Android 性能优化：内存优化实践指南

Android 性能优化：内存优化实践指南

引用

CSDN

1.

https://blog.csdn.net/qq_27948659/article/details/144913578

内存优化是Android应用开发中非常重要的一环，它不仅关系到应用的性能和用户体验，还直接影响到应用的稳定性和可靠性。本文将从内存检测工具的使用、OOM问题的常见原因及解决方案、业务优化策略等多个方面，详细介绍Android内存优化的具体实践方法。

1. 内存构成概述

在进行内存优化之前，首先需要了解Android应用的内存构成。Android应用的内存主要由以下几个部分组成：

• Java：从Java或Kotlin代码分配的对象的内存。
• Native：从C或C++代码分配的对象的内存。
• Graphics：图形缓冲区队列为向屏幕显示像素（包括GL表面、GL纹理等）所使用的内存。
• Stack：应用中的原生堆栈和Java堆栈使用的内存。
• Code：应用用于处理代码和资源（如dex字节码、经过优化或编译的dex代码、.so库和字体）的内存。
• Others：应用使用的系统不确定如何分类的内存。
• Allocated：应用分配的Java/Kotlin对象数。

2. 内存检测工具

常用的内存检测工具有以下三种：

2.1 LeakCanary

LeakCanary是一个自动化内存泄漏检测工具，集成简单，主要用于线下集成。虽然使用了idleHandler与多进程，但dumphprof的SuspendAll Thread特性依然会导致应用卡顿。它只能自动检测Activity、Fragment和其他常见组件的内存泄漏，对于某些复杂情况下的泄漏，需要开发者手动检查和分析。

2.2 Memory Profiler

Memory Profiler是Android Studio中内置的一个强大工具，主要包括NetWork、CPU和Memory Profiler部分。对于Mac M2以上的开发环境，建议深度使用。Memory Profiler可以显示堆内存的实时使用情况，包括Java堆、Native堆和其他内存占用。

Memory Profiler会展示出类的列表，对于每个类，显示实例数量、Native Size、Shallow Size和Retained Size：

• Shallow Size：对象本身消耗的内存大小
• Native Size：类对象所引用的Native对象所消耗的内存大小
• Retained Size：一旦删除对象，其余无法访问的内存大小

2.3 Memory Analyzer (MAT)

MAT是一个强大的分析工具，用于查找Java应用程序中的内存泄漏并分析内存使用情况。可以使用命令行或Android Studio中生成堆转储(Heap Dump)。在MAT窗口上，OverView是一个总体概览，显示总体的内存消耗情况和疑似问题。MAT提供了多种分析维度，其中Histogram、Dominator Tree、Top Consumers和Leak Suspects的分析维度是不同的。

分析内存最常用的是Histogram和Dominator Tree这两个视图，视图中一共有四列：

• Class Name：类名
• Objects：对象实例个数
• Shallow Heap：对象自身占用的内存大小
• Retained Heap：当前对象大小与当前对象可直接或间接引用到的对象的大小总和

3. OOM常见问题及解决方案

导致App发生OOM和内存占用过高主要分为以下几个方面：

1. Bitmap内存占用：大尺寸图片资源，未合理的对图片进行裁剪缩放和缓存，导致内存占用高
2. 内存泄露：内存中有对象的引用无法被释放，导致这些对象无法正常被回收，最终导致内存耗尽
3. 内存溢出：Android应用存在固定内存限制，超过一定数量会导致程序崩溃
4. 内存抖动：内存频繁分配和回收导致内存出现锯齿抖动的现象
5. 过多线程开辟：大量创建线程，或线程池资源未正确管理，可能会占用大量内存

3.1 Bitmap内存占用优化

Bitmap内存占用是直播多媒体App中占比最高的部分，主要优化方法包括：

• 使用Glide或Picasso等图片加载库
• 手动压缩图片大小和图片质量
• 使用LruCache或DiskLruCache进行缓存

3.2 Bitmap图片大小监控

可以通过自定义ImageView或在图片加载成功后添加检测Bitmap尺寸是否过大的方式来监控Bitmap大小。此外，还可以使用ASM字节码插桩和Native Hook等技术手段进行监控。

3.3 内存泄露、内存抖动和内存溢出优化

内存泄露优化主要包括减少内类间接持有context或Fragment对象、动画处理、注册对象注销、WebView内存泄漏处理、类的静态变量处理等。内存抖动优化则需要合理使用缓存池，减少不合理对象的创建，使用合理数据结构等。

3.4 过多线程开辟优化

可以通过全局使用统一线程池、使用Kotlin Coroutines、避免并发任务过多等方式进行优化。

4. 业务优化

在技术维度优化外，还可以结合业务优化，如设备分级和业务降级策略。设备分级可以根据CPU、内存等硬件信息划分版本年代，业务降级则可以根据设备等级调整资源加载策略。

5. 线上监控和告警体系搭建

推荐使用Koom的线上内存泄漏检测方案，包括Java Heap泄漏监控、Native Heap泄漏监控和Thread泄漏监控。有了APM工具，就可以依据Koom的结果进行上报，根据上报日志，定制不同业务域的内存泄露告警。

总结

内存优化是一个系统工程，需要从多个维度进行综合考虑和优化。通过合理的工具使用、代码优化和业务策略调整，可以有效提升应用的内存使用效率和稳定性。