App性能优化之内存优化

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