Android主线程耗时动画卡顿,Android性能优化实战之界面卡顿
原标题:Android性能优化实战之界面卡顿
作者:红橙Darren
https://www.jianshu.com/p/18bb507d6e62
今天是个奇怪的日子,有三位同学找我,都是关于界面卡顿的问题,问我能不能帮忙解决下。由于性能优化涉及的知识点比较多,我一时半会也无法彻底回答。恰好之前在做需求时也遇到了一个卡顿的问题,因此今晚写下这篇卡顿优化的文章,希望对大家有所帮助。
1. 查找卡顿原因
从上面的现象来看,应该是主线程执行了耗时操作引起了卡顿,因为正常滑动是没问题的,只有在刷新数据的时候才会出现卡顿。至于什么情况下会引起卡顿,之前在自定义 View 部分已有详细讲过,这里就不在啰嗦。我们猜想可能是耗时引起的卡顿,但也不能 100% 确定,况且我们也并不知道是哪个方法引起的,因此我们只能借助一些常用工具来分析分析,我们打开 Android Device Monitor 。
图:打开 Android Device Monitor
图:查找耗时方法
2. RxJava 线程切换
我们找到了是高斯模糊处理耗时导致了界面卡顿,那现在我们把高斯模糊算法处理放入子线程中去,处理完后再次切换到主线程,这里采用 RxJava 来实现。
Observable.just(resource.getBitmap())
.map(bitmap -> {
// 高斯模糊
Bitmap blurBitmap = ImageUtil.doBlur(resource.getBitmap(), 100, false);
blurBitmapCache.put(path, blurBitmap);
returnblurBitmap;
}).subscribeOn(Schedulers.io())
.observeOn(AndroidSchedulers.mainThread())
.subscribe(blurBitmap -> {
if(blurBitmap != null) {
recommendBgIv.setImageBitmap(blurBitmap);
}
});
关于响应式编程思想和 RxJava 的实现原理大家可以参考以下几篇文章:
第三方开源库 RxJava - 基本使用和源码分析
https://www.jianshu.com/p/3e8fa8db6db1
第三方开源库 RxJava - 自己动手写事件变换
https://www.jianshu.com/p/b3b0170152ff
第三方开源库 RxJava - Android实用开发场景
https://www.jianshu.com/p/2bb332f39f7d
3. 高斯模糊算法分析
把耗时操作放到子线程中去处理,的确解决了界面卡顿问题。但这其实是治标不治本,我们发现图片加载处理异常缓慢,内存久高不下有时可能会导致内存溢出。接下来我们来分析一下高斯模糊的算法实现:
看上面这几张图,我们通过怎样的操作才能把第一张图处理成下面这两张图?其实就是模糊化,怎么才能做到模糊化?我们来看下高斯模糊算法的处理过程。再上两张图:
所谓"模糊",可以理解成每一个像素都取周边像素的平均值。上图中,2是中间点,周边点都是1。"中间点"取"周围点"的平均值,就会变成1。在数值上,这是一种"平滑化"。在图形上,就相当于产生"模糊"效果,"中间点"失去细节。
为了得到不同的模糊效果,高斯模糊引入了权重的概念。上面分别是原图、模糊半径3像素、模糊半径10像素的效果。模糊半径越大,图像就越模糊。从数值角度看,就是数值越平滑。接下来的问题就是,既然每个点都要取周边像素的平均值,那么应该如何分配权重呢?如果使用简单平均,显然不是很合理,因为图像都是连续的,越靠近的点关系越密切,越远离的点关系越疏远。因此,加权平均更合理,距离越近的点权重越大,距离越远的点权重越小。对于这种处理思想,很显然正太分布函数刚好满足我们的需求。但图片是二维的,因此我们需要根据一维的正太分布函数,推导出二维的正太分布函数:
图:二维正太分布函数
图:权重处理
if(radius < 1) { //模糊半径小于1
return(null);
}
intw = bitmap.getWidth();
inth = bitmap.getHeight();
// 通过 getPixels 获得图片的像素数组
int[] pix = newint[w * h];
bitmap.getPixels(pix, 0, w, 0, 0, w, h);
intwm = w - 1;
inthm = h - 1;
intwh = w * h;
intdiv = radius + radius + 1;
intr[] = newint[wh];
intg[] = newint[wh];
intb[] = newint[wh];
intrsum, gsum, bsum, x, y, i, p, yp, yi, yw;
intvmin[] = newint[Math.max(w, h)];
intdivsum = (div + 1) >> 1;
divsum *= divsum;
intdv[] = newint[ 256* divsum];
for(i = 0; i < 256* divsum; i++) {
dv[i] = (i / divsum);
}
yw = yi = 0;
int[][] stack = newint[div][ 3];
intstackpointer;
intstackstart;
int[] sir;
intrbs;
intr1 = radius + 1;
introutsum, goutsum, boutsum;
intrinsum, ginsum, binsum;
// 循环行
for(y = 0; y < h; y++) {
rinsum = ginsum = binsum = routsum = goutsum = boutsum = rsum = gsum = bsum = 0;
// 半径处理
for(i = -radius; i <= radius; i++) {
p = pix[yi + Math.min(wm, Math.max(i, 0))];
sir = stack[i + radius];
// 拿到 rgb
sir[ 0] = (p & 0xff0000) >> 16;
sir[ 1] = (p & 0x00ff00) >> 8;
sir[ 2] = (p & 0x0000ff);
rbs = r1 - Math.abs(i);
rsum += sir[ 0] * rbs;
gsum += sir[ 1] * rbs;
bsum += sir[ 2] * rbs;
if(i > 0) {
rinsum += sir[ 0];
ginsum += sir[ 1];
binsum += sir[ 2];
} else{
routsum += sir[ 0];
goutsum += sir[ 1];
boutsum += sir[ 2];
}
}
stackpointer = radius;
// 循环每一列
for(x = 0; x < w; x++) {
r[yi] = dv[rsum];
g[yi] = dv[gsum];
b[yi] = dv[bsum];
rsum -= routsum;
gsum -= goutsum;
bsum -= boutsum;
stackstart = stackpointer - radius + div;
sir = stack[stackstart % div];
routsum -= sir[ 0];
goutsum -= sir[ 1];
boutsum -= sir[ 2];
if(y == 0) {
vmin[x] = Math.min(x + radius + 1, wm);
}
p = pix[yw + vmin[x]];
sir[ 0] = (p & 0xff0000) >> 16;
sir[ 1] = (p & 0x00ff00) >> 8;
sir[ 2] = (p & 0x0000ff);
rinsum += sir[ 0];
ginsum += sir[ 1];
binsum += sir[ 2];
rsum += rinsum;
gsum += ginsum;
bsum += binsum;
stackpointer = (stackpointer + 1) % div;
sir = stack[(stackpointer) % div];
routsum += sir[ 0];
goutsum += sir[ 1];
boutsum += sir[ 2];
rinsum -= sir[ 0];
ginsum -= sir[ 1];
binsum -= sir[ 2];
yi++;
}
yw += w;
}
for(x = 0; x < w; x++) {
// 与上面代码类似 ......
对于部分哥们来说,上面的函数和代码可能看不太懂。我们来讲通俗一点,一方面如果我们的图片越大,像素点也就会越多,高斯模糊算法的复杂度就会越大。如果半径 radius 越大图片会越模糊,权重计算的复杂度也会越大。因此我们可以从这两个方面入手,要么压缩图片的宽高,要么缩小 radius 半径。但如果 radius 半径设置过小,模糊效果肯定不太好,因此我们还是在宽高上面想想办法,接下来我们去看看 Glide 的源码:
privateBitmap decodeFromWrappedStreams(InputStream is,
BitmapFactory.Options options, DownsampleStrategy downsampleStrategy,
DecodeFormat decodeFormat, boolean isHardwareConfigAllowed, intrequestedWidth,
intrequestedHeight, boolean fixBitmapToRequestedDimensions,
DecodeCallbacks callbacks) throws IOException {
longstartTime = LogTime.getLogTime();
int[] sourceDimensions = getDimensions( is, options, callbacks, bitmapPool);
intsourceWidth = sourceDimensions[ 0];
intsourceHeight = sourceDimensions[ 1];
String sourceMimeType = options.outMimeType;
// If we failed to obtain the image dimensions, we may end up with an incorrectly sized Bitmap,
// so we want to use a mutable Bitmap type. One way this can happen is if the image header is so
// large (10mb+) that our attempt to use inJustDecodeBounds fails and we're forced to decode the
// full size image.
if(sourceWidth == -1|| sourceHeight == -1) {
isHardwareConfigAllowed = false;
}
intorientation = ImageHeaderParserUtils.getOrientation(parsers, is, byteArrayPool);
intdegreesToRotate = TransformationUtils.getExifOrientationDegrees(orientation);
boolean isExifOrientationRequired = TransformationUtils.isExifOrientationRequired(orientation);
// 关键在于这两行代码,如果没有设置或者获取不到图片的宽高,就会加载原图
inttargetWidth = requestedWidth == Target.SIZE_ORIGINAL ? sourceWidth : requestedWidth;
inttargetHeight = requestedHeight == Target.SIZE_ORIGINAL ? sourceHeight : requestedHeight;
ImageType imageType = ImageHeaderParserUtils.getType(parsers, is, byteArrayPool);
// 计算压缩比例
calculateScaling(
imageType,
is,
callbacks,
bitmapPool,
downsampleStrategy,
degreesToRotate,
sourceWidth,
sourceHeight,
targetWidth,
targetHeight,
options);
calculateConfig(
is,
decodeFormat,
isHardwareConfigAllowed,
isExifOrientationRequired,
options,
targetWidth,
targetHeight);
boolean isKitKatOrGreater = Build.VERSION.SDK_INT >= Build.VERSION_CODES.KITKAT;
// Prior to KitKat, the inBitmap size must exactly match the size of the bitmap we're decoding.
if((options.inSampleSize == 1|| isKitKatOrGreater) && shouldUsePool(imageType)) {
intexpectedWidth;
intexpectedHeight;
if(sourceWidth >= 0&& sourceHeight >= 0
&& fixBitmapToRequestedDimensions && isKitKatOrGreater) {
expectedWidth = targetWidth;
expectedHeight = targetHeight;
} else{
floatdensityMultiplier = isScaling(options)
? ( float) options.inTargetDensity / options.inDensity : 1f;
intsampleSize = options.inSampleSize;
intdownsampledWidth = ( int) Math.ceil(sourceWidth / ( float) sampleSize);
intdownsampledHeight = ( int) Math.ceil(sourceHeight / ( float) sampleSize);
expectedWidth = Math.round(downsampledWidth * densityMultiplier);
expectedHeight = Math.round(downsampledHeight * densityMultiplier);
if(Log.isLoggable(TAG, Log.VERBOSE)) {
Log.v(TAG, "Calculated target ["+ expectedWidth + "x"+ expectedHeight + "] for source"
+ " ["+ sourceWidth + "x"+ sourceHeight + "]"
+ ", sampleSize: "+ sampleSize
+ ", targetDensity: "+ options.inTargetDensity
+ ", density: "+ options.inDensity
+ ", density multiplier: "+ densityMultiplier);
}
}
// If this isn't an image, or BitmapFactory was unable to parse the size, width and height
// will be -1 here.
if(expectedWidth > 0&& expectedHeight > 0) {
setInBitmap(options, bitmapPool, expectedWidth, expectedHeight);
}
}
// 通过流 is 和 options 解析 Bitmap
Bitmap downsampled = decodeStream( is, options, callbacks, bitmapPool);
callbacks.onDecodeComplete(bitmapPool, downsampled);
if(Log.isLoggable(TAG, Log.VERBOSE)) {
logDecode(sourceWidth, sourceHeight, sourceMimeType, options, downsampled,
requestedWidth, requestedHeight, startTime);
}
Bitmap rotated = null;
if(downsampled != null) {
// If we scaled, the Bitmap density will be our inTargetDensity. Here we correct it back to
// the expected density dpi.
downsampled.setDensity(displayMetrics.densityDpi);
rotated = TransformationUtils.rotateImageExif(bitmapPool, downsampled, orientation);
if(!downsampled. equals(rotated)) {
bitmapPool.put(downsampled);
}
}
returnrotated;
}
4. LruCache 缓存
最后我们还可以再做一些优化,数据没有改变时不去刷新数据,还有就是采用 LruCache 缓存,相同的高斯模糊图像直接从缓存获取。需要提醒大家的是,我们在使用之前最好了解其源码实现,之前有见到同事这样写过:
/**
* 高斯模糊缓存的大小 4M
*/
privatestaticfinal intBLUR_CACHE_SIZE = 4* 1024* 1024;
/**
* 高斯模糊缓存,防止刷新时抖动
*/
privateLruCache blurBitmapCache = newLruCache(BLUR_CACHE_SIZE);
// 伪代码 ......
// 有缓存直接设置
Bitmap blurBitmap = blurBitmapCache. get(item.userResp.headPortraitUrl);
if(blurBitmap != null) {
recommendBgIv.setImageBitmap(blurBitmap);
return;
}
// 从后台获取,进行高斯模糊后,再缓存 ...
这样写有两个问题,第一个问题是我们发现整个应用 OOM 了都还可以缓存数据,第二个问题是 LruCache 可以实现比较精细的控制,而默认缓存池设置太大了会导致浪费内存,设置小了又会导致图片经常被回收。第一个问题我们只要了解其内部实现就迎刃而解了,关键问题在于缓存大小该怎么设置?如果我们想不到好的解决方案,那么也可以去参考参考 Glide 的源码实现。
publicBuilder(Context context){
this.context = context;
activityManager = (ActivityManager)context.getSystemService(Context.ACTIVITY_SERVICE);
screenDimensions = newDisplayMetricsScreenDimensions(context.getResources().getDisplayMetrics());
// On Android O+ Bitmaps are allocated natively, ART is much more efficient at managing
// garbage and we rely heavily on HARDWARE Bitmaps, making Bitmap re-use much less important.
// We prefer to preserve RAM on these devices and take the small performance hit of not
// re-using Bitmaps and textures when loading very small images or generating thumbnails.
if(Build.VERSION.SDK_INT >= Build.VERSION_CODES.O && isLowMemoryDevice(activityManager)) {
bitmapPoolScreens = 0;
}
}
// Package private to avoid PMD warning.
MemorySizeCalculator(MemorySizeCalculator.Builder builder) {
this.context = builder.context;
arrayPoolSize =
isLowMemoryDevice(builder.activityManager)
? builder.arrayPoolSizeBytes / LOW_MEMORY_BYTE_ARRAY_POOL_DIVISOR
: builder.arrayPoolSizeBytes;
intmaxSize =
getMaxSize(
builder.activityManager, builder.maxSizeMultiplier, builder.lowMemoryMaxSizeMultiplier);
intwidthPixels = builder.screenDimensions.getWidthPixels();
intheightPixels = builder.screenDimensions.getHeightPixels();
intscreenSize = widthPixels * heightPixels * BYTES_PER_ARGB_8888_PIXEL;
inttargetBitmapPoolSize = Math.round(screenSize * builder.bitmapPoolScreens);
inttargetMemoryCacheSize = Math.round(screenSize * builder.memoryCacheScreens);
intavailableSize = maxSize - arrayPoolSize;
if(targetMemoryCacheSize + targetBitmapPoolSize <= availableSize) {
memoryCacheSize = targetMemoryCacheSize;
bitmapPoolSize = targetBitmapPoolSize;
} else{
floatpart = availableSize / (builder.bitmapPoolScreens + builder.memoryCacheScreens);
memoryCacheSize = Math.round(part * builder.memoryCacheScreens);
bitmapPoolSize = Math.round(part * builder.bitmapPoolScreens);
}
if(Log.isLoggable(TAG, Log.DEBUG)) {
Log.d(
TAG,
"Calculation complete"
+ ", Calculated memory cache size: "
+ toMb(memoryCacheSize)
+ ", pool size: "
+ toMb(bitmapPoolSize)
+ ", byte array size: "
+ toMb(arrayPoolSize)
+ ", memory class limited? "
+ (targetMemoryCacheSize + targetBitmapPoolSize > maxSize)
+ ", max size: "
+ toMb(maxSize)
+ ", memoryClass: "
+ builder.activityManager.getMemoryClass()
+ ", isLowMemoryDevice: "
+ isLowMemoryDevice(builder.activityManager));
}
}
可以看到 Glide 是根据每个 App 的内存情况,以及不同手机设备的版本和分辨率,计算出一个比较合理的初始值。关于 Glide 源码分析大家可以看看这篇:第三方开源库 Glide - 源码分析(补):https://www.jianshu.com/p/223dc6205da2
5. 最后总结
工具的使用其实并不难,相信我们在网上找几篇文章实践实践,就能很熟练找到其原因。难度还在于我们需要了解 Android 的底层源码,第三方开源库的原理实现。个人还是建议大家平时多去看看 Android Framework 层的源码,多去学学第三方开源库的内部实现,多了解数据结构和算法。真正的做到治标又治本.
— — — END — — —返回搜狐,查看更多
责任编辑:
Android主线程耗时动画卡顿,Android性能优化实战之界面卡顿相关推荐
- Android主线程耗时方法监控
前言 相信各位大佬肯定在开发中遇到过这个问题:一顿操作猛如虎之后,总感觉程序有时候有点卡顿:或者自己自测得好好的,但是测试妹子的机器上却卡成狗. 那么,能不能做到运行APP之后,能自动地列出哪些类的哪 ...
- android主线程和子线程的区别
android 主线程和子线程有什么区别 本文较为深入的分析了android中UI主线程与子线程.分享给大家供大家参考. 具体如下:在一个Android 程序开始运行的时候,会单独启动一个Proces ...
- iOS主线程耗时检测方案
前言 主线程耗时是一个App性能的重要指标.主线程阻塞,立马会引起用户操作的卡顿,这是最直接的反应,所以是我们必须关注的一个性能点. 检测方案 Instrument - Time Profiler T ...
- css+动画优化,css3动画性能优化--针对移动端卡顿问题
一.使用css,jquery,canvas制作动画 1.Canvas 优点:性能好,强大,支持多数浏览器(除了IE6.IE7.IE8),画出来的图形可以直接保存为 .png 或者 .jpg的图形: 缺 ...
- 太牛了!我把阿里、腾讯、字节跳动、美团等Android性能优化实战整合成了一个PDF文档
安卓开发大军浩浩荡荡,经过近十年的发展,Android技术优化日异月新,如今Android 11.0 已经发布,Android系统性能也已经非常流畅,可以在体验上完全媲美iOS. 但是,到了各大厂商手 ...
- 【Android】Android主线程真的不让进行耗时操作吗?
默认情况下,Android主线程(UI线程)不让进行网络请求,否则会抛出NetworkOnMainThreadException. 但是主线程还可以让程序员进行其它类型的耗时操作,比如读写磁盘数据.遍 ...
- Android手机为何不再卡顿?性能优化才是安卓起飞关键
现在谈到挂载 Android系统的 手机,大部分人的印象早已不像前几年,几年前的安卓机那是用了一段时间就变得有点卡顿,用1年就卡的动弹不得,不得不每年都更换新机. 为什么以前会出现这种情况呢?其实主要 ...
- RxJava开发精要7 - Schedulers-解决Android主线程问题
原文出自<RxJava Essentials> 原文作者 : Ivan Morgillo 译文出自 : 开发技术前线 www.devtf.cn 转载声明: 本译文已授权开发者头条享有独家转 ...
- Android 主线程与子线程区分和实践
前言 这个是一个入门的话题但是也要通透的简单的说一下对于学过java或者Android的都知道,在代码中主线程不能进行耗时操作,子线程不能更新UI,比如在自定义view时,想要让View重绘,需要先判 ...
最新文章
- 【引用】ActionContext和ServletActionContext介绍
- C++win32平台日志类
- html %3c 不给转义,八个无法利用XSS漏洞的场景
- python计算矩阵方程_python/sympy求解矩阵方程的方法
- fpga mysql_FPGA的一些琐碎知识整理
- pytorch中的参数初始化方法
- 二叉树经典题之线索二叉树(中序)
- Windows中木马之后桌面被篡改的恢复方法
- 保障实时音视频服务体验,华为云原生媒体网络有7大秘籍
- 使用SpringMVC搭建第一个项目
- php apk 分包,H5打包出APP,分包
- MATLAB实现一组随机点分成两组,每组随机点分别与一个特定点连线
- 2020年10月最新免费加速下载百度网盘文件方法
- STM32采用串口DMA方式,发送数据
- 基于S变换的电压暂降检测研究及仿真设计
- DS18B20的CRC验证算法
- 牧牛区块链,区块链经济学应该关注的问题
- bootstrap-datetimepicker时间控件
- ABAP总结之二,BDC完整版
- JASS代码加翻译更新(第四篇)