你的APP内存还在暴增吗？试着用Bitmap管理下内存~

作者：layz4android

相信伙伴们在日常的开发中，一定对图片加载有所涉猎，而且对于图片加载现有的第三方库也很多，例如Glide、coil等，使用这些三方库我们好像就没有啥担忧的，他们内部的内存管理和缓存策略做的很好，但是一旦在某些场景中无法使用图片加载库，或者项目中没有使用图片加载库而且重构难度大的情况下，对于Bitmap内存的管理就显得尤为重要了，一旦使用出现问题，那么OOM是常有的事。

在Android 8.0之后，Bitmap的内存分配从Java堆转移到了Native堆中，所以我们可以通过Android profiler性能检测工具查看内存使用情况。

未经过内存管理，列表滑动前内存状态：

列表滑动时，内存状态：

通过上面两张图我们可以发现，Java堆区的内存没有变化，但是Native的内存发生了剧烈的抖动，而且伴随着频繁的GC，如果有了解JVM的伙伴，这种情况下必定伴随着应用的卡顿，所以对于Bitmap加载，就要避免频繁地创建和回收，因此本章将会着重介绍Bitmap的内存管理。

1 Bitmap“整容”

首先我们需要明确一点，既然是内存管理，难道只是对图片压缩保证不会OOM吗？其实不是的，内存管理一定是多面多点的，压缩是一方面，为什么起标题为“整容”，是因为最终加载到内存的Bitmap一定不是单纯地通过decodeFile就能完成的。

1.1 Bitmap内存复用

上图内存状态对应的列表代码如下：

override fun onBindViewHolder(holder: ViewHolder, position: Int) {
    bindBitmap(holder)
}

///sdcard/img.png
private fun bindBitmap(holder: ViewHolder) {
    val bitmap = BitmapFactory.decodeFile("/sdcard/img.png")
    holder.binding.ivImg.setImageBitmap(bitmap)
}

如果熟悉RecyclerView的缓存机制应该了解，当RecyclerView的Item移出页面之后，会放在缓存池当中；当下面的item显示的时候，首先会从缓存池中取出缓存，直接调用onBindViewHolder方法，所以依然会重新创建一个Bitmap，因此针对列表的缓存特性可以选择Bitmap内存复用机制。

看上面这张图，因为顶部的Item在新建的时候，已经在native堆区中分配了一块内存，所以当这块区域被移出屏幕的时候，下面显示的Item不需要再次分配内存空间，而是复用移出屏幕的Item的内存区域，从而避免了频繁地创建Bitmap导致内存抖动。

override fun onBindViewHolder(holder: ViewHolder, position: Int) {
    bindBitmap(holder)
}

///sdcard/img.png
private fun bindBitmap(holder: ViewHolder) {

    if (option == null) {
        option = BitmapFactory.Options()
        //开启内存复用
        option?.inMutable = true
    }
    val bitmap = BitmapFactory.decodeFile("/sdcard/img.png", option)
    option?.inBitmap = bitmap
    holder.binding.ivImg.setImageBitmap(bitmap)
}
复制代码

那么如何实现内存复用，在BitmapFactory中提供了Options选项，当设置inMutable属性为true之后，就代表开启了内存复用，此时如果新建了一个Bitmap，并将其添加到inBitmap中，那么后续所有Bitmap的创建，只要比这块内存小，那么都会放在这块内存中，避免重复创建。

滑动前：

滑动时：

通过上图我们发现，即便是在滑动的时候，Native内存都没有明显的变化。

1.2 Bitmap压缩

像1.1中这种加载形式，其实都是会直接将Bitmap加载到native内存中，例如我们设置的ImageView只有100*100，那么图片的大小为1000 * 800，其实是不需要将这么大体量的图片直接加载到内存中，那么有没有一种方式，在图片加载到内存之前就能拿到这些基础信息呢？

当然有了，这里还是要搬出BitmapFactory.Option这个类，其中inJustDecodeBounds这个属性的含义，从字面意思上就可以看出，只解码边界，也就是意味着在加载内存之前，是会拿到Bitmap的宽高的，注意需要成对出现，开启后也需要关闭。

private fun bindBitmap(holder: ViewHolder) {

    if (option == null) {
        option = BitmapFactory.Options()
        //开启内存复用
        option?.inMutable = true
    }

    //在加载到内存之前，获取图片的基础信息
    option?.inJustDecodeBounds = true
    BitmapFactory.decodeFile("/sdcard/img.png",option)
    //获取宽高
    val outWidth = option?.outWidth ?: 100
    val outHeight = option?.outHeight ?: 100
    //计算缩放系数
    option?.inSampleSize = calculateSampleSize(outWidth, outHeight, 100, 100)
    option?.inJustDecodeBounds = false
    val bitmap = BitmapFactory.decodeFile("/sdcard/img.png", option)
    option?.inBitmap = bitmap
    holder.binding.ivImg.setImageBitmap(bitmap)
}

private fun calculateSampleSize(
    outWidth: Int,
    outHeight: Int,
    maxWidth: Int,
    maxHeight: Int
): Int? {
    var sampleSize = 1
    Log.e("TAG","outWidth $outWidth outHeight $outHeight")
    if (outWidth > maxWidth && outHeight > maxHeight) {
        sampleSize = 2
        while (outWidth / sampleSize > maxWidth && outHeight / sampleSize > maxHeight) {
            sampleSize *= 2
        }
    }
    return sampleSize
}

然后会需要计算一个压缩的系数，给BitmapFactory.Option类的inSampleSize赋值，这样Bitmap就完成了缩放，我们再次看运行时的内存状态。

Native内存几乎下降了一半。

2 手写图片缓存框架

在第一节中，我们对于Bitmap自身做了一些处理，例如压缩、内存复用。虽然做了这些处理，但是不足以作为一个优秀的框架对外输出。

为什么呢？像1.2节中，我们虽然做了内存复用以及压缩，但是每次加载图片都需要重新调用decodeFile拿到一个bitmap对象，其实这都是同一张图片，即便是在项目中，肯定也存在相同的图片，那么我们肯定不能重复加载，因此对于加载过的图片我们想缓存起来，等到下次加载的时候，直接拿缓存中的Bitmap，其实也是加速了响应时间。

2.1 内存缓存

首先一个成熟的图片加载框架，三级缓存是必须的，像Glide、coil的缓存策略，如果能把这篇文章搞懂了，那么就全通了。

在Android中，提供了LruCache这个类，也是内存缓存的首选，如果熟悉LruCache的伙伴，应该明白其中的原理。它其实是一个双向链表，以最近少用原则，当缓存中的数据长时间不用，而且有新的成员加入进来之后，就会移除尾部的成员，那么我们首先搞定内存缓存。

class BitmapImageCache {

    private var context: Context? = null

    //默认关闭
    private var isEnableMemoryCache: Boolean = false
    private var isEnableDiskCache: Boolean = false

    constructor(builder: Builder) {
        this.context = context
        this.isEnableMemoryCache = builder.isEnableMemoryCache
        this.isEnableDiskCache = builder.isEnableDiskCache
    }

    class Builder {

        var context: Context? = null

        //是否开启内存缓存
        var isEnableMemoryCache: Boolean = false

        //是否开启磁盘缓存
        var isEnableDiskCache: Boolean = false

        fun with(context: Context): Builder {
            this.context = context
            return this
        }

        fun enableMemoryCache(isEnable: Boolean): Builder {
            this.isEnableMemoryCache = isEnable
            return this
        }

        fun enableDiskCache(isEnable: Boolean): Builder {
            this.isEnableDiskCache = isEnable
            return this
        }

        fun build(): BitmapImageCache {
            return BitmapImageCache(this)
        }
    }
}

基础框架采用建造者设计模式，基本都是一些开关，控制是否开启内存缓存，或者磁盘缓存，接下来进行一些初始化操作。

首先对于内存缓存，我们使用LruCache，其中有两个核心的方法：sizeOf和entryRemoved，方法的作用已经在注释里了。

class BitmapLruCache(
    val size: Int
) : LruCache(size) {

    /**
     * 告诉系统Bitmap内存的大小
     */
    override fun sizeOf(key: String, value: Bitmap): Int {
        return value.allocationByteCount
    }

    /**
     * 当Lru中的成员被移除之后，会走到这个回调
     * @param oldValue 被移除的Bitmap
     */
    override fun entryRemoved(evicted: Boolean, key: String, oldValue: Bitmap, newValue: Bitmap?) {
        super.entryRemoved(evicted, key, oldValue, newValue)

    }
}

当LruCache中元素被移除之后，我们想是不是就需要回收了，那这样的话其实就错了。记不记得我们前面做的内存复用策略，如果当前Bitmap内存是可以被复用的，直接回收掉，那内存复用就没有意义了，所以针对可复用的Bitmap，可以放到一个复用池中，保证其在内存中。

/**
 * 当Lru中的成员被移除之后，会走到这个回调
 * @param oldValue 被移除的Bitmap
 */
override fun entryRemoved(evicted: Boolean, key: String, oldValue: Bitmap, newValue: Bitmap?) {

    if (oldValue.isMutable) {
        //放入复用池
        reusePool?.add(WeakReference(oldValue))
    } else {
        //回收即可
        oldValue.recycle()
    }
}

所以这里加了一个判断，当这个Bitmap是支持内存复用的话，就加到复用池中，保证其他Item在复用内存的时候不至于找不到内存地址，前提是还没有被回收；那么这里就有一个问题，当复用池中的对象（弱引用）被释放之后，Bitmap如何回收呢？与弱引用配套的有一个引用队列，当弱引用被GC回收之后，会被加到引用队列中。

class BitmapLruCache(
    val size: Int,
    val reusePool: MutableSet>?,
    val referenceQueue: ReferenceQueue?
) : LruCache(size) {

    /**
     * 告诉系统Bitmap内存的大小
     */
    override fun sizeOf(key: String, value: Bitmap): Int {
        return value.allocationByteCount
    }

    /**
     * 当Lru中的成员被移除之后，会走到这个回调
     * @param oldValue 被移除的Bitmap
     */
    override fun entryRemoved(evicted: Boolean, key: String, oldValue: Bitmap, newValue: Bitmap?) {

        if (oldValue.isMutable) {
            //放入复用池
            reusePool?.add(WeakReference(oldValue, referenceQueue))
        } else {
            //回收即可
            oldValue.recycle()
        }
    }
}

这里需要公开一个方法，开启一个线程一直检测引用队列中是否有复用池回收的对象，如果拿到了那么就主动销毁即可。

/**
 * 开启弱引用回收检测，目的为了回收Bitmap
 */
fun startWeakReferenceCheck() {
    //开启一个线程
    Thread {
        try {
            while (!shotDown) {
                val reference = referenceQueue?.remove()
                val bitmap = reference?.get()
                if (bitmap != null && !bitmap.isRecycled) {
                    bitmap.recycle()
                }
            }
        } catch (e: Exception) {

        }

    }.start()
}

另外再加几个方法，主要就是往缓存中加数据。

fun putCache(key: String, bitmap: Bitmap) {
    lruCache?.put(key, bitmap)
}

fun getCache(key: String): Bitmap? {
    return lruCache?.get(key)
}

fun clearCache() {
    lruCache?.evictAll()
}

初始化的操作，我们把它放在Application中进行初始化操作

class MyApp : Application() {

    override fun onCreate() {
        super.onCreate()
        bitmapImageCache = BitmapImageCache.Builder()
            .enableMemoryCache(true)
            .with(this)
            .build()
        //开启内存检测
        bitmapImageCache?.startWeakReferenceCheck()
    }

    companion object {
        @SuppressLint("StaticFieldLeak")
        @JvmStatic
        var bitmapImageCache: BitmapImageCache? = null
    }
}

从实际的效果中，我们可以看到：

2023-02-18 17:54:10.154 32517-32517/com.lay.nowinandroid E/TAG: outWidth 800 outHeight 560
2023-02-18 17:54:10.154 32517-32517/com.lay.nowinandroid E/TAG: 没有从缓存中获取
2023-02-18 17:54:10.169 32517-32517/com.lay.nowinandroid E/TAG: 从缓存中获取 Bitmap
2023-02-18 17:54:10.187 32517-32517/com.lay.nowinandroid E/TAG: 从缓存中获取 Bitmap
2023-02-18 17:54:16.740 32517-32517/com.lay.nowinandroid E/TAG: 从缓存中获取 Bitmap
2023-02-18 17:54:16.756 32517-32517/com.lay.nowinandroid E/TAG: 从缓存中获取 Bitmap
2023-02-18 17:54:16.926 32517-32517/com.lay.nowinandroid E/TAG: 从缓存中获取 Bitmap
2023-02-18 17:54:17.102 32517-32517/com.lay.nowinandroid E/TAG: 从缓存中获取 Bitmap

其实加了内存缓存之后，跟inBitmap的价值基本就是等价的了，也是为了避免频繁地申请内存，可以认为是一个双保险，加上对图片压缩以及LruCache的缓存策略，真正内存打满的场景还是比较少的。

2.2 复用池的处理

在前面我们提到了，为了保证可复用的Bitmap不被回收，从而加到了一个复用池中，那么当从缓存中没有取到数据的时候，就会从复用池中取，相当于是在内存缓存中加了一个二级缓存。

针对上述图中的流程，可以对复用池进行处理。

/**
 * 从复用池中取数据
 */
fun getBitmapFromReusePool(width: Int, height: Int, sampleSize: Int): Bitmap? {

    var bitmap: Bitmap? = null
    //遍历缓存池
    val iterator = reusePool?.iterator() ?: return null
    while (iterator.hasNext()) {
        val checkedBitmap = iterator.next().get()
        if (checkBitmapIsAvailable(width, height, sampleSize, bitmap)) {
            bitmap = checkedBitmap
            iterator.remove()
            //放在
            break
        }
    }

    return bitmap

}

/**
 * 检查当前Bitmap内存是否可复用
 */
private fun checkBitmapIsAvailable(
    width: Int,
    height: Int,
    sampleSize: Int,
    bitmap: Bitmap?
): Boolean {
    if (bitmap == null) {
        return false
    }
    if (Build.VERSION.SDK_INT < Build.VERSION_CODES.KITKAT) {
        return width < bitmap.width && height < bitmap.height && sampleSize == 1
    }
    var realWidth = 0
    var realHeight = 0
    //支持缩放
    if (sampleSize > 1) {
        realWidth = width / sampleSize
        realHeight = height / sampleSize
    }
    val allocationSize = realHeight * realWidth * getBitmapPixel(bitmap.config)
    return allocationSize <= bitmap.allocationByteCount
}

/**
 * 获取Bitmap的像素点位数
 */
private fun getBitmapPixel(config: Bitmap.Config): Int {
    return if (config == Bitmap.Config.ARGB_8888) {
        4
    } else {
        2
    }
}

这里需要注意一点就是，如果想要复用内存，那么申请的内存一定要比复用的这块内存小，否则就不能匹配上。

所以最终的一个流程就是（这里没考虑磁盘缓存，如果用过Glide就会知道，磁盘缓存会有问题），首先从内存中取，如果取到了，那么就直接渲染展示；如果没有取到，那么就从复用池中取出一块内存，然后让新创建的Bitmap复用这块内存。

//从内存中取
var bitmap = BitmapImageCache.getCache(position.toString())
if (bitmap == null) {
    //从复用池池中取
    val reuse = BitmapImageCache.getBitmapFromReusePool(100, 100, 1)
    Log.e("TAG", "从网络加载了数据")
    bitmap = ImageUtils.load(imagePath, reuse)
    //放入内存缓存
    BitmapImageCache.putCache(position.toString(), bitmap)
} else {
    Log.e("TAG", "从内存加载了数据")
}

最终的一个呈现就是：

2023-02-18 21:31:57.805 29198-29198/com.lay.nowinandroid E/TAG: 从网络加载了数据
2023-02-18 21:31:57.819 29198-29198/com.lay.nowinandroid E/TAG: outWidth 800 outHeight 560
2023-02-18 21:31:57.830 29198-29198/com.lay.nowinandroid E/TAG: 加入复用池 android.graphics.Bitmap@6c19c7b
2023-02-18 21:31:57.830 29198-29198/com.lay.nowinandroid E/TAG: setImageBitmap android.graphics.Bitmap@473ed07
2023-02-18 21:31:57.849 29198-29198/com.lay.nowinandroid E/TAG: 从网络加载了数据
2023-02-18 21:31:57.857 29198-29198/com.lay.nowinandroid E/TAG: outWidth 788 outHeight 514
2023-02-18 21:31:57.871 29198-29198/com.lay.nowinandroid E/TAG: 加入复用池 android.graphics.Bitmap@2a7844
2023-02-18 21:31:57.872 29198-29198/com.lay.nowinandroid E/TAG: setImageBitmap android.graphics.Bitmap@4d852a3
2023-02-18 21:31:57.917 29198-29198/com.lay.nowinandroid E/TAG: 从网络加载了数据
2023-02-18 21:31:57.943 29198-29198/com.lay.nowinandroid E/TAG: outWidth 34 outHeight 8
2023-02-18 21:31:57.958 29198-29198/com.lay.nowinandroid E/TAG: setImageBitmap android.graphics.Bitmap@a3d491e
2023-02-18 21:31:58.651 29198-29198/com.lay.nowinandroid E/TAG: 从内存加载了数据
2023-02-18 21:31:58.651 29198-29198/com.lay.nowinandroid E/TAG: setImageBitmap android.graphics.Bitmap@62fcf27
2023-02-18 21:31:58.706 29198-29198/com.lay.nowinandroid E/TAG: 从内存加载了数据
2023-02-18 21:31:58.707 29198-29198/com.lay.nowinandroid E/TAG: setImageBitmap android.graphics.Bitmap@e2f8a1a
2023-02-18 21:31:58.766 29198-29198/com.lay.nowinandroid E/TAG: 从内存加载了数据

其实真正要保证我们的内存稳定，就是尽量避免重复创建对象，尤其是大图片，在加载的时候尤其需要注意，在项目中出现内存始终不降的主要原因也是对Bitmap的内存管理不当，所以掌握了上面的内容，就可以针对这些问题进行优化。总之万变不离其宗，内存是App的生命线，如果在面试的时候问你如何设计一个图片加载框架，内存管理是核心，当出现文章一开头那样的内存曲线的时候，就需要重点关注你的Bitmap是不是又“乱飙”了。

附录 - ImageUtils

object ImageUtils {

    private val MAX_WIDTH = 100
    private val MAX_HEIGHT = 100

    /**
     * 加载本地图片
     * @param reuse 可以复用的Bitmap内存
     */
    fun load(imagePath: String, reuse: Bitmap?): Bitmap {

        val option = BitmapFactory.Options()
        option.inMutable = true
        option.inJustDecodeBounds = true

        BitmapFactory.decodeFile(imagePath, option)
        val outHeight = option.outHeight
        val outWidth = option.outWidth
        option.inSampleSize = calculateSampleSize(outWidth, outHeight, MAX_WIDTH, MAX_HEIGHT)

        option.inJustDecodeBounds = false
        option.inBitmap = reuse
        //新创建的Bitmap复用这块内存
        return BitmapFactory.decodeFile(imagePath, option)
    }

    private fun calculateSampleSize(
        outWidth: Int,
        outHeight: Int,
        maxWidth: Int,
        maxHeight: Int
    ): Int {
        var sampleSize = 1
        Log.e("TAG", "outWidth $outWidth outHeight $outHeight")
        if (outWidth > maxWidth && outHeight > maxHeight) {
            sampleSize = 2
            while (outWidth / sampleSize > maxWidth && outHeight / sampleSize > maxHeight) {
                sampleSize *= 2
            }
        }
        return sampleSize
    }
}

---

根据性能问题出现的情况不同，我们需要采用不同的性能优化手段，而目前还是有些人群对于性能优化中间的一些优化手段掌握的不是很熟练，因此针对性能优化中间的所有不同类型的优化手段进行了归类整理，有启动优化、内存优化、网络优化、卡顿优化、存储优化……等，整合成名为《Android 性能优化核心知识点手册》，大家可以参考下：

《APP 性能调优进阶手册》：https://qr18.cn/FVlo89

启动优化

内存优化

UI优化

网络优化

Bitmap优化与图片压缩优化

多线程并发优化与数据传输效率优化

体积包优化

《Android 性能调优核心笔记汇总》：https://qr18.cn/FVlo89

《Android 性能监控框架》：https://qr18.cn/FVlo89