// 步骤一：申请一张空的 Native Bitmap
Bitmap nativeBitmap = nativeCreateBitmap(dstWidth, dstHeight, nativeConfig, 22);

// 步骤二：申请一张普通的 Java Bitmap
Bitmap srcBitmap = BitmapFactory.decodeResource(res, id);

// 步骤三：使用 Java Bitmap 将内容绘制到 Native Bitmap 中
mNativeCanvas.setBitmap(nativeBitmap);
mNativeCanvas.drawBitmap(srcBitmap, mSrcRect, mDstRect, mPaint);

// 步骤四：释放 Java Bitmap 内存
srcBitmap.recycle();
srcBitmap = null；

内存泄露的检测与修改

内存泄露

一. 内存泄露的监控方案

方法一： leakcanry

它通过弱引用方式侦查Activity或对象的生命周期，若发现内存泄露自动dump Hprof文件，通过HAHA库得到泄露的最短路径，最后通过notification展示。

dumphprof依然会造成应用明显的卡顿(SuspendAll Thread)。

通过对leakcanry做简单的定制，我们就可以实现以下一个内存泄露监控闭环。

方法二：DDMS

AndroidStudio 3.0中之后无法打开DDMS Google 放弃DDMS

在SDK的 android-sdk/tools/ 路径下【就是和配置ADB命令一样的路径】有个monitor.bat 的批处理文件；

1、点击update heap 在你需要调试的process

2、右边点击道heap的使用的情况，点击cause gc, 可以实时观看内存的情况

方法三：命令行

adb shell dumpsys meminfo <package_name|pid> [-d]

adb shell ps 找到对应的 pid or 包名

方法四：Allocation Tracker

信息过于分散
跟 Traceview 一样，无法做到自动化分析，每次手动开始、结束。
Allocation Tracking 时，不会对手机本身造成过多性能影响，但是停止时直到数据 dump 出来之前，经常手机卡死甚至 ANR .

方法五：android studio Profiler

二. 对系统内存泄露的Hack Fix

AndroidExcludedRefs列出了一些由于系统原因导致引用无法释放的例子，同时对于大多数的例子，都会提供建议如何通过hack的建议去修复。在微信中，，，

三. 通过兜底回收内存

Activity泄漏会导致该Activity引用到的Bitmap、DrawingCache等无法释放，对内存造成大的压力，兜底回收是指对于已泄漏Activity，尝试回收其持有的资源，泄漏的仅仅是一个Activity空壳，从而降低对内存的压力。

做法也非常简单，在Activity onDestory时候从view的rootview开始，递归释放所有子view涉及的图片，背景，DrawingCache，监听器等等资源，让Activity成为一个不占资源的空壳，泄露了也不会导致图片资源被持有。

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

总的来说，我们不是只懂得一些内存泄露解决方法就可以，更重要的是通过日常测试与监控，得到内存泄露检测与修改的一整套闭环体系。

降低运行时内存的一些方法

当我们能确保应用中不会出现内存泄露时，我们需要一些其他的方法来降低运行时的内存。更多的时候，我们其实只希望降低应用发生OOM的概率。

一. 减少bitmap占用的内存

见下一章

二. 自身内存监控

对于系统函数 onLowMemory 等函数是针对整个系统而已的，对于本进程来说，其dalvik内存距离OOM的差值并没有体现，也没有回调函数供我们及时释放内存。

实时监控进程的堆内存使用率，达到设定值即关于通知相关模块进行内存释放:

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

操作方式
定期(前台每隔3分钟)去得到这个值，当我们这个值达到危险值时(例如80%)，我们应当主要去释放我们的各种cache 资源(bitmap的cache为大头).

WindowManagerGlobal.getInstance().startTrimMemory(TRIM_MEMORY_COMPLETE)

三. 有节操的使用开进程

每个空进程也占用10MB 。
对于webview，图库等，由于存在内存系统泄露或者占用内存过多的问题，我们可以采用单独的进程。微信当前也会把它们放在单独的tools进程中。

四. 上报OOM详细信息

当系统发生OOM的crash时，内存信息。large heap、 inBitmap、SparseArray。。。

GC优化

测试GC性能

例如暂停挂起时间、总耗时、GC 吞吐量，我们可以通过发送SIGQUIT 信号获得 ANR 日志。

adb shell kill -S QUIT PID
adb pull /data/anr/traces.txt

它包含一些 ANR 转储信息以及 GC 的详细性能信息:
sticky concurrent mark sweep paused:	Sum: 5.491ms 99% C.I. 1.464ms-2.133ms Avg: 1.830ms Max: 2.133ms     // GC 暂停时间

Total time spent in GC: 502.251ms     // GC 总耗时
Mean GC size throughput: 92MB/s       // GC 吞吐量
Mean GC object throughput: 1.54702e+06 objects/s

一. GC的类型

1.GC_FOR_ALLOC
当堆内存不够的时候容易被触发，尤其是new一个对象的时候。可以提高dalvik.vm.heapstartsize的值，这样在启动过程中可以减少GC_FOR_ALLOC的次数。注意这个触发是以同步的方式进行的。

2.GC_EXPLICIT
这个gc是被可以调用的，比如system.gc, 一般gc线程的优先级比较低，所以这个垃圾回收的过程不一定会马上触发。

3.GC_CONCURRENT
当分配的对象大小超过384K时触发，注意这是以异步的方式进行回收的.如果发现大量反复的Concurrent GC出现，说明系统中可能一直有大于384K的对象被分配，而这些往往是一些临时对象，被反复触发了。给到我们的暗示是：对象的复用不够。

4.GC_EXTERNAL_ALLOC （在3.0系统之后被废了）

二. 内存抖动现象

短时间内大量的对象被创建又马上被释放。
这个操作有可能会影响到帧率，并使得用户感知到性能问题。

三. GC优化

1.字符串拼接优化
减少字符串使用加号拼接，改为使用StringBuilder。
减少StringBuilder.enlarge，初始化时设置capacity；

logging.println(">>>>> Dispatching to " + msg.target + " " +
                msg.callback + ": " + msg.what);

2.读文件优化读文件使用ByteArrayPool，初始设置capacity，减少expand.

3.资源重用
建立全球缓存池，对频繁申请、释放的对象类型重用

4.减少不必要或不合理的对象
例如在ondraw、getview中应减少对象申请，尽量重用。更多是一些逻辑上的东西，例如循环中不断申请局部变量等

5.选用合理的数据格式使用 SparseArray, SparseBooleanArray, and LongSparseArray来代替Hashmap

定好优化目标：
比如针对 512MB 的设备和针对 2GB 以上的设备，完全是两种不同的优化思路。
面向东南亚、非洲用户，那对内存优化的标准就要变得更苛刻一些。

内存优化 3 方面

设备分级、Bitmap 优化和内存泄漏这三个方面入手。

1、设备分级

类似 device-year-class ，低端机关闭复杂动画，或者某些功能，使用 565 格式图片，更小缓存等。

if (year >= 2013) {
    // Do advanced animation
} else if (year >= 2010) {
    // Do simple animation
} else {
    // Phone too slow, don't do any animations
}

缓存管理
统一缓存。当系统内存不足时，及时释放内存。
进程模型
一个空进程也会占用 10MB 内存。有节操的增加进程。
安装包大小
代码、资源、图片以及 so 库的体积，跟它们占用的内存有很大的关系。

2、Bitmap 优化

Android bitmap 演进分析：

Android 2.x系统，当dalvik allocated + external allocated + 新分配的大小 >= dalvik heap 最大值时候就会发生OOM。其中bitmap是放于external中。
Bitmap 对象放在 Java 堆，而像素数据是放在 Native 内存中。如果不手动调用 recycle，Bitmap Native 内存的回收完全依赖 finalize 函数回调，熟悉 Java 的同学应该知道，这个时机不太可控。
Android 2.x 系统 BitmapFactory.Options 里面隐藏的的inNativeAlloc反射打开后，申请的bitmap就不会算在external中。
Android 3.0～Android 7.0 将 Bitmap 对象和像素数据统一放到 Java 堆中。
这样就算我们不调用 recycle，Bitmap 内存也会随着对象一起被回收。
Java 堆限制也才到 512MB，可能我的物理内存还有 5GB，但是应用还是会因为 Java 堆内存不足导致 OOM.
Android 4.x系统，废除了external的计数器，类似bitmap的分配改到dalvik的java heap中申请，只要allocated + 新分配的内存 >= dalvik heap 最大值的时候就会发生OOM（art运行环境的统计规则还是和dalvik保持一致）
可采用facebook的fresco库，即可把图片资源放于native中。
android 8.x 从Java heap 移到了native heap
有没有一种实现，可以将 Bitmap 内存放到 Native中，也可以做到和对象一起快速释放，同时 GC 的时候也能考虑这些内存防止被滥用？NativeAllocationRegistry 可以一次满足你这三个要求，Android 8.0 正是使用这个辅助回 Native 内存的机制.
Android 8.0 还新增了硬件位图 Hardware Bitmap，它可以减少图片内存并提升绘制效率。

具体方法:

1.统一图片库

eg:低端机使用 565 格式。可以使用 Glide、Fresco 或者采取自研都可以。而且需要进一步将所 Bitmap.createBitmap、BitmapFactory 相关的接口也一并收拢。

2.统一监控

在统一图片库后就非常容易监控 Bitmap 的使用情况了，这里主要有三点需要注意。

大图片监控。防止超宽。像素浪费
即图片的大小不应该超过view的大小。对此，我们可以重载drawable与ImageView.
图片存在像素浪费，合理利用.9图
重复图片监控。
作者回复：这个重复bitmap分析是在服务器后台做的，目前是对所有 bitmap 数组直接计算hash的方法匹对。
图片总内存。
在 OOM 崩溃的时候，也可以把图片占用的总内存、Top N 图片的内存都写到崩溃日志中，帮助我们排查问题。

一个好的imageLoader，可以将2.X、4.X或5.X对图片加载的处理对使用者隐藏，同时也可以将自适应大小、质量等放于框架中。

3、内存泄漏

内存泄漏简单来说就是没有回收不再使用的内存。

内存泄漏主要分两种：
同一个对象泄漏。
每次都会泄漏新的对象，可能会出现几百上千个无用的对象。

优秀的框架设计可以减少甚至避免程序员犯错。很多内存泄漏都是框架设计不合理所导致，各种各样的单例满天飞，MVC 中 Controller 的生命周期远远大于 View。

Java 内存泄漏
建立类似 LeakCanary 自动化监测方案。
在开发过程，我们希望出现泄漏时可以弹出对话框，让开发者更加容易去发现和解决问题。
OOM 监控
美团有一个 Android 内存泄露自动化链路分析组件 Probe ,它在发生 OOM 的时候生成 Hprof 内存快照，然后通过单独进程对这个文件做进一步的分析。不过在线上使用这个文件做进一步的分析。不过在线上使用这个工具风险还是比较大，在崩溃的时候生成内存快照有可能会导致二次崩溃，而且部分手机生成 Hprof 快照可能会耗时几分钟，这对用户造成的体验影响比较大。
Native 内存泄漏监控
上一期我讲到 Malloc 调试（Malloc Debug）和 Malloc 钩子（Malloc Hook）似乎还不是那么稳定。在 WeMobileDev 最近的一篇文章《微信 Android 终端内存优化实践》中，微信也做了一些其他方案上面的尝试。https://mp.weixin.qq.com/s/KtGfi5th-4YHOZsEmTOsjg?
目前还不那么完善。

开发过程中内存泄漏排查可以使用 Androd Profiler 和 MAT 工具配合使用，而日常监控关键是成体系化，做到及时发现问题。

内存监控
内存泄漏的监控存在一些性能的问题，一般只会对内部人员和极少部分用户开启。
线上：需要通过其他更有效的方式去监控内存相关的问题。

采集方式
要按照用户抽样，而不是按次抽样。持续采集命中用户。
用户在前台的时候，可以每 5 分钟采集一次 PSS、Java 堆、图片总内存。

计算指标

内存 UV 异常率 = PSS 超过 400MB 的 UV / 采集 UV
其中 PSS 的值可以通过 Debug.MemoryInfo 拿到其中 PSS 的值可以通过 Debug.MemoryInfo 拿到。
触顶率：可以反映 Java 内存的使用情况，如果超过 85% 最大堆限制，GC 会变得更加频繁，容易造成 OOM 和卡顿。

内存 UV 触顶率 = Java 堆占用超过最大堆限制的 85% 的 UV / 采集 UV

long javaMax = runtime.maxMemory();
long javaTotal = runtime.totalMemory();
long javaUsed = javaTotal - runtime.freeMemory();
// Java 内存使用超过最大限制的 85%
float proportion = (float) javaUsed / javaMax;

一般客户端只上报数据，所有计算都在后台处理，这样可以做到灵活多变。

3.GC监控
在实验室或者内部试用环境，我们也可以通过 Debug.startAllocCounting 来监控 Java 内存分配和 GC 的情况，需要注意的是这个选项对性能有一定的影响，虽然目前还可以使用，但已经被 Android 标记为 deprecated。通过监控，我们可以拿到内存分配的次数和大小，以及 GC 发起次数等信息。

long allocCount = Debug.getGlobalAllocCount();
long allocSize = Debug.getGlobalAllocSize();
long gcCount = Debug.getGlobalGcInvocationCount();

在 Android 6.0 之后系统可以拿到更加精准的 GC信息。

// 运行的 GC 次数
Debug.getRuntimeStat("art.gc.gc-count");
// GC 使用的总耗时，单位是毫秒
Debug.getRuntimeStat("art.gc.gc-time");
// 阻塞式 GC 的次数
Debug.getRuntimeStat("art.gc.blocking-gc-count");
// 阻塞式 GC 的总耗时
Debug.getRuntimeStat("art.gc.blocking-gc-time");

需要特别注意阻塞式 GC 的次数和耗时，因为它会暂停应用线程，可能导致应用发生卡顿。

码农公寓

文章目录

优化RAM

优化ROM

移动设备发展

误区： Native 内存不用管