设计高性能图片加载框架并解决内存抖动问题 -

题目

设计高性能图片加载框架并解决内存抖动问题

信息

类型：问答
难度：⭐⭐⭐

考点

Bitmap内存管理,内存抖动优化,三级缓存设计,弱引用与LRU策略,Glide源码原理

快速回答

实现高性能图片加载框架的关键点：

采用三级缓存架构：内存缓存（LruCache + 弱引用）、磁盘缓存、网络加载
使用LruCache管理Bitmap内存，结合弱引用防止内存泄漏
通过Bitmap复用池（inBitmap）减少内存分配
采用对象池模式复用请求对象，避免频繁GC
根据View尺寸进行采样压缩（inSampleSize + inJustDecodeBounds）

## 解析

核心架构设计

三级缓存流程：

检查活动缓存（弱引用持有正在使用的Bitmap）
检查LruCache内存缓存
检查磁盘缓存（DiskLruCache）
网络下载并写入各级缓存

内存抖动优化方案

// Bitmap复用池实现
public class BitmapPool {
    private final Set<Bitmap> pool = Collections.synchronizedSet(new HashSet<>());

    public Bitmap get(int width, int height) {
        for (Bitmap bmp : pool) {
            if (bmp.isRecycled()) continue;
            if (bmp.getWidth() == width && bmp.getHeight() == height) {
                pool.remove(bmp);
                return bmp;
            }
        }
        return null;
    }

    public void put(Bitmap bitmap) {
        if (bitmap != null && !bitmap.isRecycled()) {
            pool.add(bitmap);
        }
    }
}

关键优化技术

LruCache 实现：

int maxMemory = (int) (Runtime.getRuntime().maxMemory() / 1024);
int cacheSize = maxMemory / 8;
LruCache<String, Bitmap> memoryCache = new LruCache<>(cacheSize) {
    protected int sizeOf(String key, Bitmap value) {
        return value.getByteCount() / 1024;
    }
    protected void entryRemoved(boolean evicted, String key, 
        Bitmap oldValue, Bitmap newValue) {
        bitmapPool.put(oldValue); // 移出时放入复用池
    }
};

采样压缩：
先读取图片边界（inJustDecodeBounds=true），根据View尺寸计算inSampleSize

弱引用缓存：

private Map<String, WeakReference<Bitmap>> activeCache = new HashMap<>();

最佳实践

使用RGB_565格式替代ARGB_8888（内存减少50%）
监听onTrimMemory动态调整缓存大小
网络层使用OkHttp连接池复用TCP连接
磁盘缓存采用Journal日志保证数据一致性

常见错误

未处理Configuration变更导致重复加载
ListView/RecyclerView中未使用ViewTag引发图片错位
在主线程解码大图导致ANR
弱引用缓存未与LruCache联动造成内存泄漏

扩展知识

Glide源码设计：
- EngineJob协调加载流程
- ResourceRecycler管理Bitmap生命周期
- Downsampler处理采样逻辑
Android 8.0后：使用NativeAllocationRegistry替代inBitmap
内存抖动监控：通过Allocation Tracker分析分配模式