内存优化

自动化半自动化监测

• 大图内存和流量-BitmapCanary,doreamonkit,hook内存分配方法

• 内存泄露监控和上报-leakcanary,stricmode,as

• 内存曲线-as,doreamonkit

• 线程监控

• 低内存监控

参考

深入探索Android内存优化 (opens new window)

总结

对于内存优化的专项优化而言，我们要着重注意两点，即优化大方向和优化细节。

对于优化的大方向，我们应该优先去做见效快的地方，主要有以下三部分：

• 1、内存泄漏
• 2、内存抖动
• 3、Bitmap

对于优化细节，我们应该注意一些系统属性或内存回调的使用等等，如下：

• 1、LargeHeap属性
• 2、onTrimMemory
• 3、使用优化过后的集合：如SparseArray
• 4、谨慎使用SharedPreference
• 5、谨慎使用外部库
• 6、业务架构设计合理

在本篇文章，我们除了建立了内存的监控闭环这一核心体系之外，还是实现了以下组件：

• 1、实现了线下的native内存泄漏监控
• 2、根据设备分级来使用不同的内存和分配回收策略。
• 3、针对低端机做了功能或图片加载格式的降级处理。
• 4、针对缓存滥用的问题实现了统一的缓存管理组件。
• 5、实现了大图监控和重复图片的监控。
• 6、在前台每隔一定时间去获取当前应用内存占最大内存的比例，当超过设定阈值时则主动释放应用cache。
• 7、当UI隐藏时释放内存以增加系统缓存应用进程的能力。
• 8、高效实现了应用全局内的Bitmap监控。
• 9、实现了全局的线程监控
• 10、针对内存使用的重度场景实现了GC监控。

最后，当监控到应用内存超过阈值时，还定制了完善的兜底策略来重启应用进程。

从性能分类的纬度来看，除了内存监控方面外，是否也同样建立了卡顿、缓存、电量、异常流量、布局、包体积、IO、存储相关的监控与优化体系。总的来说，要想实现更健全的功能、更深层次的定位问题、线上问题快速准确的发现，还是有很多事情可以做的。

工具

除了常用的内存分析工具Memory Profiler、MAT、LeakCanary之外

https://github.com/Tencent/matrix/wiki/Matrix-Android-ResourceCanary

https://github.com/facebookarchive/device-year-class

LeakInspector-https://www.jianshu.com/p/4646b364ad17 未开源

https://github.com/smallnew/BitmapCanary

大图检测: https://www.bookstack.cn/read/DoraemonKit-3.0/05e002158a0d0a66.md

自动化思路

Leakcanary->stacktrace栈构建exception->上报到统计平台如firebase,友盟,sentry,bugly