Android 内存溢出解决方案（OOM） 整理总结

Android 内存溢出解决方案（OOM） 整理总结

• 在内存引用上做些处理，常用的有软引用、弱引用
• 在内存中加载图片时直接在内存中作处理，如：边界压缩
• 动态回收内存
• 优化Dalvik虚拟机的堆内存分配
• 自定义堆内存大小

内存优化
核心思想：减少内存使用，能不new的不new，能少分配的少分配。因为分配更多的内存就意味着发生更多的GC，每次触发GC都会占用CPU时间，影响性能。

• 集合优化：Android提供了一系列优化过后的数据集合工具类，如SparseArray、SparseBooleanArray、LongSparseArray，使用这些API可以让我们的程序更加高效。HashMap工具类会相对比较低效，因为它需要为每一个键值对都提供一个对象入口，而SparseArray就避免掉了基本数据类型转换成对象数据类型的时间。
• Bitmap优化：读取一个Bitmap图片的时候，千万不要去加载不需要的分辨率。可以压缩图片等操作。
• 尽量避免使用依赖注入框架。
• 避免创作不必要的对象：字符串拼接使用StringBuffer，StringBuilder。
• onDraw方法里面不要执行对象的创建.
• 重写onTrimMemory，根据传入的参数，进行内存释放。
• 使用static final 优化成员变量。

作者：Maat红飞
链接：http://www.jianshu.com/p/89f19d67b348
來源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

  1.2:软引用

               软引用是主要用于内存敏感的高速缓存。在jvm报告内存不足之前会清除所有的软引用，这样以来gc就有可能收集软可及的对象，可能解决内存吃紧问题，避免内存溢出。什么时候会被收集取决于gc的算法和gc运行时可用内存的大小。

上面两种方式第一种直接使用边界压缩，第二种在使用边界压缩的情况下间接的使用了软引用来避免OOM，但大家都知道，这些函数在完成decode后，最终都是通过java层的createBitmap来完成的，需要消耗更多内存,如果图片多且大，这种方式还是会引用OOM异常的

1. InputStream is = this.getResources().openRawResource(R.drawable.pic1); 
     BitmapFactory.Options options=new BitmapFactory.Options(); 
     options.inJustDecodeBounds = false; 
     options.inSampleSize = 10;   //width，hight设为原来的十分一 
     Bitmap btp =BitmapFactory.decodeStream(is,null,options); 
2. if(!bmp.isRecycle() ){ 
         bmp.recycle()   //回收图片所占的内存 
         system.gc()  //提醒系统及时回收 
} 

大家可以选择在合适的地方使用以下代码动态并自行显式调用GC来回收内存：

if(bitmapObject.isRecycled()==false) //如果没有回收   
         bitmapObject.recycle();

 4:这个就好玩了，优化Dalvik虚拟机的堆内存分配，听着很强大，来看下具体是怎么一回事

     对于Android平台来说，其托管层使用的Dalvik JavaVM从目前的表现来看还有很多地方可以优化处理，比如我们在开发一些大型游戏或耗资源的应用中可能考虑手动干涉GC处理，使用 dalvik.system.VMRuntime类提供的setTargetHeapUtilization方法可以增强程序堆内存的处理效率