详解 Android 性能优化

Posted 郭风朴

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了详解 Android 性能优化相关的知识,希望对你有一定的参考价值。

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。

技术分享

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

技术分享

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

技术分享

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,
技术分享

代码是如何影响程序执行的?

技术分享

上图是正常的界面刷新流程,

技术分享

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。

技术分享

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

技术分享

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

技术分享

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

技术分享

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

技术分享

solution:Tools-Android-Android adb interact

最初并不会见效,重启app即可,

技术分享

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:

技术分享

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

技术分享

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

技术分享

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

技术分享

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

技术分享

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











以上是关于详解 Android 性能优化的主要内容,如果未能解决你的问题,请参考以下文章

Android UI性能优化详解

Android性能优化之网络优化DNS和HttpDNS知识详解

Android异常与性能优化相关面试问题-ANR异常面试问题详解

详解HBase读写性能优化

详解HBase读写性能优化

详解HBase读写性能优化