Android性能优化

目录

1、内存优化
2、ui优化
3、网络优化
4、启动优化

1、内存优化

1.1、解决所有的内存泄漏

1.1.1、内存泄漏：

堆上分配的对象已经不会再使用，但是GC收集器无法对其进行回收，此对象被强应用所引用 。

1.1.2、GC收集器原理：

可达性算法：从GCRoot对象为起点，向下搜索，可到达的对象是称为GC可达，GC收集器不会回收，不可到达的对象称为不GC不可达，是GC收集器回收的对象。

GCRoot对象：
（1）、虚拟机栈（栈帧找那个的局部变量表）中的对象；
（2）、方法区中类静态变量引用的对象；
（3）、方法区中常量引用的对象。

1.1.3、常见的内存泄漏实例

（1）、单例造成的内存泄漏


单例造成内存泄漏

单例类的实例是静态的，如果需要其构造方法需要传递一个context，如果传入的是 Activity 的 Context，当传入 Activity 就会造成泄漏了。
解决方法：this.context = context.getApplicationContext();// 使用Application 的context。

（2）、内部类造成的内存泄漏


内部类创建静态对象导致内存泄漏

在Activity中有一个内部类，如果创建了这个内部类的静态对象，或者这个内部类被一个静态对象所引用，Activity关闭的时候，由于内部类会持有外部类的引用，内部类静态对象会持有外部类Activity的引用，导致Activity发生内存泄漏。
解决方法：将该内部类设为静态内部类，如果该内部类需要持有外部类的引用，则使用软引用/弱引用，在使用外部类的引用之前需进行空判断。

（3）、异步线程造成的内存泄漏


异步线程造成内存泄漏

在Activity中有一个开启一个线程执行一个runnable，这个runnable是内部类就会持有外部类Activity的引用，如果线程的生命周期比Activity的生命周期长，就不会导致Activity内存泄漏。
解决方法：同上

（4）、Handler 造成的内存泄漏


handler造成内存泄漏

在Activity中声明一个内部类handler，当使用这个handler发送一个延迟消息时，此消息执行前，Activity关闭会造成内存泄漏。
解决方法：同上

（5）资源未关闭造成内存泄漏
对于使用了BraodcastReceiver，ContentObserver，File，游标 Cursor，Stream，Bitmap等资源的使用，应该在Activity销毁时及时关闭或者注销，否则这些资源将不会被回收，造成内存泄漏。

造成内存泄漏的总结：

造成内存泄漏的的本质是长生命周期的对象引用短生命中期的对象。
比如说
1、静态变量引用一个activity，最常见的就是单例模式造成的内存泄漏；
2、另外内部类也是造成内存泄漏的一个常见的点，内部类会持有外部类的引用，activity中声明一个内部类，如果这个内部类被声明成一个静态变量或者被一个静态变量持有，那么activity关闭的时候就会发生内存泄漏。
3、内部类造成的内存泄漏还有一些其他情况，比如说，activity中声明一个runnable或者handler的内部类，如果这个runnable的生命周期比activity长，或者handler发送的延时消息的生命周期比activity的生命周期长，那么就会造成内存泄漏。
4、另外我遇到一个比较特殊的是webview的内存泄漏，webview在attach的时候会(使用mcontext，对应activity)注册一个mComponentCallbacks的回调，（以便监听配置改变或者系统剩余内存较低），在Detach的时候会反注册，反注册的前提是webviwe没有destory，所有我们在调用webviwe的destory方法前要先将webview从其父容器移除。

（高版本在webviwe没有destory方法中会先检查onDetachedFromWindow方法是否执行，没有就先执行onDetachedFromWindow方法。）

Activity onPause -> onStop -> onDestroy ---->
View调用onDetachedFromWindow方法

public interface ComponentCallbacks {
void onConfigurationChanged(Configuration newConfig);
void onLowMemory();
}

5、另外资源未关闭也是造成内存泄漏的一个原因，比如说bitmap资源，steam资源等。

1.1.4、内存泄漏检测方案

LeakCanary原理：

  1. LeakCanary在一个Fragment或者Activity onDestory的时候，创建一个弱引用 KeyedWeakReference 到要被监控的对象。

  2. 然后在后台线程检查引用是否被清除，如果没有，调用GC。

  3. 如果引用还是未被清除，把 heap 内存 dump 到 APP 对应的文件系统中的一个 .hprof 文件中。

  4. 在另外一个进程中的 HeapAnalyzerService 有一个 HeapAnalyzer 使用HAHA 解析这个文件。

  5. 得益于唯一的 reference key, HeapAnalyzer 找到 KeyedWeakReference，定位内存泄露。

  6. HeapAnalyzer 计算 到 GC roots 的最短强引用路径，并确定是否是泄露。如果是的话，建立导致泄露的引用链。

简单版：

1、LeakCanary在一个Fragment或者Activity onDestory的时候，创建一个弱引用到要被监控的对象。
2、然后在后台线程检查引用是否被清除，如果没有，调用GC。
3、如果引用还是未被清除，把堆 内存 取出来，在另外一个进程中使用一个haha的库进行分析，确定是否内存泄漏，如果泄漏就建立泄漏对象到 GC roots 的最短强引用路径并输出。

1.2、避免内存抖动

内存抖动代表频繁GC，会占用程序执行时间，造成页面卡顿等性能问题。

1.2.1、避免内存抖动的方式：

（1）、避免在onDraw中创建Paint、Bitmap对象等；
（2）、避免在循环中创建临时对象；
（3）、避免在scrollListener中创建对象。

1.3、内存抖动检测方法

（1）、使用Android profiler 进行观察，如果发下内存剧增剧减则是GC时间，可查看GC时间段的内存，找出重复创建的大量对象，进行优化（例子：在recycleview中获取距离屏幕的距离时，创建大量对象）。

1.3、图片优化

1.3.1 一些结论

1，memorySize ≈ 分辨率* 每个像素需要的字节数

2，像素点大小就几种情况：ARGB_8888(4B)、RGB_565(2B) 等等。

3，jpg、png 只是图片的容器，图片文件本身的大小与它所占用的内存大小没有什么关系。
使用Tinypng深度压缩，使用web格式代替png、jpeg格式。都不能减少内存，只能缩减包大小或者提升网络传输速度，网络图片：使用网络裁剪服务，获取适当的图片加载。

4，图片来源是 res 内的不同资源目录时，系统会根据设备当前的 dpi 值以及资源目录所对应的 dpi 值，做一次分辨率转换，规则如下：新分辨率 = 原图横向分辨率 * (设备的 dpi / 目录对应的 dpi ) * 原图纵向分辨率 * (设备的 dpi / 目录对应的 dpi )。其他图片的来源，如磁盘，文件，流等，均按照原图的分辨率来进行计算图片的内存大小。

5，当使用 Glide 时，如果有设置图片显示的控件，那么会自动按照控件的大小，降低图片的分辨率加载。图片来源是 res 的分辨率转换规则对它也无效。

1.3.2 优化策略

（1）、降低分辨率
降低分辨率一般使用 Glide去加载图片就好了，它会按照控件大小降低图片分辨率。其内部也是使用了inSampleSize。
（2）降低图片像素点大小，没有透明通道，可使用RGB_565(2B)
（3）drawable适配
在做图片的兼容性时，如果只想使用一张图片，则应使用3倍甚至4倍的图片（3倍是主流机型，但在4倍手机上会被放大，图片可能失真），这样在低分辨率的手机上，不仅显示清晰，而且系统会自动进行缩放，从而确保占用较小的内存。
3的说法是错误的，图片加载到内存，占用的内存是图片原始分别率*每个像素点大小，所有不管是在什么像素密度的手机上占用内存都是一样的，并且不管是放大或者缩小（在低密度手机会缩小，在高密度手机会放大），都是可能导致图片显示模糊，缩小时：很多像素信息被压缩、丢弃，边缘锯齿感明显；
放大时：系统用插值算法补像素（如双线性插值），但这不是原始细节 → 变得模糊；
（3）使用Vector Drawable（适用于图标、线条、简单图形，不适合照片类图片， 动态缩放清晰（适配任意密度））
🧩 1. 资源解析阶段（不占用 Bitmap 内存）
当你调用：
val drawable = AppCompatResources.getDrawable(context, R.drawable.ic_example)
系统会从 res/drawable/ic_example.xml 读取 XML 内容；

这时仅仅是 将 XML 转换为 VectorDrawable 对象的 Java/Kotlin 内部表示；

内存中只保存：

path 数据（如 M 0,0 L 10,10）

paint/stroke/alpha 等属性

✅ 这一步内存非常小，不涉及任何像素图内存。

  1. 绘制阶段（onDraw → 渲染为像素）
    当这个 Drawable 被放入一个 ImageView 中，系统开始调用 onDraw()，流程如下：

Android 渲染逻辑：
系统调用 VectorDrawable.draw(Canvas)；

Canvas 对象代表屏幕的某一块像素区域；

GPU 或 CPU 开始解析路径（Path）、变换（Matrix）、颜色（Paint）；

将图形渲染成目标像素（比如 48x48）并显示在屏幕上。

✅ 这一步才会真正占用图像像素内存（由 Skia 引擎或 GPU 处理）；
❗但注意：仅会渲染 ImageView 实际尺寸所需的像素，而不是像 PNG 那样整张图片全加载。
会根据实际显示尺寸实时绘制，不会失真、不会模糊。

（4） 配合onTrimMemory或者onLowMemory，在系统内存紧张的时候使用glide清理图片缓存
https://www.jianshu.com/p/1f85cdb564ad

1.3.2 inSampleSize

public static Bitmap decodeSampledBitmapFromResource(Resources res, int resId,
        int reqWidth, int reqHeight) {
    // 先将inJustDecodeBounds设置为true来获取图片的长宽属性
    final BitmapFactory.Options options = new BitmapFactory.Options();
    options.inJustDecodeBounds = true;
    BitmapFactory.decodeResource(res, resId, options);

    // 计算inSampleSize
    options.inSampleSize = calculateInSampleSize(options, reqWidth, reqHeight);

    // 加载压缩版图片
    options.inJustDecodeBounds = false;
    // 根据具体情况选择具体的解码方法
    return BitmapFactory.decodeResource(res, resId, options);
}

1、定义一个BitmapFactory.Options的一个变量，然后把这个变量的inJustDecodeBounds属性设置为true，去加载图片，这个时候不会真正去加载图片，但是可以获取到图片的宽高；
2、然后结合我们需要的宽高，计算一个采样率；
3、最后将inJustDecodeBounds设置为false，按照采样率去真正的加载图片。

1.4、内存对象的重复利用

1）资源复用：通用的字符串、颜色定义、简单页面布局的复用。
2）视图复用：ListView/RecycleView替代scrollview。
3）Bitmap对象的复用，https://www.jianshu.com/p/45fbef7a58ba
4）使用memory profiler 去检测内存中是否可重复利用的对象；
（使用memory profiler 观察内存的使用情况，在内存上升和抖动的时间段可能会有大量重复对象的创建，可取出对应时间段的内存进行查找是否有大量重复对象的创建，并可结合代码分析是否可是重复利用这些对象）

1.5、使用优化的数据结构（内存和速度平衡）

1.6、线程池管理线程

1.7、多进程，比如拍摄模块

2、ui优化

2.1、分析布局，减少布局嵌套或者替换消耗性能少的布局（FrameLayout，constraintlayout）

2.2、使用include+merge减少布局层级

2.3、使用viewstub提供按需加载

2.4、复用系统自带的资源 winow background

3、网络优化

3.1、网络速度：

正常一条网络请求需要经过的流程是这样：
（1）、DNS 解析，请求DNS服务器，获取域名对应的 IP 地址；
（2）、与服务端建立连接，包括 tcp 三次握手，安全协议同步流程；
（3）、连接建立完成，发送和接收数据，解码数据。

这里有明显的三个优化点：

3.1、IP直连或者HTTPDNS；
3.2、开启 keep-alive进行连接复用；
3.3、减少请求和返回数据的大小；

（1）、请求和返回数据做Gzip压缩；
（2）、精简数据格式；
（3）、图片：使用webp图片格式代替png、jpeg；按需加载图片(图片裁剪，也可按网络状态返回不同分辨率的图片)；

3.4、数据缓存（h5和na共享作品数据，视频缓存）；

3.2、网络优化补充：

3.4、断点续传。
3.5、请求打包；（如埋点统计）
3.6、协议优化；（如使用优化的的更好的http2，请求头压缩）

在 HTTP/1 中，每次请求都会建立一次HTTP连接，也就是我们常说的3次握手4次挥手，这个过程在一次请求过程中占用了相当长的时间，即使开启了 Keep-Alive ，解决了多次连接的问题，但是依然有两个效率上的问题：

第一个：串行的文件传输。当请求a文件时，b文件只能等待，等待a连接到服务器、服务器处理文件、服务器返回文件，这三个步骤。我们假设这三步用时都是1秒，那么a文件用时为3秒，b文件传输完成用时为6秒，依此类推。（注：此项计算有一个前提条件，就是浏览器和服务器是单通道传输）
第二个：连接数过多。我们假设Apache设置了最大并发数为300，因为浏览器限制，浏览器发起的最大请求数为6，也就是服务器能承载的最高并发为50，当第51个人访问时，就需要等待前面某个请求处理完成。
HTTP/2的多路复用就是为了解决上述的两个性能问题。
在 HTTP/2 中，有两个非常重要的概念，分别是帧（frame）和流（stream）。
帧代表着最小的数据单位，每个帧会标识出该帧属于哪个流，流也就是多个帧组成的数据流。
多路复用，就是在一个 TCP 连接中可以存在多条流。换句话说，也就是可以发送多个请求，对端可以通过帧中的标识知道属于哪个请求。通过这个技术，可以避免 HTTP 旧版本中的队头阻塞问题，极大的提高传输性能。

对请求数据进行Gzip压缩

 static class GzipRequestInterceptor implements Interceptor {
  @Override public Response intercept(Chain chain) throws IOException {
      Request originalRequest = chain.request();
      if (originalRequest.body() == null || originalRequest.header("Content-Encoding") != null) {
        return chain.proceed(originalRequest);
      }

      Request compressedRequest = originalRequest.newBuilder()
          .header("Content-Encoding", "gzip")
          .method(originalRequest.method(), gzip(originalRequest.body()))
          .build();
      return chain.proceed(compressedRequest);
    }

    private RequestBody gzip(final RequestBody body) {
      return new RequestBody() {
        @Override public MediaType contentType() {
          return body.contentType();
        }

        @Override public long contentLength() {
          return -1; // 无法知道压缩后的数据大小
        }

        @Override public void writeTo(BufferedSink sink) throws IOException {
          BufferedSink gzipSink = Okio.buffer(new GzipSink(sink));
          body.writeTo(gzipSink);
          gzipSink.close();
        }
      };
    }
  }

4、启动优化

4.1、异步加载一：Application中加入异步线程

4.2、异步加载二：MainActivity中加入异步线程

4.3、 延迟加载功能：首屏绘制完成之后加载

4.4、动态加载布局：主布局文件优化

4.5、主布局文件深度优化

4.6、 功能代码深度优化

4.7、一个重点是天降红包（离线插件+数据预加载）

5.参考
1，https://juejin.cn/post/6901487965562732551
2，https://juejin.cn/post/6844903693230276616
3，https://www.jianshu.com/p/a9d861732445
4，https://juejin.cn/post/6844904093786308622
5，https://www.jianshu.com/p/9c897b41893d
6，启动优化，https://juejin.cn/post/6844904093786308622#heading-148
7，https://www.cnblogs.com/yongdaimi/p/11120590.html

最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容