一文带你读懂 Android 手机为何总是卡顿、死机?

前言

在我们日常生活中,手机已经成为我们不可或缺的物品,曾经网上有一个搞笑的段子:“现在可以没有老婆,没有工作,但是不能没有手机”; 虽说是搞笑段子,但足以看出手机在人民心中的地位了;然而手机使用一段时间后,我们就会发现手机会变得十分卡顿甚至死机,安卓手机卡顿的原因一直是大家十分关注的焦点

导致手机慢的原因有哪些?

现在有一种说法,也是一位开发者所说: “iOS的App中70%的代码是有用代码,30%是冗余或广告代码;而安卓 App正好相反,70%的是冗余或广告代码,只有30%是有用代码”

为了大家能够更好理解“冗余(rǒng yú)”,它的含义:多余的、重复或者啰嗦内容(包括信息、语言、代码等)

5大产生系统垃圾的原因我们简单的来说下,在使用Android系统时,其实我们也都总结的差不多了,看看下面列举出来的原因,你是否已经发现了

  • 1、Android系统本身的问题,它是开放的系统,频繁的安装与卸载必然会在手机内积累大量残留垃圾
  • 2、并不是垃圾多的App就一定是垃圾App,像一些门户网站和一些生活类的App,必然会生产出大量的系统垃圾。比如QQ、微信、视频、微博这些频繁使用的应用
  • 3、应用开发商并不是每个都能力优秀,优化做得不好在使用中当然会产生大量的垃圾文件占用ROM空间,以及这些App在后台自动启动占用RAM
  • 4、一些不良的应用开发商会在App中大量植入广告,因为通过植入广告他们可以挣到大量的钱财。可以说一个安卓App里面,才出现一两个广告的话,那我们就应该很感谢那个开发商了
  • 5、说到广告的植入,我们会感到很厌恶,但要说到一些大型的App在用户下载安装时,同时会要求用户绑定安装其他的App,我们又作何感想呢;有时某个App发现更新,但当用户更新完毕后,很可能桌面上会多出来一个新的图标

对于Android这种“无政府”管理的开放体系, 我们消费者还是自己要做出一些明智的选择;那就是安装系统清理大师,时不时地清理下手机; 同时渴望下App开发者们能够开发一些“绿色软件”; 其他的咱们也就不再多说了,我们选择了Android系统,就要多加深入的了解它,呵护自己的手机

Android 卡顿问题

安卓手机一直来都有一个严重的问题,那就是卡顿; 特别是长期使用后,手机运行速度大不如前,而苹果手机却可以保持长久流畅,这让不少用户都感觉到奇怪,毕竟这些年安卓手机的进步还是非常大的,甚至有超越苹果手机的趋势,但是手机卡顿这个问题依然没有解决

不过这也是没有办法的事情,要知道谷歌出于种种原因被迫退出中国市场,我们只能采用深度定制化的安卓系统,这样也造成了生态环境的问题

Android 系统卡顿原因

1、安卓系统的运行机制导致

安卓系统的应用都是在Java虚拟机上运行的,这和苹果的机制完全不同,也直接导致了我们在使用手机时积累的垃圾会越来越多,从而拖慢了系统; 还有安卓的后台运行机制也是导致手机卡顿的原因,虽然现在的手机内存越来越大,但本质上并没有改变,安卓的后台机制相比苹果来说还是略微差一些的

2、软件生态混乱

由于谷歌商店无法在中国市场使用; 以至于安卓生态乱象重生,流氓软件一大堆,各种索要权限、软件相互唤醒、后台偷偷自启和偷跑流量、到处都是广告,使得安卓的用户体验比较差,容易造成手机速度变慢;而苹果就不一样了,苹果的应用商店的软件都是经过严格把控和审核的

3、缺乏消息统一推送联盟

安卓手机想要及时接收消息,就必须让APP常驻后台或者已启动,而且消息推送往往不够及时,也就微信QQ几个常用的社交软件做得好一些; 由于缺乏统一的推送服务,也会造成安卓手机卡顿、耗电;日前,华为、荣耀、oppo等公司都已经加入了安卓统一推送联盟,安卓卡顿有望得到改善

APP 卡顿的原因汇总

  • 1、人为在UI线程中做轻微耗时操作,导致UI线程卡顿
  • 2、布局Layout过于复杂,无法在16ms内完成渲染
  • 3、同一时间动画执行的次数过多,导致CPU或GPU负载过重
  • 4、View过度绘制,导致某些像素在同一帧时间内被绘制多次,从而使CPU或GPU负载过重
  • 5、View频繁的触发measure、layout,导致measure、layout累计耗时过多及整个View频繁的重新渲染
  • 6、内存频繁触发GC过多(同一帧中频繁创建内存),导致暂时阻塞渲染操作
  • 7、冗余资源及逻辑等导致加载和执行缓慢
  • 8、臭名昭著的ANR

以上就是安卓APP卡顿的常见原因,此外,作为开发人员为用户带去操作流畅丝滑的APP,是漫长职业生涯当中的终极目标

好了,文章基本上就到这里,Android 卡顿的原因已经分析完毕了!,如有地方不对或者有不同理解的可以提出来

最后我想说:

对于程序员来说,要学习的知识内容、技术有太多太多,要想不被环境淘汰就只有不断提升自己,从来都是我们去适应环境,而不是环境来适应我们

技术是无止境的,你需要对自己提交的每一行代码、使用的每一个工具负责,不断挖掘其底层原理,才能使自己的技术升华到更高的层面

Android 架构师之路还很漫长,与君共勉

PS:有问题欢迎指正,可以在评论区留下你的建议和感受;

欢迎大家点赞评论,觉得内容可以的话,可以转发分享一下

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
上采样和下采样是计算机视觉中常用的图像处理技术,用于改变图像的尺寸或分辨率。下采样是指将图像缩小,而上采样则是将图像放大。 在深度学习中,卷积神经网络(CNN)通常使用下采样层(也称为池化层)来减小特征图的尺寸,从而减少计算量和内存占用。然而,在一些应用中,比如语义分割任务中,我们需要对下采样后的特征图进行还原,以便恢复原始图像的分辨率。 这时就需要使用上采样层来将特征图还原到原始图像的大小。上采样可以通过不同的方式实现,其中一种常用的方法是反卷积(Deconvolution),也称为转置卷积(Transpose Convolution)。 反卷积层可以将下采样层输出的特征图还原到原始图像的大小。这是通过将输入特征图中的每个像素进行扩展,并使用卷积核进行卷积来实现的。尽管这种方法有一些缺点,如可视化效果不佳和计算量较大,但它已被证明是一种有效的上采样方法。 DeconvNet 是一种通过反卷积实现语义分割的深度学习模型。它使用反卷积层来将下采样层的输出还原到原始图像的分辨率,并使用卷积层来进行像素级别的分类。DeconvNet 在语义分割任务中表现出色,但在一些其他任务中,如图像生成和超分辨率,它的效果不如其他模型。 总之,上采样和下采样是深度学习中常用的图像处理技术,对于语义分割等需要恢复原始图像分辨率的任务来说,反卷积是一种有效的上采样方法。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值