Android-图片加载优化

Android应用中常常有加载图片资源的操作，随着Android手机平板的分辨率越来越高，图片资源越来越大，在加载高清图片的时候，由于瞬间产生大量的内存消耗，有时java GC来不及进行垃圾回收，就很容易发生OOM现象，怎么优化加载图片呢？

方法一：BitmapFactory.Options的两个参数inPurgeable、inNativeAlloc

public Bitmap decodeFile(String filePath) {        Bitmap bitmap = null;        BitmapFactory.Options options = new BitmapFactory.Options();        options.inPurgeable = true;//1 :inPurgeable        try {            BitmapFactory.Options.class.getField("inNativeAlloc").setBoolean(options, true);//2:inNativeAlloc        } catch (IllegalArgumentException e) {            e.printStackTrace();        } catch (SecurityException e) {            e.printStackTrace();        } catch (IllegalAccessException e) {            e.printStackTrace();        } catch (NoSuchFieldException e) {            e.printStackTrace();        }        if (mFilePath != null) {            bitmap = BitmapFactory.decodeFile(mFilePath, options);        }        return bitmap;    }

关于inPurgeable:处理过位图加载的人可能对BitmapFactory.Options的inPurgeable参数比较熟悉，当inPurgeable==true时，可以让java系统内存不足时先行回收部分的内存，这个方法其实已经解决大部分的问题了。
关于inNativeAlloc:那么try-catch里面做了什么呢？在看了source code 之后，我发现在BitmapFactory.Options里竟然有一个inNativeAlloc的public变量，可以直接不把使用的内存算到VM里，相应的，inPurgeable生出来的内存还是算在java 的VM里。需要注意的这个变量是个隐藏的变量，不能直接用，需要用反射将这个变量设成true。如此一来bitmap OOM的问题发生的机率又更低了.

方法二：使用BitmapFactory.decodeStream

public Bitmap ReadBitMap(Context context, int resId){           BitmapFactory.Options opt = new BitmapFactory.Options();           opt.inPreferredConfig = Bitmap.Config.RGB_565;            opt.inPurgeable = true;           opt.inInputShareable = true;      　     InputStream is = context.getResources().openRawResource(resId);           return BitmapFactory.decodeStream(is,null,opt);    }

关于BitmapFactory.decodeStream：当我们给view设置图片资源时，使用像 setBackgroundResource，setImageResource,或者 BitmapFactory.decodeResource 这样的方法来设置一张高清图片的时候，这些函数在完成decode后，最终都是通过java层的createBitmap来完成的，需要消耗更多内存。而改用先通过BitmapFactory.decodeStream方法，创建出一个bitmap，再将其设为ImageView的source。decodeStream的优势在于其直接调用JNI>>nativeDecodeAsset()来完成decode，无需再使用java层的createBitmap，从而节省了java层的空间。如果在读取时加上图片的Config参数，可以更有效减少加载的内存，从而跟有效阻止抛out of Memory异常。
另外，需要特别注意：decodeStream是直接读取图片资料的字节码了， 不会根据机器的各种分辨率来自动适应，使用了decodeStream之后，需要在hdpi和mdpi，ldpi中配置相应的图片资源，否则在不同分辨率机器上都是同样大小（像素点数量），显示出来的大小就不对了。

方法三：使用内存缓存

1.内存缓存很多人都用，但是内存缓存设置需要得当，太小了会导致缓存不够用，太大了会导致其他应用可用内存减小，也容易造成内存溢出。

private LruCache<String, Bitmap> mMemoryCache;@Overrideprotected void onCreate(Bundle savedInstanceState) {    ...    // 获取到虚拟机的可用最大内存    final int maxMemory = (int) (Runtime.getRuntime().maxMemory() / 1024);    // 只使用1/8的空闲内存作为缓存空间.    final int cacheSize = maxMemory / 8;    mMemoryCache = new LruCache<String, Bitmap>(cacheSize) {        @Override        protected int sizeOf(String key, Bitmap bitmap) {            return bitmap.getByteCount() / 1024;        }    };    ...}public void addBitmapToMemoryCache(String key, Bitmap bitmap) {    if (getBitmapFromMemCache(key) == null) {        mMemoryCache.put(key, bitmap);    }}public Bitmap getBitmapFromMemCache(String key) {    return mMemoryCache.get(key);}

2.设置好内存缓存区，我们就可以在需要的时候从内存缓存区直接拿到图片了

public void loadBitmap(int resId, ImageView imageView) {    final String imageKey = String.valueOf(resId);    final Bitmap bitmap = getBitmapFromMemCache(imageKey);    if (bitmap != null) {        mImageView.setImageBitmap(bitmap);    } else {        mImageView.setImageResource(R.drawable.default_drawable);        BitmapWorkerTask task = new BitmapWorkerTask(mImageView);        task.execute(resId);    }}

3.当然了，在bitmap是新的图片时，需要把图片放到缓存区中去：

class BitmapWorkerTask extends AsyncTask {      ...      @Override      protected Bitmap doInBackground(Integer... params) {          final Bitmap bitmap = decodeSampledBitmapFromResource(                  getResources(), params[0], 100, 100));          addBitmapToMemoryCache(String.valueOf(params[0]), bitmap);          return bitmap;      }      ...  }

*1.针对大图的加载，比较常用的方法是进行 DownSampling(向下采样)。
2.避免同一时间加载大量的图片，也可以为我们的内存优化提供不小的收益。比如，在一个 ScrollView 中有非常多的 ImageView，这时候，占用的内存往往非常客观，因为就算一些 View 我们在屏幕视野里面看不到，它还是持续占用内存。我们可以通过 RecyclerView 或者 ListView 来予以替换，从而达到内存优化的效果。
3.一般不要静态缓存图片，就算有缓存，也可以结合 LRU 机制来保证缓存图片的个数和占用内存。Android SDK 已经提供了 LruCache 类来实现 LRU 机制。
4.采用开源库加载图片，这些开源库一般来说，对内存的优化已经比较全面了，比我们自己手工管理内存来的好。

三级缓存-UIL中的内存缓存策略

1. 只使用的是强引用缓存
   LruMemoryCache（这个类就是这个开源框架默认的内存缓存类，缓存的是bitmap的强引用，下面我会从源码上面分析这个类）

   2.使用强引用和弱引用相结合的缓存有
   （1）UsingFreqLimitedMemoryCache（如果缓存的图片总量超过限定值，先删除使用频率最小的bitmap）
   （2）LRULimitedMemoryCache（这个也是使用的lru算法，和LruMemoryCache不同的是，他缓存的是bitmap的弱引用）
   （3）FIFOLimitedMemoryCache（先进先出的缓存策略，当超过设定值，先删除最先加入缓存的bitmap）
   （4）LargestLimitedMemoryCache(当超过缓存限定值，先删除最大的bitmap对象)
   （5）LimitedAgeMemoryCache（当 bitmap加入缓存中的时间超过我们设定的值，将其删除）

   3.只使用弱引用缓存
   WeakMemoryCache（这个类缓存bitmap的总大小没有限制，唯一不足的地方就是不稳定，缓存的图片容易被回收掉）

三级缓存-UIL中的磁盘缓存策略

像新浪微博、花瓣这种应用需要加载很多图片，本来图片的加载就慢了，如果下次打开的时候还需要再一次下载上次已经有过的图片，相信用户的流量会让他们的叫骂声很响亮。对于图片很多的应用，一个好的磁盘缓存直接决定了应用在用户手机的留存时间。我们自己实现磁盘缓存，要考虑的太多，幸好UIL提供了几种常见的磁盘缓存策略，当然如果你觉得都不符合你的要求，你也可以自己去扩展。

（1）FileCountLimitedDiscCache（可以设定缓存图片的个数，当超过设定值，删除掉最先加入到硬盘的文件）
（2）LimitedAgeDiscCache（设定文件存活的最长时间，当超过这个值，就删除该文件）
（3）TotalSizeLimitedDiscCache（设定缓存bitmap的最大值，当超过这个值，删除最先加入到硬盘的文件）
（4）UnlimitedDiscCache（这个缓存类没有任何的限制）
在UIL中有着比较完整的存储策略，根据预先指定的空间大小，使用频率(生命周期)，文件个数的约束条件，都有着对应的实现策略。最基础的接口DiscCacheAware和抽象类BaseDiscCache