Android性能优化：谈谈Bitmap的内存管理与优化

最近除了忙着项目开发上的事情，还有就是准备我的毕业论文，有一小段时间没写博客了，今晚难得想总结一下，刚好又有一点时间，于是凑合着来一篇，好了，唠叨话不多说，直接入正题。从事Android移动端的开发以来，想必是经常要与内存问题打交道的，说到Android开发中遇到的内存问题，像Bitmap这种吃内存的大户稍微处理不当就很容易造成OOM，当然，目前已经有很多知名的开源图片加载框架，例如：ImageLoader，Picasso等等，这些框架已经能够很好的解决了Bitmap造成的OOM问题，虽然这些框架能够节省很多开发者的宝贵时间，但是也会遇到一种情况，很多初学者只是会简单的去调用这些框架的提供的接口，被问到框架内部的一些实现原理，基本上都是脑中一片空白。从我的观点出发，我认为如果能够掌握一些框架原理，想必对我们进行应用调优的意义是非常重大的，今天，主要是是想谈谈，如果没有了图片加载框架，我们要怎么去处理Bitmap的内存问题呢？ 
谈到Bitmap处理的问题，我们可能要先来了解一些基础的知识，关于Bitmap在Android虚拟机中的内存分配，在Google的网站上给出了下面的一段话 
 
大致的意思也就是说，在Android3.0之前，Bitmap的内存分配分为两部分，一部分是分配在Dalvik的VM堆中，而像素数据的内存是分配在Native堆中，而到了Android3.0之后，Bitmap的内存则已经全部分配在VM堆上，这两种分配方式的区别在于，Native堆的内存不受Dalvik虚拟机的管理，我们想要释放Bitmap的内存，必须手动调用Recycle方法，而到了Android 3.0之后的平台，我们就可以将Bitmap的内存完全放心的交给虚拟机管理了，我们只需要保证Bitmap对象遵守虚拟机的GC Root Tracing的回收规则即可。OK，基础知识科普到此。接下来分几个要点来谈谈如何优化Bitmap内存问题。

1.Bitmap的引用计数方式（针对Android3.0之前平台的优化方案，先上Demo Code）

private int mCacheRefCount = 0;//缓存引用计数器
private int mDisplayRefCount = 0;//显示引用计数器
...
// 当前Bitmap是否被显示在UI界面上
public void setIsDisplayed(boolean isDisplayed) {
    synchronized (this) {
        if (isDisplayed) {
            mDisplayRefCount++;
            mHasBeenDisplayed = true;
        } else {
            mDisplayRefCount--;
        }
    }

    checkState();
}

//标记是否被缓存
public void setIsCached(boolean isCached) {
    synchronized (this) {
        if (isCached) {
            mCacheRefCount++;
        } else {
            mCacheRefCount--;
        }
    }

    checkState();
}

//用于检测Bitmap是否已经被回收
private synchronized void checkState() {
    if (mCacheRefCount <= 0 && mDisplayRefCount <= 0 && mHasBeenDisplayed
            && hasValidBitmap()) {
        getBitmap().recycle();
    }
}

private synchronized boolean hasValidBitmap() {
    Bitmap bitmap = getBitmap();
    return bitmap != null && !bitmap.isRecycled();
}

上面的实例代码，它使用了引用计数的方法(mDisplayRefCount 与 mCacheRefCount)来追踪一个bitmap目前是否有被显示或者是在缓存中. 当下面条件满足时回收bitmap: 
mDisplayRefCount 与 mCacheRefCount 的引用计数均为 0. 
bitmap不为null, 并且它还没有被回收.

2.使用缓存，LruCache和DiskLruCache的结合 
关于LruCache和DiskLruCache，大家一定不会陌生（有疑问的朋友可以去API官网搜一下LruCache，而DiskLrucCache可以参考一下这篇不错的文章：DiskLruCache使用介绍），出于对性能和app的考虑，我们肯定是想着第一次从网络中加载到图片之后，能够将图片缓存在内存和sd卡中，这样，我们就不用频繁的去网络中加载图片，为了很好的控制内存问题，则会考虑使用LruCache作为Bitmap在内存中的存放容器，在sd卡则使用DiskLruCache来统一管理磁盘上的图片缓存。

3.SoftReference和inBitmap参数的结合 
在第二点中提及到，可以采用LruCache作为存放Bitmap的容器，而在LruCache中有一个方法值得留意，那就是entryRemoved，按照文档给出的说法，在LruCache容器满了需要淘汰存放其中的对象腾出空间的时候会调用此方法（注意，这里只是对象被淘汰出LruCache容器，但并不意味着对象的内存会立即被Dalvik虚拟机回收掉），此时可以在此方法中将Bitmap使用SoftReference包裹起来，并用事先准备好的一个HashSet容器来存放这些即将被回收的Bitmap，有人会问，这样存放有什么意义？之所以会这样存放，还需要再提及到inBitmap参数（在Android3.0才开始有的，详情查阅API中的BitmapFactory.Options参数信息），这个参数主要是提供给我们进行复用内存中的Bitmap，如果设置了此参数，且满足以下条件的时候：

• Bitmap一定要是可变的，即inmutable设置一定为ture；
• Android4.4以下的平台，需要保证inBitmap和即将要得到decode的Bitmap的尺寸规格一致；
• Android4.4及其以上的平台，只需要满足inBitmap的尺寸大于要decode得到的Bitmap的尺寸规格即可；

在满足以上条件的时候，系统对图片进行decoder的时候会检查内存中是否有可复用的Bitmap，避免我们频繁的去SD卡上加载图片而造成系统性能的下降，毕竟从直接从内存中复用要比在SD卡上进行IO操作的效率要提高几十倍。写了太多文字，下面接着给出几段Demo Code

Set<SoftReference<Bitmap>> mReusableBitmaps;
private LruCache<String, BitmapDrawable> mMemoryCache;

// 用来盛放被LruCache淘汰出列的Bitmap
if (Utils.hasHoneycomb()) {
    mReusableBitmaps =
            Collections.synchronizedSet(new HashSet<SoftReference<Bitmap>>());
}

mMemoryCache = new LruCache<String, BitmapDrawable>(mCacheParams.memCacheSize) {

    // 当LruCache淘汰对象的时候被调用,用于在内存中重用Bitmap,提高加载图片的性能
    @Override
    protected void entryRemoved(boolean evicted, String key,
            BitmapDrawable oldValue, BitmapDrawable newValue) {

        if (RecyclingBitmapDrawable.class.isInstance(oldValue)) {

            ((RecyclingBitmapDrawable) oldValue).setIsCached(false);
        } else {

            if (Utils.hasHoneycomb()) {

                mReusableBitmaps.add
                        (new SoftReference<Bitmap>(oldValue.getBitmap()));
            }
        }
    }
....
}

private static void addInBitmapOptions(BitmapFactory.Options options,
        ImageCache cache) {
        //将inMutable设置true，inBitmap生效的条件之一
    options.inMutable = true;

    if (cache != null) {
        // 尝试寻找可以内存中课复用的的Bitmap
        Bitmap inBitmap = cache.getBitmapFromReusableSet(options);

        if (inBitmap != null) {

            options.inBitmap = inBitmap;
        }
    }
}

// 获取当前可以满足复用条件的Bitmap，存在则返回该Bitmap，不存在则返回null
protected Bitmap getBitmapFromReusableSet(BitmapFactory.Options options) {
        Bitmap bitmap = null;

    if (mReusableBitmaps != null && !mReusableBitmaps.isEmpty()) {
        synchronized (mReusableBitmaps) {
            final Iterator<SoftReference<Bitmap>> iterator
                    = mReusableBitmaps.iterator();
            Bitmap item;

            while (iterator.hasNext()) {
                item = iterator.next().get();

                if (null != item && item.isMutable()) {

                    if (canUseForInBitmap(item, options)) {
                        bitmap = item;
                        iterator.remove();
                        break;
                    }
                } else {

                    iterator.remove();
                }
            }
        }
    }
    return bitmap;
}

//判断是否满足使用inBitmap的条件
static boolean canUseForInBitmap(
        Bitmap candidate, BitmapFactory.Options targetOptions) {

    if (Build.VERSION.SDK_INT >= Build.VERSION_CODES.KITKAT) {
        // Android4.4开始，被复用的Bitmap尺寸规格大于等于需要的解码规格即可满足复用条件
        int width = targetOptions.outWidth / targetOptions.inSampleSize;
        int height = targetOptions.outHeight / targetOptions.inSampleSize;
        int byteCount = width * height * getBytesPerPixel(candidate.getConfig());
        return byteCount <= candidate.getAllocationByteCount();
    }

    // Android4.4之前，必须满足被复用的Bitmap和请求的Bitmap尺寸规格一致才能被复用
    return candidate.getWidth() == targetOptions.outWidth
            && candidate.getHeight() == targetOptions.outHeight
            && targetOptions.inSampleSize == 1;
}

4.降低采样率，inSampleSize的计算 
相信大家对inSampleSize是一定不会陌生的，所以此处不再做过多的介绍，关于降低采样率对inSampleSize的计算方法，我看到网上的算法有很多，下面的这段算法应该是最好的算法了，其中还考虑了那种宽高相差很悬殊的图片（例如：全景图）的处理。

public static int calculateInSampleSize(BitmapFactory.Options options,int reqWidth, int reqHeight) {
        // Raw height and width of image
        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;

            while ((halfHeight / inSampleSize) > reqHeight && (halfWidth / inSampleSize) > reqWidth) {
                inSampleSize *= 2;
            }

            long totalPixels = width / inSampleSize * height / inSampleSize ;

            final long totalReqPixelsCap = reqWidth * reqHeight * 2;

            while (totalPixels > totalReqPixelsCap) {
                inSampleSize *= 2;
                totalPixels /= 2;
            }
        }
        return inSampleSize;

5.采用decodeFileDescriptor来编码图片（暂时不知道原理，欢迎高手指点迷津） 
关于采用decodeFileDescriptor去处理图片可以节省内存这方面，我在写代码的时候进行过尝试，确实想比其他的decode方法要节省内存，查询了网上的解释，不是很清楚，自己看了一些源代码也弄不出个名堂，为什么使用这种方式就能够节省内存一些呢，如果有明白其中原理的高手，欢迎解答我的疑惑。

到此，关于Bitmap处理的几个优化点已经分析完毕，就目前来说，可能大家在开发的过程习惯了使用框架来加载图片，所以不大在意图片内存处理的相关问题，如果你想知道一些优化Bitmap内存原理或者想自己做一个优秀的图片加载框架，希望本文能够为你提供一点点思路。如果读者觉得文章有错误，欢迎在下方评论中批评指正。