Android內存優化雜談

Android內存優化是我們性能優化工作中比較重要的一環，這裡其實主要包括兩方面的工作：
1、優化RAM，即降低運行時內存。這裡的目的是防止程序發生OOM異常，以及降低程序由於內存過大被LMK機制殺死的概率。另一方面，不合理的內存使用會使GC大大增多，從而導致程序變卡。
2、優化ROM，即降低程序占ROM的體積。這裡主要是為了降低程序占用的空間，防止由於ROM空間不足導致程序無法安裝。
本文的著重點為第一點，總結概述降低應用運行內存的技巧。在這裡我們不再細述PSS、USS等概念與Android應用的內存管理，如對這部分內容感興趣，可自行閱讀文末的參考文章。

內存洩露的檢測與修改
內存洩露：簡單來說對象由於編碼錯誤或系統原因，仍然存在著對其直接或間接的引用，導致系統無法進行回收。內存洩露，容易留下邏輯隱患,同時增加了應用內存峰值與發生OOM的概率。它屬於bug issue,是我們一定要修改的。

下面是造成內存洩露的一些常見原因，但是如何建立一套發現內存洩露、解決內存洩露的閉環方案，才是我們工作的重點。

一. 內存洩露的監控方案

Square的開源庫leakcanry是一個非常不錯的選擇,它通過弱引用方式偵查Activity或對象的生命周期，若發現內存洩露自動dump Hprof文件，通過HAHA庫得到洩露的最短路徑，最後通過notification展示。

內存洩露判斷與處理的流程如下圖 ，各自運行的進程空間(主進程通過idlehandler，HAHA分析使用的是單獨的進程)：

微信在leakcanry推出之前已經有了自己的內存洩露監控體系，與leakcanry大致有以下的區別：

• 在微信中，對於4.0以上的機型也是采用通過注冊ActivityLifecycleCallbacks接口，對於4.0以下的機型我們會嘗試反射ActivityThread中的mInstrumentation對象。當然，現在微信也改成只支持android-15以上，美美哒。
• leakcanry盡管使用了idlehandler與分進程，但是dumphprof依然會造成應用明顯的卡頓(SuspendAll Thread)。而在三星等一些手機，系統會緩存最後一個Activity，所以在微信，我們采取了更嚴格的檢測模式，即洩露三次確認以及經過5個新建的Activity，確保不是由於系統緩存的原因造成。
• 在微信中，當發現疑似內存洩露時會彈出對話框，當我們主動點擊時才會去做dumpHprof以及上傳Hprof快照的操作，而是否誤報、洩露鏈等分析工作也是放於服務器端。

事實上，通過對leakcanry做簡單的定制，我們就可以實現以下一個內存洩露監控閉環。

二. 對系統內存洩露的Hack Fix

AndroidExcludedRefs列出了一些由於系統原因導致引用無法釋放的例子，同時對於大多數的例子，都會提供建議如何通過hack的建議去修復。在微信中，對TextLine、InputMethodManager、AudioManger、android.os.Message也采用了類似Hack的方式。三. 通過兜底回收內存

Activity洩漏會導致該Activity引用到的Bitmap、DrawingCache等無法釋放，對內存造成大的壓力，兜底回收是指對於已洩漏Activity，嘗試回收其持有的資源，洩漏的僅僅是一個Activity空殼，從而降低對內存的壓力。

做法也非常簡單，在Activity onDestory時候從view的rootview開始，遞歸釋放所有子view涉及的圖片，背景，DrawingCache，監聽器等等資源，讓Activity成為一個不占資源的空殼，洩露了也不會導致圖片資源被持有。       

 …
  …
  Drawable d = iv.getDrawable();
  if (d != null) {
    d.setCallback(null);
  }    
  iv.setImageDrawable(null);
  ...
  ...

總的來說，我們不是只懂得一些內存洩露解決方法就可以，更重要的是通過日常測試與監控，得到內存洩露檢測與修改的一整套閉環體系。

降低運行時內存的一些方法
當我們能確保應用中不會出現內存洩露時，我們需要一些其他的方法來降低運行時的內存。更多的時候，我們其實只希望降低應用發生OOM的概率。

Android OOM：

• Android 2.x系統，當dalvik allocated + external allocated + 新分配的大小 >= dalvik heap 最大值時候就會發生OOM。其中bitmap是放於external中 。
• Android 4.x系統，廢除了external的計數器，類似bitmap的分配改到dalvik的java heap中申請，只要allocated + 新分配的內存 >= dalvik heap 最大值的時候就會發生OOM（art運行環境的統計規則還是和dalvik保持一致）

一. 減少bitmap占用的內存

說到內存，bitmap必然是這裡的大頭。對於bitmap內存占用，想說的有以下幾點:

1、防止bitmap占用資源多大導致OOM
Android 2.x 系統 BitmapFactory.Options 裡面隱藏的的inNativeAlloc反射打開後，申請的bitmap就不會算在external中。對於Android 4.x系統，可采用facebook的fresco庫，即可把圖片資源放於native中。

2、圖片按需加載
即圖片的大小不應該超過view的大小。在把圖片載入內存之前，我們需要先計算出一個合適的inSampleSize縮放比例，避免不必要的大圖載入。對此，我們可以重載drawable與ImageView，例如在Activity ondestroy時，檢測圖片大小與View的大小，若超過，可以上報或提示。

3、統一的bitmap加載器
Picasso、Fresco都是比較出名的加載庫，同樣微信也有自己的庫ImageLoader。加載庫的好處在於將版本差異、大小處理對使用者不感知。有了統一的bitmap加載器，我們可以在加載bitmap時，若發生OOM(try catch方式)，可以通過清除cache，降低bitmap format(ARGB8888/RBG565/ARGB4444/ALPHA8)等方式，重新嘗試。

4、圖片存在像素浪費
對於.9圖，美工可能在出圖時在拉伸與非拉伸區域都有大量的像素重復。通過獲取圖片的像素ARGB值，計算連續相同的像素區域，自定義算法判定這些區域是否可以縮放。關鍵也是需要將這些工作做到系統化，可及時發現問題，解決問題。

一個好的imageLoader，可以將2.X、4.X或5.X對圖片加載的處理對使用者隱藏，同時也可以將自適應大小、質量等放於框架中。

二. 自身內存占用監控

對於系統函數onLowMemory等函數是針對整個系統而已的，對於本進程來說，其dalvik內存距離OOM的差值並沒有體現，也沒有回調函數供我們及時釋放內存。假若能有那麼一套機制，可以實時監控進程的堆內存使用率，達到設定值即關於通知相關模塊進行內存釋放，這會大大的降低OOM。

• 實現原理

這個其實比較簡單，通過Runtime獲得maxMemory,而totalMemory-freeMemory即為當前真正使用的dalvik內存。  

Runtime.getRuntime().maxMemory(); 
 Runtime.getRuntime().totalMemory() - Runtime.getRuntime().freeMemory()；

• 操作方式

我們可以定期(前台每隔3分鐘)去得到這個值，當我們這個值達到危險值時(例如80%)，我們應當主要去釋放我們的各種cache資源(bitmap的cache為大頭)，同時顯示的去Trim應用的memory,加速內存收集。

復制代碼 代碼如下:WindowManagerGlobal.getInstance().startTrimMemory(TRIM_MEMORY_COMPLETE);

三. 使用多進程

對於webview，圖庫等，由於存在內存系統洩露或者占用內存過多的問題，我們可以采用單獨的進程。微信當前也會把它們放在單獨的tools進程中

四. 上報OOM詳細信息

當系統發生OOM的crash時，我們應當上傳更加詳細的內存相關信息，方便我們定位當時內存的具體情況。

其他例如使用large heap、inBitmap、SparseArray、Protobuf等不再一一細述，對代碼采用優化--埋坑--優化--埋坑的方式並不推薦。我們應該著力於建立一套合理的框架與監控體系，能及時的發現諸如bitmap過大、像素浪費、內存占用過大、應用OOM等問題。

GC優化
Java擁有GC的機制，不同的系統版本GC的實現可能有比較大的差異。但是無論哪種版本，大量的GC操作則會顯著占用幀間隔時間(16ms)。如果在幀間隔時間裡面做了過多的GC操作，那麼自然其他類似計算，渲染等操作的可用時間就變得少了。

一. GC的類型

GC的類型有以下幾種，其中GC_FOR_ALLOC是同步方式進行，對應用幀率的影響最大。

• GC_FOR_ALLOC

當堆內存不夠的時候容易被觸發，尤其是new一個對象的時候，很容易被觸發到，所以如果要加速啟動，可以提高dalvik.vm.heapstartsize的值，這樣在啟動過程中可以減少GC_FOR_ALLOC的次數。注意這個觸發是以同步的方式進行的。如果GC後仍然沒有空間，則堆進行擴張

• GC_EXPLICIT

這個gc是被可以調用的，比如system.gc, 一般gc線程的優先級比較低，所以這個垃圾回收的過程不一定會馬上觸發， 千萬不要認為調用了system.gc，內存的情況就能有所好轉

• GC_CONCURRENT

當分配的對象大小超過384K時觸發，注意這是以異步的方式進行回收的.如果發現大量反復的Concurrent GC出現，說明系統中可能一直有大於384K的對象被分配，而這些往往是一些臨時對象，被反復觸發了。給到我們的暗示是：對象的復用不夠。

• GC_EXTERNAL_ALLOC （在3.0系統之後被廢了）

Native層的內存分配失敗了，這類GC就會被觸發。如果GPU的紋理、bitmap、或者java.nio.ByteBuffers的使用沒有釋放，這種類型的GC往往會被頻繁觸發。

二. 內存抖動現象

Memory Churn內存抖動，內存抖動是因為在短時間內大量的對象被創建又馬上被釋放。瞬間產生大量的對象會嚴重占用內存區域，當達到閥值，剩余空間不夠的時候，會觸發GC從而導致剛產生的對象又很快被回收。即使每次分配的對象占用了很少的內存，但是他們疊加在一起會增加Heap的壓力，從而觸發更多其他類型的GC。這個操作有可能會影響到幀率，並使得用戶感知到性能問題。

通過Memory Monitor，我們可以跟蹤整個app的內存變化情況。若短時間發生了多次內存的漲跌，這意味著很有可能發生了內存抖動。

三. GC優化

通過Heap Viewer，我們可以查看當前內存快照，便於對比分析哪些對象有可能發生了洩漏。更重要的工具是Allocation Tracker，追蹤內存對象的類型、堆棧、大小等。手Q有做一個統計工具，對Allocation Tracker的原始數據，按照（類型&堆棧）的組合（堆棧取棧頂的5層）統計某一種對象分配的大小、次數。同時按照次數、大小的排序，從多/大到少/小結合代碼分析，並自頂向下的逐輪進行優化。

這樣，我們就可以快速知道發生內存抖動時，是因為哪些變量的創建造成頻繁GC。一般來說我們需要注意以下幾個方面：

字符串拼接優化
減少字符串使用加號拼接，改為使用StringBuilder。減少StringBuilder.enlarge，初始化時設置capacity；這裡需要注意的是，若打開Looper中Printer回調,也會存在較多的字符串拼接。

 Printer logging = me.mLogging;
  if (logging != null) {
    logging.println(">>>>> Dispatching to " + msg.target + " " +
        msg.callback + ": " + msg.what);
  }

• 讀文件優化 讀文件使用ByteArrayPool，初始設置capacity，減少expand
• 資源重用

建立全球緩存池，對頻繁申請、釋放的對象類型重用

• 減少不必要或不合理的對象

例如在ondraw、getview中應減少對象申請，盡量重用。更多是一些邏輯上的東西，例如循環中不斷申請局部變量等

• 選用合理的數據格式 使用SparseArray, SparseBooleanArray, and LongSparseArray來代替Hashmap

總結
我們並不能將內存優化中用到的所有技巧都一一說明，而且隨著Android版本的更替，可能很多方法都會變的過時。我在想更重要的是我們能持續的發現問題，精細化的監控，而不是一直處於"哪個有坑填哪裡的"的窘況。在這裡給大家的建議有：

1、率先考慮采用已有的工具；中國人喜歡重復造輪子，我們更推薦花精力去優化已有工具，為廣大碼農做貢獻。生活已不易，碼農何為為難碼農！
2、不拘泥於點，更重要在於如何建立合理的框架避免發生問題，或者是能及時的發現問題。
當前微信內存監控體系中也存在一些不盡人意的地方，在未來的日子裡也同樣需要努力去優化。

以上就是本文的全部內容，希望對大家優化Android內存有所幫助。