前提:
在Android 2.3.3(API Level 10)以及之前,Bitmap的backing pixel 数据存储在native memory, 与Bitmap本身是分开的,Bitmap本身存储在dalvik heap 中。导致其pixel数据不能判断是否还需要使用,不能及时释放,容易引起OOM错误。 从Android 3.0(API 11)开始,pixel数据与Bitmap一起存储在Dalvik heap中。
结论:
如何处理图片来避免OOM异常:
1.在Android 2.3.3以及之前,建议使用Bitmap.recycle()方法,及时释放资源。
2.设置Options.inPreferredConfig值来降低内存消耗 //如把默认值ARGB_8888改为RGB_565,节约一半内存
3.设置Options.inSampleSize 对大图片进行压缩
4.设置Options.inPurgeable和inInputShareable:让系统能及时回收内存。
1)inPurgeable:设置为True时,表示系统内存不足时可以被回 收,设置为False时,表示不能被回收。
2)inInputShareable:设置是否深拷贝,与inPurgeable结合使用,inPurgeable为false时,该参数无意义True: share a reference to the input data(inputStream, array,etc) 。 False :a deep copy。
5.使用decodeStream代替其他decodeResource,setImageResource,setImageBitmap等方法:
//decodeStream直接调用 JNI>>nativeDecodeAsset()来完成decode,无需再使用java层的createBitmap,也不使用java空间进行分辨率适配,虽节省dalvik内存,但需要在hdpi和mdpi,ldpi中配置相应的 图片资源,否则在不同分辨率机器上都是同样大小(像素点数量)。其他方法如setImageBitmap、setImageResource、 BitmapFactory.decodeResource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。
6.通过程序设定手动干涉GC处理,增强堆内存处理效率,在程序onCreate时:
private final static floatTARGET_HEAP_UTILIZATION = 0.75f;
VMRuntime.getRuntime().setTargetHeapUtilization(TARGET_HEAP_UTILIZATION);
7.自定义堆内存大小:
VMRuntime.getRuntime().setMinimumHeapSize(CWJ_HEAP_SIZE);
8.基础类型上,因为Java没有实际的指针,在敏感运算方面还是要借助NDK来完成。这点比较有意思的是Google 推出NDK可能是帮助游戏开发人员,比如OpenGL ES的支持有明显的改观,本地代码操作图形界面是很必要的;