优化

1.BitmapFactory.Options类

BitmapFactory.Options options = new BitmapFactory.Options();
options.inJustDecodeBounds = true;
        BitmapFactory.decodeResource(getResources(),R.drawable.yin,options);//不直接加载，获取bitmap图片宽高
BitmapFactory.Options options2 = new BitmapFactory.Options();
        options2.inSampleSize = scale;
Bitmap bitmap1=
BitmapFactory.decodeResource(getResources(),R.drawable.yin,options2);//scale越大，图片越模糊，所占内存越小

• 1
• 2
• 3
• 4
• 5
• 6
• 7

//RGB_565让ARGB只占两个字节，大小缩小一倍，且变化不明显
BitmapFactory.Options options=new BitmapFactory.Options();
        options.inPreferredConfig= Bitmap.Config.RGB_565;
Bitmap bitmap1=
BitmapFactory.decodeResource(getResources(),R.drawable.yin,options);

• 1
• 2
• 3
• 4
• 5

//BitmapRegionDecoder类可以实现范围选取图片细节
BitmapRegionDecoder decoder=
BitmapRegionDecoder.newInstance(,false);
BitmapFactory.Options options2 = 
new BitmapFactory.Options();
bitmap=decoder.decodeRegion(new Rect(width/2-SCREEN_WIDTH/2+shiftpx,
                height/2-SCREEN_HEIGHT/2,width/2+SCREEN_WIDTH/2+shiftpx,
                height/2+SCREEN_HEIGHT/2),options2);

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8

2.通过软引用。优点是让系统在内存不足时可以直接回收，缺点是回收没有优先级，可能回收的不是用过的而是将要显示的。

public class BitmapCache {
    static private BitmapCache cache;
    private ArrayMap<String,MySoftRe> hashRef;
    //软引用被回收后，回收对象放在这，可以查看哪些被回收了
    private ReferenceQueue<Bitmap> queue;

    private BitmapCache(){
            hashRef=new ArrayMap<>();
            queue=new ReferenceQueue<>();
        }
            /*
            继承SoftReference，使得每一个实例都具有可识别的标识
             */
    private class MySoftRe extends SoftReference<Bitmap>{
         private String key="";

         public MySoftRe(Bitmap referent, ReferenceQueue<? super Bitmap> q,String key) {
            super(referent, q);
            this.key=key;
        }
    }

    public static BitmapCache getInstance(){
        if (cache==null){
            cache=new BitmapCache();
        }
        return cache;
    }

    /*
    以软引用的方式对一个bitmap对象的实例进行引用并保存该引用
     */
    public void addCacheBitmap(String key, Bitmap bitmap){
        cleanCache();
        MySoftRe msf=new MySoftRe(bitmap,queue,key);
        hashRef.put(key,msf);
    }


    public Bitmap getBitmap(String key){
        Bitmap bitmap=null;
        try {
            if (hashRef.containsKey(key)){
                MySoftRe msf=hashRef.get(key);
                bitmap=msf.get();
            }
            return bitmap;
        }catch (NullPointerException e){
            return null;
        }
    }

    private void cleanCache() {
        MySoftRe msf=null;
        while ((msf= (MySoftRe) queue.poll())!=null){
            hashRef.remove(msf.key);
        }
    }

    public void clearCache(){
        cleanCache();
        hashRef.clear();
        System.gc();
        System.runFinalization();
    }
}

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46
• 47
• 48
• 49
• 50
• 51
• 52
• 53
• 54
• 55
• 56
• 57
• 58
• 59
• 60
• 61
• 62
• 63
• 64
• 65
• 66

3.使用LRU Cache。

public class MemoryCache {

    private static final String TAG="jason";
    //LinkedHashMap专门用来构建LRU算法,但是线程不安全
    private Map<String,Bitmap> cache= Collections.synchronizedMap(
            new LinkedHashMap<String, Bitmap>(8,0.75f,true));
    private long size=0;//MemoryCache已经分配的大小
    private long limit=1000000;

    public MemoryCache(){
        setLimit(Runtime.getRuntime().maxMemory()/4);
    }

    private void setLimit(long l) {
        limit=l;
        Log.d(TAG,"MemoryCache will use up to"+limit/1024/1024+"MB");
    }

    public Bitmap get(String id){
        try {
            if (!cache.containsKey(id)){
                return null;
            }
            return cache.get(id);
        }catch (NullPointerException e){
            return null;
        }
    }

    public void put(String id,Bitmap bitmap){
        try {
            if (cache.containsKey(id)){
                size-=getSizeInBytes(cache.get(id));
            }
            cache.put(id,bitmap);
            size+=getSizeInBytes(bitmap);
            checkSize();
        }catch (Throwable th){
            th.printStackTrace();
        }
    }

    private void checkSize() {
        Log.i(TAG,"cache size="+size+"length="+cache.size());
        if (size>limit){
            Iterator<Map.Entry<String,Bitmap>> iterator=cache.entrySet().iterator();
            while (iterator.hasNext()){
                Map.Entry<String,Bitmap> entry=iterator.next();
                size-=getSizeInBytes(entry.getValue());
                iterator.remove();
                if (size<=limit){
                    break;
                }
            }
            Log.d(TAG,"Clean cache,new size="+cache.size());
        }
    }

    private long getSizeInBytes(Bitmap bitmap) {
        if (bitmap==null) {
            return 0;
        }
        return bitmap.getRowBytes()*bitmap.getHeight();
    }

    public void clear(){
        cache.clear();
    }
}

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46
• 47
• 48
• 49
• 50
• 51
• 52
• 53
• 54
• 55
• 56
• 57
• 58
• 59
• 60
• 61
• 62
• 63
• 64
• 65
• 66
• 67
• 68
• 69