Android內存優化雜談

jopen 8年前發布 | 30K 次閱讀 Android開發 移動開發

原文出處：WeMobileDev 

Android內存優化是我們性能優化工作中比較重要的一環，這里其實主要包括兩方面的工作：

  1. 優化RAM，即降低運行時內存。這里的目的是防止程序發生OOM異常，以及降低程序由于內存過大被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。這里主要是為了降低程序占用的空間，防止由于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。在這里我們不再細述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。

內存泄露的檢測與修改

內存泄露：簡單來說對象由于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。內存泄露，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。它屬于bug issue,是我們一定要修改的。

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

blob.png

一. 內存泄露的監控方案

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，若發現內存泄露自動dump Hprof文件，通過HAHA庫得到泄露的最短路徑，最后通過notification展示。

內存泄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)：

blob.png

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

  1. 在微信中，對于4.0以上的機型也是采用通過注冊ActivityLifecycleCallbacks接口，對于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，美美噠。

  2. 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，系統會緩存最后一個Activity，所以在微信，我們采取了更嚴格的檢測模式，即泄露三次確認以及經過5個新建的Activity，確保不是由于系統緩存的原因造成。

  3. 在微信中，當發現疑似內存泄露時會彈出對話框，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、泄露鏈等分析工作也是放于服務器端。

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泄露監控閉環。

blob.png

二. 對系統內存泄露的Hack Fix

AndroidExcludedRefs列出了一些由于系統原因導致引用無法釋放的例子，同時對于大多數的例子，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(詳細可看參考資料)。

三. 通過兜底回收內存

Activity泄漏會導致該Activity引用到的Bitmap、DrawingCache等無法釋放，對內存造成大的壓力，兜底回收是指對于已泄漏Activity，嘗試回收其持有的資源，泄漏的僅僅是一個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，泄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泄露解決方法就可以，更重要的是通過日常測試與監控，得到內存泄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泄露時，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是放于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必然是這里的大頭。對于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 里面隱藏的的inNativeAlloc反射打開后，申請的bitmap就不會算在external中。對于Android 4.x系統，可采用非死book的fresco庫，即可把圖片資源放于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。加載庫的好處在于將版本差異、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
    對于.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、質量等放于框架中。

二. 自身內存占用監控

對于系統函數onLowMemory等函數是針對整個系統而已的，對于本進程來說，其dalvik內存距離OOM的差值并沒有體現，也沒有回調函數供我們及時釋放內存。假若能有那么一套機制，可以實時監控進程的堆內存使用率，達到設定值即關于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(前臺每隔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。

WindowManagerGlobal.getInstance().startTrimMemory(TRIM_MEMORY_COMPLETE);

三. 使用多進程

對于webview，圖庫等，由于存在內存系統泄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--埋坑的方式并不推薦。我們應該著力于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)。如果在幀間隔時間里面做了過多的GC操作，那么自然其他類似計算，渲染等操作的可用時間就變得少了。

blob.png

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。

  1. 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后仍然沒有空間，則堆進行擴張

  2. 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

  3. 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于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。

  4. GC_EXTERNAL_ALLOC （在3.0系統之后被廢了）
    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，并使得用戶感知到性能問題。

blob.png

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，便于對比分析哪些對象有可能發生了泄漏。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，并自頂向下的逐輪進行優化。

blob.png

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：

  1. 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；這里需要注意的是，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);
    }

  1. 讀文件優化 讀文件使用ByteArrayPool，初始設置capacity，減少expand

  2. 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

  3. 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

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

總結

我們并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，而不是一直處于"哪個有坑填哪里的"的窘況。在這里給大家的建議有：

  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. 不拘泥于點，更重要在于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，在未來的日子里也同樣需要努力去優化。

參考文章

  1. Android內存管理(http://developer.android.com/intl/zh-cn/training/articles/memory.html)

  2. leakcanary(https://github.com/square/leakcanary)

  3. AndroidExcludedRefs(https://github.com/square/leakcanary/blob/master/leakcanary-android/src/main/java/com/squareup/leakcanary/AndroidExcludedRefs.java)

  4. fresco(https://github.com/非死book/fresco)

  5. 優化安卓應用內存的神秘方法以及背后的原理(http://bugly.qq.com/blog/?p=621)

  6. Android性能優化之內存篇(http://hukai.me/android-performance-memory/)


來自： http://www.jcodecraeer.com//a/anzhuokaifa/androidkaifa/2015/1216/3778.html

 本文由用戶 jopen 自行上傳分享，僅供網友學習交流。所有權歸原作者，若您的權利被侵害，請聯系管理員。
 轉載本站原創文章，請注明出處，并保留原始鏈接、圖片水印。
 本站是一個以用戶分享為主的開源技術平臺，歡迎各類分享！