详解 Android 性能优化

Posted 2020-07-27 郭风朴

为什么关注性能

---

对于一款APP，用户首先关注的是 app的性能，而不是APP本身的属性功能，用户不关心你是否是搞社交，是否搞电商，是否是一款强大的美图滤镜app，用户首先关注的是 性能—-性能不好，用户会直接卸载，在应用市场给一个恶狠狠得差评，小则影响产品口碑，大则影响公司的品牌和声誉，作为程序员，app的性能更应该作为我们关注的一个功能，而不是出了问题 才去门头苦恼加班加点的负担。

老实说，提高app性能的确非常难，处理这些问题 你必须知道：

应用速度慢的原因 还必须正确使用分析工具来分析数据

为此诞生了本文：

了解这些工具并用它们找到造成性能不好的原因 从理论角度了解它们

如何优化app的性能？

---

性能优化听上去是一项非常艰巨的功能，但仔细思考，其实非常简单：

获取信息，

有人说你应用慢，应用闪退（崩掉，crash掉）的时候你需要找到原因。

通过运行 分析和反馈工具软件来收集应用相关的信息，我们需要明确哪些可以测量，哪些可以优化

也就是说任何应用开始优化时，整个过程取决于问题的可测性以及性能优化的可评价性。 开发中经常遇到的坎，问题不可复现，以及对于某一个细节是否需要优化 拿不定主意，这个需要我们自己身处其境 考虑分析各方面因素 得出结论，而不是纯粹得靠感觉。

分析数据，

很多时候，我们并不能直接理解问题的原因，比如内存溢出（OOM）的error，判断内存溢出需要计算很多个变量得内存大小，我们并不能直观通过眼球看出来一个app 运行过程那些变量的内存，这里我们就需要运行分析工具来帮助我们，将其转化为可视化的图表，

在这里，我们可能还是看不懂那些图表，横线竖线，具体是个什么玩意，

没有关系，去弄懂它们！就可以成为性能大师了.

现在你看那些内存中的二进制转换成图表的过程，就类似于古代的算命大师，

步骤1和步骤2 会不断的循环，搜集数据，分析数据···

有时候我们不只使用一种搜集工具和分析工具，这就需要自己针对性能得种类来深入研究了

Tack action!

发现了问题，找到了问题所在以及发生的原因，我们必须要恰当的去解决它，根据项目进度，该性能的优化成本，性能优先级，考虑项目中使用的java库或者android开源框架，其中的一些严格限制，

在你的方案提出之前，这些因素都是我们需要考虑的，因为提出的优化方案，不一定会被公司高层接受（除非你就是高层）。

工具不是规则，理解事物的规则和流程更重要

为什么关注内存

内存大小属于手机性能之一

举个简单的例子，内存就像你的卧室一样，当你在老家住着动辄几百平的村庄，舒服惯了，突然变卖家产一门心思想创业来到北京，家里的老本只够你住几平米的卫生间的时候，你就会注意到内存【房间】大小的重要性了。

首先我们要知道内存是如何影响系统运行

通常我们认为代码执行速度等同于物理硬件的执行速度，我们的代码指令都是通过使用内存来完成的。通过为实例对象，常量，变量分配内存，来完成操作，但是如何释放这些内存，通常我们并不清楚。

一旦分配出去的内存没有及时回收，会引造成系统卡顿，执行操作缓慢现象，这种现象称之为内存泄漏，Memory leak

java垃圾回收机制官方详解

java中的JVM就是一个抽象的计算机，和实际的计算机一样，它具有指令集并使用不同的存储区域，JVM负责执行代码，管理数据，管理内存和寄存器。

垃圾回收机制只做两件基本的事情：

发现无用的对象 回收被无用对象占用的内存空间，使得该空间可以被程序再次利用

通常，垃圾回收具有如下特点：

垃圾回收机制的工作目标是回收无用对象的内存空间，这些内存空间都是JVM堆内存的内存资源，对于其他物理资源，比如数据库连接，磁盘I/O 等资源无能为力

为了让垃圾回收机制尽快回收那些对象，可以将该对象引用变量置为null，

垃圾回收发生的不可预知性，不同JVM 采用不同的算法和机制，有可能定时回收，有可能cpu空闲回收，也有可能内存消耗极限发生，即使通过Runtime对象的gc（），System.gc（）来建议系统进行回收，但这之属于建议，不能精确控制垃圾回收机制的执行,

意思就是说，垃圾回收机制什么时候开始执行，并不是我们程序员能控制的，我们只能给予建议。

那么问题来了，如何精确的进行垃圾回收呢？

回答很明确，确保每一个对象都进行了有效的释放。对于不再需要的对象，不要引用他们，一旦在别的地方保持对这个对象的引用，垃圾回收机制 暂时不会回收该对象，则会导致严重得问题—-系统可用内存越来越少，垃圾回收执行的频率越来越高，cpu全都被垃圾回收的操作占有了，系统性能自然而然就下降了！

java8 已经删除了永生代内存，即一些常驻内存，不会回收的数据，而是改为使用本地内存来存储类的元数据，称之为元空间（Metaspace），不过貌似和Android开发没关系(-__-)。

回顾完java垃圾回收，下面介绍

Android 自己的回收机制-Runtime 回收机制

经由为数据分配内存的类型，以及系统如何有效的利用gc回收内存，并为新的对象分配内存。

所有要申请的内存都被划分到内存空间中，根据这些特点，哪些数据分配到哪些内存中，取决于Android的版本，

最为重要的一点，Android系统为每个运行中的app分配了预设的内存通常为16m-32m之间，当分配的内存越多，系统内存不足时，系统就可能会执行内存清理，注意，是可能会执行，是否执行垃圾清理是由系统自己判断的。

进行垃圾回收，以确保有足够的内存分配给其他的应用操作，不同的Android版本，会有不同的gc操作，例如在davailk中，gc代表终止程序操作，

代码是如何影响程序执行的？

上图是正常的界面刷新流程，

上图，gc占据了一大块的时间，对于我们人类来说很短，但是对于系统来说很长了。

综合三张图分析：代码质量很差，使得系统为我们的app分配了过多内存，而且没有及时回收，系统需要更多的时间去执行gc回收，那么系统就没时间去保持界面的活跃，所以就造成了卡顿的现象。，

在一个循环体中，重复得创建对象，就会造成内存污染，马上就会有很多gc
启动，由于这一额外的内存压力，内存泄漏仍然会产生，当可用内存降低到一定总量时，会强制系统gc执行，那循环体中的那部分操作会显示出卡顿的情况，甚至有可能在内存极限的时候，我们开发的应用会闪退。

所以，唯一的解决办法是：减少代码申请的内存量，不使用的对象及时回收。

使用内存分析工具Memory Monitor

整个层叠图，代表还有多少内存可用
深蓝色区域：代表正在使用的内存大小
浅灰色区域：代表空闲未分配内存

这个红色箭头所指的坡度表示急需大量的内存，内存分配也急剧的增加。
上图是一个内存管理良好的例子

下图我们看一个内存糟糕的例子

分析

这里有一部分代码占用了大量的内存，然后又一下子释放了内存，生成不断重复又窄又长的曲线，这就是程序在花大量的时间在进行垃圾清理，运行垃圾清理的时间越多，其他操作可用的时间就越少，比如跟网络交互数据，页面刷新，打电话，听歌等等，这样就造成了卡顿

使用Montior过程中遇到的 No Debugable Application的问题

solution：Tools-Android-Android adb interact

最初并不会见效，重启app即可，

内存泄漏

---

在这里我才开始引入内存泄漏的原因【虽然文章前面已经提到，但是在这里才着重拿出来作为一节】

网络上和一些书籍对内存泄漏解释是 应该回收的对象没有回收，有点不全面，我认为深一点来说，内存泄漏是针对系统而言的，内存泄漏指的是不能被使用的内存，但是垃圾回收器无法识别出来，对其进行回收，这些对象一直存在于堆中，并且持续占据着内存空间，无法被删除，随着不断泄漏，系统可用的内存就越来越小，意味着系统又需要花更多的时间 去进行内存清理操作，进行垃圾回收操作的次数越来越多，

简单的内存泄漏：对没有使用的对象 循环引用
复杂一点的：在listview还没有绘制完成时就添加到activity >

Heap Viewer

Heap viewer使用步骤，我录制了gift图，详情请看：

了解Heap Viewer:
Heap Viewer可以有效的分析程序在堆中分配的数据类型及数量和 大小小

这里表示 byte数组和boolean数组的数量为177，占用了1.423M的内存

内存泄漏的情况

绿色箭头标出来的那部分 代码就是有问题的部分，原因在于，可以内存几乎为0，所有的内存已经被程序占用，首先记住，我们的代码有问题，造成了内存泄漏，并且，垃圾回收机制无法回收那部分内存空间

下图为30s之后的内存回收情况

启动第二次gc，此时Android调整并提高应用的内存上限，这样做的同时，如果漏洞没有修复，表明内存泄漏仍然存在，那么还会有第三次，第四次同样的gc操作，直至系统无法调整提高给应用更高的内存上限，造成内存溢出，甚至可能死机，

Trace Viewer分配追踪器

Trace Viewer可以精确追踪到代码的位置，限于篇幅请按照上图点击 那几个按钮 自行摸索考功它的功能能

高效加载图片图片

为什么只关注图片加载，而不去处理其他数据来解决内存不足的问题？

Android 加载图片会创建Bitmap,drawable实例，占用内存空间，如果不进行高效处理，程序会很快达到 Android系统分配给APP的内存上限，直至挂掉

图片资源相比文本资源，在内存中会占据更大的内存，从字节数就可以看出来

在我们的应用中正确恰当高效的加载 图片资源 是一件非常棘手的事情

Android 系统会分配给单个APP至少 16M左右的内存，） Android Compatibility Definition Document (CDD)中，根据不同手机的尺寸和屏幕像素来要求应用最小内存，我们开发 的应用需要优化内存至最低内存限制，然而请记住，许多手机对内存有着更高的要求。 图片消耗大量的内存，尤其是高像素的图片，比如入门级单反相机拍摄出来的一张图片，都有可能超出APP的最低内存限制 app 中一些常见的UI 比如 ListView, GridView and ViewPager，都需要立刻加载大量的图片，注意是立刻，这对内存管理提出了很高的要求。

所以我们需要高效得加载图片。

高效的加载大图：

一张图片的像素，尺寸，分别率，由可能超过Android的UI组件本身大小，UI组件的大小是由手机设备屏幕决定的，这些超出的部分，会消耗更多的内存。

应该让图片去匹配我们的手机设备，所以，我们需要对图片进行处理：
1. 不能超过每个应用程序的内存限制
2. 用最小的内存加载图片

只需三步

1. 读取内存中Bitmap的尺寸和类型

BitmapFactory类提供了很多解析Bitmap的方法（decodeByteArray(), decodeFile(), decodeResource(), etc.），每一种解析方法都有一个额外的参数 BitmapFactory.Options，设置inJustDecodeBounds 属性为true可以禁止应用分配内存，此时bitmap返回为null，但是我们可以通过BitmapFactory.Options对象来获取很多有用的参数

此时 你可以通过BitmapFactory.Options来读取图片的尺寸和类型

?

1 2 3 4 5 6

<code class="hljs avrasm">BitmapFactory.Options options = new BitmapFactory.Options(); options.inJustDecodeBounds = true; BitmapFactory.decodeResource(getResources(), R.id.myimage, options); int imageHeight = options.outHeight; int imageWidth = options.outWidth; String imageType = options.outMimeType;</code>

总结：为了避免java.lang.OutOfMemory ，在加载图片之前需要检查原图的大小是否超出最低内存限制。

2. 加载一张小图，使得系统分配较少的内存给它。

现在我们已经获取到了图片的尺寸，加载一张图片之前，我们需要考虑：

计算整张图片需要多大的内存

我们希望给它多大的内存

加载图片的组件比如Imageview的尺寸是多大 当前手机设备的屏幕尺寸和分辨率

例如一张1080*720的图片要展示在一个128*72的Imageview上

实际 项目中，比如一张2048x1536的图片，我们通过设置inSampleSize为4，来创建实际大小为512x384的bitmap，这样需要的内存为0.75MB而不是之前的12MB（色彩模式都是ARGB_8888的情况下），

Google官方提供了两个方法来供我们使用，可以封装到自己的工具类中：

?

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

<code class="hljs java">public static int calculateInSampleSize(             BitmapFactory.Options options, int reqWidth, int reqHeight) {     // 获得内存中图片的宽高     final int height = options.outHeight;     final int width = options.outWidth;     int inSampleSize = 1;       if (height > reqHeight || width > reqWidth) {           final int halfHeight = height / 2;         final int halfWidth = width / 2;           // 计算出一个数值，必须符合为2的幂（1，2，4，8，tec），赋值给inSampleSize         // 图片宽高应大于期望的宽高的时候，才进行计算         while ((halfHeight / inSampleSize) > reqHeight                 && (halfWidth / inSampleSize) > reqWidth) {             inSampleSize *= 2;         }     }       return inSampleSize; }</code>

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

<code class="hljs java">public static Bitmap decodeSampledBitmapFromResource(Resources res, int resId,         int reqWidth, int reqHeight) {       // 第一次解析 inJustDecodeBounds=true 只是用来获取bitmap在内存中的尺寸和类型，系统并不会为其分配内存，     final BitmapFactory.Options options = new BitmapFactory.Options();     options.inJustDecodeBounds = true;     BitmapFactory.decodeResource(res, resId, options);       // 计算出一个数值     options.inSampleSize = calculateInSampleSize(options, reqWidth, reqHeight);       // 根据inSampleSize 数值来解析bitmap     options.inJustDecodeBounds = false;     return BitmapFactory.decodeResource(res, resId, options); }</code>

研究一个新的函数，我们先关注函数的输入和输出提高阅读能力

3.接着为我们的UI组件ImageView设置一张缩略图咯：

?

1 2	<code class="hljs avrasm">mImageView.setImageBitmap(     decodeSampledBitmapFromResource(getResources(), R.id.myimage, 100, 100));</code>

为了完全理解这一部分，初学者请自行查阅

BitmapFactory.decode BitmapFactory.Options

使用子线程来加载Bitmap

当图片资源来自网络或者硬盘的时候，最好不要直接在主线程中加载它，例如IO资源或者数据库资源都会占用CPU，CPU 要做的事情过多，Android手机会造成卡顿得现象，

好在Google 提供了解决办法–AsyncTask异步加载工具

?

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

<code class="hljs axapta">class BitmapWorkerTask extends AsyncTask<integer, bitmap=""> {     private final WeakReference<imageview> imageViewReference;     private int data = 0;       public BitmapWorkerTask(ImageView imageView) {         // 用弱引用确保能被垃圾回收机制回收         imageViewReference = new WeakReference<imageview>(imageView);     }       //在后台解析bitmap     @Override     protected Bitmap doInBackground(Integer... params) {         data = params[0];         return decodeSampledBitmapFromResource(getResources(), data, 100, 100));     }       // 一旦完成，imageView将会加载bitmap     @Override     protected void onPostExecute(Bitmap bitmap) {         if (imageViewReference != null && bitmap != null) {             final ImageView imageView = imageViewReference.get();             if (imageView != null) {                 imageView.setImageBitmap(bitmap);             }         }     } }</imageview></imageview></integer,></code>

接着我们在主线程中执行它即可

?

1 2 3 4

<code class="hljs cs">public void loadBitmap(int resId, ImageView imageView) {     BitmapWorkerTask task = new BitmapWorkerTask(imageView);     task.execute(resId); }</code>

Caching缓存图片

1. 为什么要缓存图片？

对于如何高效的加载一张图片 ，我们似乎已经得心应手了，这里要泼一盆凉水给大家，因为我们的应用不仅只是加载一张图片这么简单，比如ListView, GridView or ViewPager，RecyclerView，需要立刻加载出大量的bitmap，滑动的过程不断加载bitmap，还要求不卡顿，内存够用，这似乎又是一件棘手的事情。

Google 又提供了一种解决思路：对于ListView，RecyclerView，有可见的item和不可见的item，回收不可见的item 内存，分配给可见的，这样内存得到了重复利用，避免重复创建对象，不断申请并分配新的内存空间，触发最低内存限制的危险。

所以我们要管理 这些 已经创建好的内存。

2. 使用内存缓存

为什么优先使用内存缓存？

答：相比硬盘缓存的读取速度，读取内存中的数据更快

Google官方有什么建议？

答：Google推荐Lrucache类，底层使用用强引用封装的LinkedHashMap，来存储最近使用的对象，它自动会回收最近使用的对象当中，使用的最少的那一个对象的内存，这一点毋庸置疑值得推荐！

一种过时的做法，是用虚引用或者弱引用来标记bitmap，这种方法在Android 3.0以后已经不提倡了，因为类似JDK1.8那样，bitmap的内存是放在本地内存中的，它的回收是不确定的，有可能导致APP挂掉，切勿使用。

Lrucache这么棒，我们该如何用？

Lrucache就可以当作一种存储数据的结构，类似list，set，可以存储对象，获取对象，对应的有add（） 和get（）方法，它与数组一样，初始化的时候需要指定一个初始的大小。

那么Lrucache实例 初始的大小该如何确定？
在计算大小之前，我们需要明确几件事情：

我们的Activity和Application还有多少可用内存？ 第一次加载的时候，需要为多少图片分配内存？可见的item数量，决定了图片的数量，图片的数量*每张图片的内存大小就是初始化需要分配的内存。 用户当前手机的屏幕尺寸和屏幕密度（为什么要这俩参数？大屏幕手机 ，初始化的时候会加载更多的item，需要的内存更大） 这张图片我们要怎样配置？图片的尺寸如何设置，颜色模式如何配置？根据不同的需求，比如是做用户头像，还是信息展示？都有各自的应用场景的要求。我们需要分类判断.

cache大小是由内存大小决定的，而不是 它存储数据的个数决定

这让我想起一个在项目开发中常见的bug，use a bitmap which has bean recycler

3. Lrucache使用实例

?

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

<code class="hljs java">private LruCache<string, bitmap=""> mMemoryCache;   @Override protected void onCreate(Bundle savedInstanceState) {     ...     // 当Lrucache使用的内存大小超过虚拟机最大的可用内存时候，Android会抛出OutOfMemory exception       final int maxMemory = (int) (Runtime.getRuntime().maxMemory() / 1024);       // 使用虚拟机可用1/8         final int cacheSize = maxMemory / 8;       //  在Lrucache构造函数中初始化它的大小     // int in its constructor     mMemoryCache = new LruCache<string, bitmap="">(cacheSize) {         @Override         protected int sizeOf(String key, Bitmap bitmap) {        //cache大小是由内存大小决定的，而不是 它存储数据的个数决定          return bitmap.getByteCount() / 1024;         }    public void addBitmapToMemoryCache(String key, Bitmap bitmap) {     if (getBitmapFromMemCache(key) == null) {         mMemoryCache.put(key, bitmap);         }    }    public Bitmap getBitmapFromMemCache(String key) {     return mMemoryCache.get(key); }    </string,></string,></code>

loadBitmap的过程很简洁：如果内存缓存中有这张bitmap，则直接刷新imageview，如果bitmap为空，则启动后台线程去加载bitmap，接着刷新imageview

?

1 2 3 4 5 6 7 8 9 10 11 12 13

<code class="hljs java">  public void loadBitmap(int resId, ImageView imageView) {     final String imageKey = String.valueOf(resId);       final Bitmap bitmap = getBitmapFromMemCache(imageKey);     if (bitmap != null) {         mImageView.setImageBitmap(bitmap);     } else {         mImageView.setImageResource(R.drawable.image_placeholder);         BitmapWorkerTask task = new BitmapWorkerTask(mImageView);         task.execute(resId);     } }  </code>

异步线程 BitmapWorkerTask

?

1 2 3 4 5 6 7 8 9 10 11 12

<code class="hljs r">class BitmapWorkerTask extends AsyncTask<integer, bitmap=""> {     ...     // Decode image in background.     @Override     protected Bitmap doInBackground(Integer... params) {         final Bitmap bitmap = decodeSampledBitmapFromResource(                 getResources(), params[0], 100, 100));         addBitmapToMemoryCache(String.valueOf(params[0]), bitmap);         return bitmap;     }     ... }</integer,></code>

4. 磁盘缓存
与内存缓存相结合的还有磁盘缓存，虽然磁盘读取速度较慢，但是持久存储的，不像内存缓存那样，在内存极限情况下仍然会被清理，比如后台正在执行数据加载，突然打进来一个电话，内存不足系统可能会进行垃圾回收。缓存就没有了

Google官方提供直接DiskLruCache 类

为什么要使用DiskLruCache 很明了：就是解决当内存缓存不可用的情形

内当需要频繁访问缓存的图片资源时，比如APP的画廊功能，可以考虑使用ContentProvider解决更为妥当。

下面是它的源码

?

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 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96

<code