中国领先的IT技术网站
|
|
创建专栏

Glide 这样用,更省内存!!!

Glide 是 Google 官方推荐的一款图片加载库,使用起来也非常的简单便利,Glide 它帮我们完成了很多很重要,但是却通用的功能,例如:图片的加载压缩、展示、加载图片的内存管理等等。

作者:张旸|2017-10-09 16:27

开发者大赛路演 | 12月16日,技术创新,北京不见不散


 

一、前言

Glide 是 Google 官方推荐的一款图片加载库,使用起来也非常的简单便利,Glide 它帮我们完成了很多很重要,但是却通用的功能,例如:图片的加载压缩、展示、加载图片的内存管理等等。

对 Glide 还不熟悉的朋友,可以参考 《一篇好文,助你上手 Glide》

但是,在使用 Glide 的时候,有一些小技巧,可以让你的内存更优化,避免可能出现的 OOM。例如:虽然 Glide 会根据加载的控件大小,优化加载后的图片尺寸,可如果加载的是一张全屏的大图,依然会是一个占用内存空间非常大的操作。

具体一张 Bitmap 到底占用了多少内存空间,可以参考《Bitmap 比你想的更费内存 | 吊打 OOM》

本文有些建议来自 Android TV App,而 Android TV 众多的智能电视和智能盒子,实际上硬件条件非常的恶劣,而 Android TV 的 App ,为了美化,会用到大部分的图片,所以在图片使用方面,OOM 的问题就会被放大,而下面介绍的一些优化方案,在 Android 手机硬件条件非常好的环境下,不使用影响也不大。

二、开始优化

2.1 配置好 TrimMemory 和 LowMemory

Glide 帮我们做了大部分内存管理方面的事情,实际上它还支持做的更好。

对于一个 App 而言,在系统内存环境不足的情况下,会回调一些 onTrimMemory() 或者 onLowMemory() 等方法,这些都是在提醒开发者,当前设备的内存环境已经发生了变化,你最好调整你的内存使用策略,避免被系统清理掉或者出现 OOM 。

关于 onTrimMemroy() 相关内容,不了解的可以先参考《Android 开发,跳不过的内存管理》

而 Glide 也为我们提供了类似方法的接口,开发者只需要调用即可,它在内部会随着不同的内存情况,帮我们对缓存的图片进行优化。

在这里,你主要用到 Glide 的 trimMemory() 和 cleanMemroy() 方法,它们一个用来裁剪 Glide 缓存的图片内存空间,一个用来清理 Glide 缓存的内存空间。

在使用 onTrimMemory() 之前,一般是实现 ComponentCallbacks2 接口,然后在 Application 中,通过 registerComponentCallbacks() 方法进行注册。当然,如果你嫌麻烦,还可以直接在 Application 中,重写对应的方法。

了解了这些,就可以根据我们的需要来配置在何时调用 Glide 的对应方法,我推荐的配置:

  1. 在 lowMemory 的时候,调用 Glide.cleanMemroy() 清理掉所有的内存缓存。
  2. 在 App 被置换到后台的时候,调用 Glide.cleanMemroy() 清理掉所有的内存缓存。
  3. 在其它情况的 onTrimMemroy() 回调中,直接调用 Glide.trimMemory() 方法来交给 Glide 处理内存情况。

那么对应的代码,如下:

既然知道需要调用 Glide 的这两个方法,我们还是需要了解到它内部到底帮我们做了什么。先来看看 Glide 对应的源码。

在 Glide 的这些方法内,可以看到,它们都会去操作 memoryCache 和 bitmapPool 这两个对象,实际上它们是两个接口,这里如果做特殊处理,操作的都是 Glide 对它们的默认实现,LruResourceCache 和 LruBitmapPool 。从名称上可以看出来,它们都是遵循 Lru 算法的。

就 Glide 而言,Memory Cache 是 Glide 用来在内存中缓存图片资源,使其在需要使用的时候立刻就可以使用,而不必执行磁盘的 I/O 操作,而 BitmatPool 则是 Glide 维护了一个图片复用池,LruBitmapPool 使用 Lru 算法保留最近使用的尺寸的 Bitmap,这不是本文的重点,大家了解一下即可。

其实 LruResourceCache 和 LruBitmapPool 中,对 clearMemory() 和 trimMemory() 的操作是类似的,这里就以 LruBitmapPool 举例。

在 LruBitmapPool 中,会根据回调的方法以及参数,调用 clearMemory() 或者 trimToSize(),其实最终都是调用的 trimToSize() 方法。它用于裁剪当前缓存资源的个数。

可以看到,根据裁剪的目标尺寸,会去回收多余的 Bitmap 到合适的目标大小,以达到清理内存的目的。

2.2 配置 GlideModule

GlideModule 是 Glide 提供的一个配置接口,它会在第一次使用 Glide 的时候被调用,用于进行 Glide 的一些初始的配置。

具体 GlideModule 的使用,可以参见官方文档:

https://github.com/bumptech/glide/wiki/Configuration

GlideModule 是一个接口,需要实现其对应的方法。

这里我们只需要使用 applyOptions() 这个方法,它用于在 Glide 的默认配置的基础上,追加一些我们需要的配置。

而在这里,我们可以根据当前设备的内存情况,对其进行一个设定,使用 ActivityManager 获取当前设备的内存情况,如果是处于 lowMemory 的时候,将图片的 DecodeFormat 设置为 RGB_565 , RGB_565 和默认的 ARGB_8888 比,每个像素会少 2 个byte,这样,等于一张同样的图片,加载到内存中会少一半内存的占用(ARGB_8888 每个像素占 4 byte)。

2.3 避免使用圆角的ImageView

在实际项目内,经常会用到一些带圆角的图片,或者直接就是圆形的图片。圆形的图片,多数用于一些用户的头像之类的显示效果。

而在 Android 下,也有大量的类似 XxxImageView 的开源控件,用于操作 Bitmap 以达到一个圆角图片的效果,例如 Github 上比较火的 RoundedImageView。

它们大部分的原理,是接收到你传递的 Bitmap ,然后再输出一个与原来 Bitmap 等大的新 Bitmap ,在此基础之上,进行圆角的一些处理,这就导致了,实际上会在内存中,多持有一个 Bitmap ,一下一张图片占用的内存就被加倍了。

所以既然已经选择使用 Glide ,推荐使用 glide-transformations 这个开源库配合使用,glide-transformations 利用 Glide 的 bitmapTransfrom() 接口,实现对加载的 Bitmap 的进行一些变换操作。

glide-transformations 的 Github 地址如下:

https://github.com/wasabeef/glide-transformations

glide-transformations 提供一系类对加载的图片的变换操作,从形状变换到色彩变换,全部支持,基本上满足大部分开发需要,并且它会复用 Glide 的 BitmapPool ,来达到节约内存的目的。

具体 glide-transformations 的使用,可以查看 Github 上的文档,下面是它的一个效果图。

2.4 根据内存情况,裁剪你的图片

前面的介绍的一些优化点,都是一些推荐的通用做法,基本上用了前面介绍的办法,图片导致的 OOM 应该会大幅度减少。

接下来介绍一个在 Android TV 上,加载全屏大图的时候,优化内存问题的一个解决办法。

首先要明确一点,国内 Android TV 的硬件环境非常的不好,二百三百的智能盒子到处都在卖,毕竟也是跑的 Android 系统,你想想你使用的是一款 299 的 Android 手机,你对它也不会有什么期待了。但是 Android TV 又是为了电视做的,所以大部分情况下,它都是需要支持 1920 * 1280 之类的屏幕尺寸,导致它如果加载一张全屏的大图,消耗的内存是不忍直视的,如果在内存环境不好的情况下,可能就直接 OOM 崩溃了。

所以,对于这种极端的情况,我想到了一个办法,根据当前的内存环境,按比例缩小需要显示的全屏图片,这样加载到内存中的图片,就是按比例缩小的。

在这里就需要用到 DrawableRequestBuilder 的 override() 这个 Api 了,它可以接受一个 width 和 height ,来重新指定加载图片的尺寸。

既然 Glide 已经提供了标准的 Api ,那么我们还需要获取到当前运行设备的宽高。

这里推荐使用 getRealSize() 的方式获取屏幕的宽高,它可以真实的拿到当前屏幕的尺寸。其它 Api 在部分智能电视和盒子上,拿到的尺寸会小,因为没有计算 StatusBar 或者 NavigationBar的高度,这些都是经验之谈。

同时,我们也需要用到 ComponentCallbacks2 这个接口,前面已经介绍过了,就不再赘述了。

在其中,记录 trim 的 level 这个值,反应当前的内存级别,在使用的时候,通过 getBitmapSize() 裁剪出一个符合当前内存环境的尺寸。

例子中只是对 TRIM_MENORY_RUNNING_LOW 进行了处理,会根据屏幕尺寸,缩放到 0.8f 倍的状态。如果要做的更多,可以将其它几个 level 也加上,调整不同的缩放倍数。

两个都输出一下,看看差别,同一张全屏的图片,不缩放和缩放 0.8f 的差别。

  1. I/cxmyDev: bgImage byteCount : 8294400 
  2. I/cxmyDev: bgImage byteCount : 5308416 

可以看到,优化的目的还是达到了。可以节约大概 3MB 左右的内存空间,而图片又不至于模糊到无法看的地步。

三、小结

优化是没有终点的,今天先聊到这里,之后有想到的再补充。

【本文为51CTO专栏作者“张旸”的原创稿件,转载请通过微信公众号联系作者获取授权】

戳这里,看该作者更多好文

【编辑推荐】

  1. Bitmap 比你想的更费内存 | 吊打 OOM
  2. 我是一个函数,生活在内存当中
  3. 内存带宽与计算能力,谁才是决定深度学习执行性能的关键?
  4. Spring Boot & Spring Cloud 应用内存管理
  5. jvm系列(二):JVM内存结构
【责任编辑:武晓燕 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢

热门职位+更多