Bitmap 优化策略
如今市场上有很多封装好的第三方库，对Bitmap内存也是做到了很好的优化，比如Glide、Fresco，每次加载只要直接调用就好，但是除掉第三方库外，我们还是需要去了解一下Bitmap的基本优化手段。
一、Bitmap内存进程
首先我们有必要去了解一下Bitmap的基本知识点，在Android3.0之前，Bitmap的对象是放在Java堆中，而Bitmap的像素是放置在Native内存中，这个时候需要手动的去调用recycle，才能去回收Native内存；
在Android3.0到Android7.0，Bitmap对象和像素都是放置到Java堆中，这个时候即使不调用recycle，Bitmap内存也会随着对象一起被回收。虽然Bitmap内存可以很容易被回收，但是Java堆的内存有很大的限制，也很容易造成GC。
在Android8.0的时候，Bitmap内存又重新放置到了Native中。
Bitmap造成OOM很多时候也是因为对Bitmap的资源没有得到很好的利用，同时没有做到及时的释放。
二、优化策略
对于Bitmap的优化主要分为针对不同密度的设备合理的分配资源，压缩以及缓存处理三种。
2.1.drawable的合理分配
众所周知，drawable时放置本地图片资源的地方，从上图可以发现,AS将drawable分为了mdpi,hdpi,xhdpi...不同的等级,简单概括为不同等级的dpi代表着不同的设备密度,它们之间的区别暂时先不论,有必要先去了解一下AS对于drawable的匹配规则.
当当前的设备密度为xhdpi,此时代码中ImageView需要去引用drawable中的图片,那么根据匹配规则,系统首先会在drawable-xhdpi文件夹中去搜索,如果需要的图片存在,那么直接显示;如果不存在,那么系统将会开始从更高dpi中搜索,例如drawable-xxhdpi,drawable-xxxhdpi,如果在高dpi中搜索不到需要的图片,那么就会去drawable-nodpi中搜索,有则显示,无则继续向低dpi,如drawable-hdpi,drawable-mdpi,drawable-ldpi等文件夹一级一级搜索.
当在比当前设备密度低的文件夹中搜到图片,那么在ImageView(宽高在wrap_content状态下)中显示的图片将会被放大.图片放大也就意味着所占内存也开始增多.这也就是为什么分辨率不高的图片随意放置在drawable中也会出现OOM.而在高密度文件夹中搜到图片,图片在该设备上将会被缩小,内存也就相应减少.
在理想的状态下,不同dpi的文件下应该放置相应dpi的图片资源,以对不同的设备进行适配.但在图片资源没有做dpi区分的时候,根据以上所说的匹配规则,将图片资源放置在高dpi 如drawable-xdpi,drawable-xxdpi文件夹中.是比较好的选择,在最大程度上减少OOM的几率。
2.2.尺寸优化
当装载图片的容器例如ImageView只有100*100，而图片的分辨率为800 * 800，这个时候将图片直接放置在容器上，很容易OOM，同时也是对图片和内存资源的一种浪费。当容器的宽高都很小于图片的宽高，其实就需要对图片进行尺寸上的压缩，将图片的分辨率调整为ImageView宽高的大小，一方面不会对图片的质量有影响，同时也可以很大程度上减少内存的占用。
对于尺寸压缩首先需要去了解一个知识点inSampleSize,
inSampleSize.png
从上图发现Android官方对它的解释是，如果inSampleSize 设置的值大于1，则请求解码器对原始的bitmap进行子采样图像，然后返回较小的图片来减少内存的占用，例如inSampleSize == 4，则采样后的图像宽高为原图像的1/4，而像素值为原图的1/16，也就是说采样后的图像所占内存也为原图所占内存的1/16；当inSampleSize <=1时，就当作1来处理也就是和原图一样大小。另外最后一句还注明，inSampleSize的值一直为2的幂，如1，2，4，8。任何其他的值也都是四舍五入到最接近2的幂。
采样率inSampleSize其实是一个规定图片压缩倍数的一个参数，通过图片宽高的比较得到一个新的数值，inSampleSize设置到BitmapFactory中重新去解码图片。下面就是利用inSampleSize对图片进行尺寸上的优化代码。
/**
* 对图片进行解码压缩。
*
* @param resourceId 所需压缩的图片资源
* @param reqHeight 所需压缩到的高度
* @param reqWidth 所需压缩到的宽度
* @return Bitmap
*/
private Bitmap decodeBitmap(int resourceId, int reqHeight, int reqWidth) {
BitmapFactory.Options options = new BitmapFactory.Options();
//inJustDecodeBounds设置为true，解码器将返回一个null的Bitmap，系统将不会为此Bitmap上像素分配内存。
//只做查询图片宽高用。
options.inJustDecodeBounds = true;
BitmapFactory.decodeResource(getResources(), resourceId, options);
//查询该图片的宽高。
int height = options.outHeight;
int width = options.outWidth;
int inSampleSize = 1;
//如果当前图片的高或者宽大于所需的高或宽，
// 就进行inSampleSize的2倍增加处理，直到图片宽高符合所需要求。
if (height > reqHeight || width > reqWidth) {
int halfHeight = height / 2;
int halfWidth = width / 2;
while ((halfHeight / inSampleSize >= reqHeight)
&& (halfWidth / inSampleSize) >= reqWidth) {
inSampleSize *= 2;
}
}
//inSampleSize获取结束后，需要将inJustDecodeBounds置为false。
options.inJustDecodeBounds = false;
//返回压缩后的Bitmap。
return BitmapFactory.decodeResource(getResources(), resourceId, options);
}
2.3.质量优化
一般情况下质量压缩是不推荐的一种优化手法，此手法压缩后图片将会失真。但不排除有项目对图片的清晰度没有过高的要求。
在开始谈如何压缩之前我们需要了解一下Bitmap的质量等级，在API29中，将Bitmap分为ALPHA_8, RGB_565, ARGB_4444, ARGB_8888, RGBA_F16, HARDWARE六个等级。
-
ALPHA_8：不存储颜色信息，每个像素占1个字节；
-
RGB_565：仅存储RGB通道，每个像素占2个字节，对Bitmap色彩没有高要求，可以使用该模式；
-
ARGB_4444：已弃用，用ARGB_8888代替；
-
ARGB_8888：每个像素占用4个字节，保持高质量的色彩保真度，默认使用该模式；
-
RGBA_F16：每个像素占用8个字节，适合宽色域和HDR；
-
HARDWARE：一种特殊的配置，减少了内存占用同时也加快了Bitmap的绘制。
每个等级每个像素所占用的字节也都不一样，所存储的色彩信息也不同。同一张100像素的图片，ARGB_8888就占了400字节，RGB_565才占200字节，RGB_565在内存上取得了优势，但是Bitmap的色彩值以及清晰度却不如ARGB_8888模式下的Bitmap。质量压缩说到底就是用清晰度来换内存。
质量压缩的具体操作也和上面2.2一样，只是将options.inPreferredConfig 设置为所需的图片质量，如下：
options.inPreferredConfig = Bitmap.Config.ARGB_8888;
2.4.缓存
不管是从网络上下载图片，还是直接从USB中读取图片，缓存对于图片加载的优化起到了至关重要的作用。当我们首次从网络上或者USB读取图片，会对图片进行相应的压缩处理。在处理过后不加入缓存，下一次请求图片还是直接从网络上或者USB中直接读取，不仅消耗了用户的流量还重复对图片进行压缩处理，占用多余内存的同时加载图片也很缓慢。
对于缓存，目前的策略是内存缓存和存储设备缓存。当加载一张图片时，首先会从内存中去读取，如果没有就接着在存储设备中读，最后才直接从网络或者USB中读取。接下来就聊一聊这两种缓存的具体内容。
2.4.1.内存缓存
LRU是用于实现内存缓存的一种常见算法，LRU也叫做最近最少使用算法，通俗来讲就是当缓存满了的时候，就会优先的去淘汰最近最少使用的缓存对象。接下来就以代码的方式直观的分析。
...
private LruCache mCache;
@Override
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(R.layout.activity_main);
//1.初始化LruCache.
int maxMemory = (int) (Runtime.getRuntime().maxMemory() / 1024);
int cacheSize = maxMemory / 8;
mCache = new LruCache(cacheSize){
@Override
protected int sizeOf(Integer key, Bitmap value) {
return value.getRowBytes() * value.getHeight() / 1024;
}
};
}
//2.从Cache中获取数据
public Bitmap getDataFromCache(int key) {
if (mCache.size() != 0) {
return mCache.get(key);
}
return null;
}
//3.将数据存储到Cache中
public void putDataToCache(int key, Bitmap bitmap) {
if (getDataFromCache(key) == null) {
mCache.put(key,bitmap);
}
}
...
从代码中看首先对LruCache进行初始化，获取当前进程可用的内存，然后将内存缓存的容量制定为可用内存的1/8，同时对Bitmap对象进行大小的计算。接着构造出两个对外的方法，一个是根据Key从Cache中获取数据，一个是将数据存储到cache中。简单的3步也就完成了LruCache的使用。
2.4.2.磁盘缓存
磁盘缓存所使用的算法为DiskLruCache，它的使用比内存缓存要复杂一点，但是还是离不开上面的3步，初始化，查找和添加。同样的，直接从代码中开始分析。
2.4.2.1.DiskLruCache的初始化
private final static int DISK_MAX_SIZE = 20 * 1024 * 1024;
private DiskLruCache mDiskLruCache;
@Override
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(R.layout.activity_main);
//初始化DiskLruCache。
File directory = getFile(this,"DiskCache");
if (!directory.exists()) {
directory.mkdirs();
}
try {
mDiskLruCache = DiskLruCache.open(directory, 1, 1, DISK_MAX_SIZE);
} catch (IOException e) {
e.printStackTrace();
}
}
private File getFile(Context context,String dirName){
String filePath = Environment.getExternalStorageState().equals(Environment.MEDIA_MOUNTED)
? Objects.requireNonNull(context.getExternalCacheDir()).getPath() : context.getCacheDir().getPath();
return new File(filePath + File.pathSeparator + dirName);
}
DiskLruCache的创建是DiskLruCache.open()来创建，其中会传入4个参数，第一个参数表示磁盘缓存所要存储的路径，一般来说，如果外部设备存在，那么存储路径放置在/storage/emulated/0/Android/data/package_name/cache中；反之就放置在/data/data/package_name/cache 这个目录下。存储路径可以根据自己的实际要求进行制定，值得注意的是，如果缓存路径选择SD卡上的缓存目录，即/storage/emulated/0/Android/data/package_name/cache，那么当应用被卸载时，该目录也会被删除。
第二个参数表示应用的版本号，直接设置为1即可；第三个参数表示单个节点所对应的数据的个数，设置为1即可；第四个参数表示磁盘缓存的容量大小。
2.4.2.2.DiskLruCache的添加
private void addDataToDisk(String url) {
//采用url的md5值作为key。
String key = hashKeyFromUrl(url);
try {
DiskLruCache.Editor editor = mDiskLruCache.edit(key);
if (editor != null) {
OutputStream outputStream = editor.newOutputStream(0);
if (downloadDataFromNet(url, outputStream)) {
//提交至缓存
editor.commit();
} else {
//回退整个操作
editor.abort();
}
mDiskLruCache.flush();
}
} catch (IOException e) {
e.printStackTrace();
}
}
private String hashKeyFromUrl(String url) {
String cacheKey;
try {
final MessageDigest digest = MessageDigest.getInstance("MD5");
digest.update(url.getBytes());
cacheKey = bytesToHexString(digest.digest());
} catch (NoSuchAlgorithmException e) {
cacheKey = String.valueOf(url.hashCode());
}
return cacheKey;
}
private String bytesToHexString(byte[] bytes) {
StringBuilder sb = new StringBuilder();
for (int i = 0; i < bytes.length; i++) {
String hex = Integer.toHexString(0xFF & bytes[i]);
if (hex.length() == 1) {
sb.append('0');
}
sb.append(hex);
}
return sb.toString();
}
DiskLruCache的添加主要是由DiskLruCache.Editor来完成，首先我们会采用url的md5值来作为key，通过.Editor和key获取一个文件输出流，下载好图片通过这个文件输出流写入到文件系统中，最后通过editor.commit()的方法将文件提交才算真正将图片写入文件系统。
2.4.2.3.DiskLruCache的查找
private Bitmap getDataFromDisk(String url) {
Bitmap bitmap = null;
String key = hashKeyFromUrl(url);
try {
DiskLruCache.Snapshot snapshot = mDiskLruCache.get(key);
if (snapshot != null) {
FileInputStream inputStream = (FileInputStream) snapshot.getInputStream(0);
return BitmapFactory.decodeStream(inputStream);
}
} catch (IOException e) {
e.printStackTrace();
}
return null;
}
DiskLruCache的添加是通过Editor来完成，而查找是由DiskLruCache.Snapshot来完成的。首先通过url获取到当前文件的key值，初始化Snapshot后获取一个文件输入流，最后通过该文件输入流来解析出当前缓存的文件。
三、总结
上面已经分别描述了几种优化手段，最后再来总结一下。
-
根据不同的密度的设备将图片资源放置再不同的drawable文件夹中；
-
利用inSampleSize对图片进行尺寸上的压缩；
-
利用inPreferredConfig对图片进行质量上的压缩；
-
利用三级缓存，依次从内存缓存（LruCache）、磁盘缓存（DiskLruCache）、网络上获取图片；
-
使用第三方库Glide、Fresco等。