在Android应用中，大图的加载和显示可能导致内存占用过高，进而引发OOM（Out Of Memory）异常，影响应用的稳定性和用户体验。为了更好地管理大图资源，我们需要建立起一套可靠的大图监测系统。
原理解析
- 内存占用计算
首先，我们需要了解如何计算一张图片在内存中的占用大小。Android中，图片占用的内存主要由其宽、高和每个像素的位数决定。我们可以使用以下公式计算：
[ 内存占用大小 = 宽 \times 高 \times 像素位数 / 8 ]
- 大图判定标准
一般情况下，大图的定义是指超过一定阈值的图片。这个阈值可以根据应用的实际需求来设定，通常建议根据设备的内存情况和应用场景动态调整。
- 监测策略
大图监测一般采用两种策略：主动监测和被动监测。主动监测通过周期性地扫描内存中的图片资源，识别大图，进行处理。而被动监测则是在图片加载过程中实时判断是否为大图。
主动监测
主动监测只要获取到内存中的图片资源，通过扫描判断是否超过设置的阈值即可。
class LargeImageScanner {
fun scanLargeImages() {
// 遍历内存中的图片资源
for (image in MemoryManager.getAllImages()) {
val imageSize = calculateImageSize(image)
// 判断是否为大图
if (imageSize > LARGE_IMAGE_THRESHOLD) {
// 进行处理，如压缩、裁剪或异步加载
handleLargeImage(image)
}
}
}
private fun calculateImageSize(image: Bitmap): Int {
// 计算图片占用的内存大小
return image.width * image.height * (image.config.bitsPerPixel / 8)
}
private fun handleLargeImage(image: Bitmap) {
// 实现大图的处理逻辑，例如压缩、裁剪或异步加载
// ...
}
}
被动监测
被动监测的目的是，让图在加载的过程中，自动获取到加载图片的大小。所以切入的时机就非常重要。
在第三方图片加载库回调中进行大图监测
如果你使用的是第三方图片加载库Glide，最简单的直接的是在图片加载的成功的时机进行监测。
class GlideImageLoader {
fun loadWithLargeImageCheck(context: Context, url: String, target: ImageView) {
Glide.with(context)
.asBitmap()
.load(url)
.listener(object : RequestListener<Bitmap> {
override fun onLoadFailed(
e: GlideException?,
model: Any?,
target: Target<Bitmap>?,
isFirstResource: Boolean
): Boolean {
// 图片加载失败处理
// ...
return false
}
override fun onResourceReady(
resource: Bitmap?,
model: Any?,
target: Target<Bitmap>?,
dataSource: DataSource?,
isFirstResource: Boolean
): Boolean {
// 图片加载成功，检查是否为大图
resource?.let {
val imageSize = calculateImageSize(it)
if (imageSize > LARGE_IMAGE_THRESHOLD) {
// 处理大图逻辑，如压缩、裁剪或异步加载
handleLargeImage(it)
}
}
return false
}
})
.into(target)
}
private fun calculateImageSize(image: Bitmap): Int {
// 计算图片占用的内存大小
return image.width * image.height * (image.config.bitsPerPixel / 8)
}
private fun handleLargeImage(image: Bitmap) {
// 实现大图的处理逻辑，例如压缩、裁剪或异步加载
// ...
}
}
但上面这种方式存在几个弊端
- 适用性低，强制要求所以图片加载都要调用
loadWithLargeImageCheck方法，如果是一个现有的大项目，将无法改造。 - 强依赖于第三方加载库
Glide，后续换库也不兼容
所以为了解决上面的这几个问题，我们要想的是，能否不依赖于第三方图片加载库呢？
于是就有了下面这种方式
在网络加载图片时进行大图监测
现在使用网络请求基本都是使用Okhttp，在这种情况下，你可以考虑使用拦截器（Interceptor）来实现通用的大图监测逻辑。拦截器是OkHttp 中的一种强大的机制，可以在请求发起和响应返回的过程中进行拦截、修改和监测。
以下是一个使用OkHttp拦截器进行大图监测的示例：
import okhttp3.Interceptor
import okhttp3.OkHttpClient
import okhttp3.Response
import java.io.IOException
class LargeImageInterceptor : Interceptor {
@Throws(IOException::class)
override fun intercept(chain: Interceptor.Chain): Response {
val request = chain.request()
// 发起请求前的处理，可以在这里记录请求时间等信息
val response = chain.proceed(request)
// 请求返回后的处理
if (response.isSuccessful) {
val contentType = response.body()?.contentType()?.toString()
// 检查是否为图片资源
if (contentType?.startsWith("image/") == true) {
// 获取图片大小并进行大图监测
val imageSize = calculateImageSize(response.body()?.byteStream())
if (imageSize > LARGE_IMAGE_THRESHOLD) {
// 处理大图逻辑，如压缩、裁剪或异步加载
handleLargeImage()
}
}
}
return response
}
private fun calculateImageSize(inputStream: InputStream?): Int {
// 通过输入流计算图片占用的内存大小
// ...
}
private fun handleLargeImage() {
// 实现大图的处理逻辑，例如压缩、裁剪或异步加载
// ...
}
}
然后，在创建OkHttpClient时，添加这个拦截器：
val okHttpClient = OkHttpClient.Builder()
.addInterceptor(LargeImageInterceptor())
.build()
通过这种方式，你只需要在OkHttp中添加一次拦截器，即可在每个图片请求中进行通用的大图监测处理，而不用在每个请求的响应回调中添加监测代码。这样使得代码更加清晰、易于维护。
可能又有人会说，我网络加载库换了，那不是一样无法兼容吗？
确实，虽然概率比直接换第三方图片加载库还低，但既然有可能，就要尽可能的解决。
于是就是了下面的这种终极方法。
使用ASM插桩进行大图监控
这就升级到图片加载的本质了，任何图片加载最终都是要填充到ImageView上。而在这过程中自然避免不了使用ImageView的方法进行填充图片。
例如：setImageDrawable等等。
当然也可以直接hook整个ImageView，全局将其替换成HookImageView，再到其内部实现大图监测。 这两种都是通过ASM，只是对象不一样，但原理都基本一致。
以下是一个简单的示例，使用ASM对Android中的 ImageView 的 setImageDrawable 方法进行拦截：
import org.objectweb.asm.*;
public class ImageViewInterceptor implements ClassVisitor {
private final ClassVisitor cv;
public ImageViewInterceptor(ClassVisitor cv) {
this.cv = cv;
}
@Override
public MethodVisitor visitMethod(int access, String name, String desc, String signature, String[] exceptions) {
MethodVisitor mv = cv.visitMethod(access, name, desc, signature, exceptions);
if (name.equals("setImageDrawable") && desc.equals("(Landroid/graphics/drawable/Drawable;)V")) {
return new ImageViewMethodVisitor(mv);
}
return mv;
}
// 其他方法省略，你可以根据需要实现其他 visitX 方法
}
class ImageViewMethodVisitor extends MethodVisitor {
public ImageViewMethodVisitor(MethodVisitor mv) {
super(Opcodes.ASM5, mv);
}
@Override
public void visitCode() {
super.visitCode();
// 在方法开头插入大图监测逻辑的字节码
// ...
}
@Override
public void visitInsn(int opcode) {
if (opcode == Opcodes.RETURN) {
// 在 RETURN 指令前插入大图监测逻辑的字节码
// ...
}
super.visitInsn(opcode);
}
}
// 在某处，使用 ASM 进行字节码修改
ClassReader cr = new ClassReader("android/widget/ImageView");
ClassWriter cw = new ClassWriter(ClassWriter.COMPUTE_MAXS);
ImageViewInterceptor interceptor = new ImageViewInterceptor(cw);
cr.accept(interceptor, 0);
....
这个示例中，ImageViewInterceptor 对 ImageView 的 setImageDrawable 方法进行了拦截，ImageViewMethodVisitor 中插入了大图监测逻辑的字节码。
需要注意的是。在实际应用中，需谨慎考虑因字节码操作而引起的潜在问题和兼容性风险。
注意事项与优化技巧
在实现大图监测时，我们需要注意以下事项：
- 灵活设置阈值： 根据不同设备和应用场景，动态调整大图的阈值，以保证监测的准确性和及时性。
- 合理选择处理方式： 对于大图，可以选择合适的处理方式，如压缩、裁剪或异步加载，以降低内存占用。
- 异步处理： 将大图的处理放在异步线程中，避免阻塞主线程，提高应用的响应性。
总结
通过本文的学习，相信你已经对Android大图监测有了深入的理解，并可以在实际项目中应用这些知识，提升应用的性能和用户体验。
网友评论