8种机械键盘轴体对比
本人程序员，要买一个写代码的键盘，请问红轴和茶轴怎么选？
魔鬼藏于细节之中，每一段粗心的代码都可能影响软件的性能，本文主要记录一些不那么常见的性能优化知识点。
每次打开、读写文件，操作系统需要从用户态切换到内核态，这种状态切换很消耗性能。
优化核心
减少磁盘 I/O 操作量，尤其是主线程的。
多使用缓存，避免重复读写。
合并读写，延迟写入。
知识点
1.避免随机读写随机读写会失去预读(read-ahead)的优化效果
随机读写会触发 写入放大效应，增加延迟写入放大(英语：Write amplification，简称WA)是闪存和固态硬盘(SSD)中一种不良的现象，即实际写入的物理数据量是写入数据量的多倍。
由于闪存在可重新写入数据前必须 先擦除，而擦除操作的 粒度 与写入操作相比低得多，执行这些操作就会多次移动(或改写)用户数据和元数据。因此，要改写数据，就需要读取闪存某些已使用的部分，更新它们，并写入到新的位置，如果新位置在之前已使被用过，还需连同先擦除。由于闪存的这种工作方式，必须擦除改写的闪存部分比新数据实际需要的大得多。此倍增效应会增加请求写入的次数，缩短SSD的寿命。
在某些情况下，一个块(假设 512KB)里只有一个 “页” 可以使用，本来只需要写入 4KB 的数据，在 SSD 中随机读写，就需要这么多操作：
读取 A 块数据(512KB)到 B块 → B块修改 4KB → 擦除 A块(512KB) → 将 B 的数据写入 A (512KB )
写入放大出现场景：手机长期使用，磁盘空间不足
应用触发大量随机写
2.数据库
DB 文件和普通文件本质上一样，优化数据库最终也是要减少磁盘 I/O。
优化表结构、使用索引、增加缓存、调整 page-size
慎用 AUTOINCREMENT
主键就是行号，不使用自增，被删掉的行，还可以复用。
使用它后，只能使用行号大于之前的行，而且需要另外维护一张 sql_sequence 表，导致插入性能降低。
缓存数据库连接
数据库在打开后，先不要关闭，在 app 退出时再关闭。
3.SharedPreferences 延迟写入
每调用一次 SharedPreferences.commit() 就对应一次文件的打开、关闭。
多次 SP 操作，最好避免多次 commit
建议用 apply() 代替 commit：apply 是异步操作
commit 是同步操作
建议提前初始化 SP，初始化过程的 I/O 在主线程。
4.用对 Java I/O APIhttps://docs.oracle.com/javase/tutorial/essential/io/streams.html
在做磁盘读写时，是否关心过使用哪个 API 性能更好呢？
选择对的 API，可能会让现有的 I/O 效率提升好几倍。
一个错误的例子是直接使用 FileOutputStream 作为参数传递给 ObjectOutputStream:
public void write(String file, Object data) {
ObjectOutputStream os = null;
try {
os = new ObjectOutputStream(openFileOutput(file, MODE_PRIVATE));
os.writeObject(data);
os.flush();
} catch (IOException e) {
e.printStackTrace();
} finally {
IOUtil.closeQuietly(os);
}
}
这样在数据是一个列表时，可能会 I/O 多次。
建议使用一个 buffer 包装一层(比如 ByteArrayOutputStream, BufferedOutputStream )，先把数据写到缓存区，然后再写入文件：
public void write(String file, Object data) {
ObjectOutputStream os = null;
ByteArrayOutputStream baos;
try {
// 先写到缓存区
baos = new ByteArrayOutputStream();
os = new ObjectOutputStream(baos);
os.writeObject(data);
os.flush();
//一次性写到磁盘
FileOutputStream fos = openFileOutput(file, MODE_PRIVATE);
baos.writeTo(fos);
baos.flush();
fos.flush();
} catch (IOException e) {
e.printStackTrace();
} finally {
//...
}
}
5.Buffer 使用合适的大小
byte buffer[] = new byte[1024];
byte buffer[] = new byte[8*1024];
Buffer 容量太大，会导致申请 Buffer 的时间变长；太小会导致 I/O 太频繁。结合要写入的数据大小，适度提高 buffer 容量。
推荐 buffer 容量为 8KB，Java 默认的容量大小就是这个。
确定 Buffer 大小：不能大于文件大小
根据文件保存所挂载目录的 块大小(block size)确定
2.decode 图片优先使用 BitmapFactory.decodeStream() 并且使用 BufferInputStream 做缓存，降低读取磁盘次数，减少耗时。
6.压缩文件的 APIZipFile
ZipInputStream
ZipFile 优势场景：文件已在磁盘上
须全部解压
随机访问
其他场景使用 ZipInputStream。
7.解码图片使用 decodeStream 优于 decodeFile
BitmapFactory 解码图片时，决定写磁盘次数的是调用 native 方法 nativeDecodeStream 的次数，普通文件流会调用多次，而缓存文件流则会少很多。
BitmapFactory.decodeFile() 生成的文件流是 FileInputStream，无法修改；BitmapFactory.decodeStream() 可以传递一个 BufferedInputStream 进去：
BufferedInputStream bis = new BufferedInputStream(new FileInputStream(filePath))
Bitmap bitmap = BitmapFactory.decodeStream(bis, null, ops);
工具Systrace，发现主线程 I/O 或者 I/O 操作耗时过长
STRICTMODE，发现主线程 I/O
内存常驻内存问题(图片)
泄漏问题
GC 问题(GC for Alloc)
图片加载到内存是如何计算占用内存大小的，有什么优化策略？磁盘大小是在磁盘上占用的空间
内存大小是加载到内存中占用的内存大小
图片内存大小：高度 * 图片宽度 * 一个像素占用的内存大小
一个像素占用的内存大小，涉及到图片的编码格式。
编码格式及占用内存如下：ALPHA_8: 1，每个像素只要一个字节，因为没编码颜色信息，只有 alpha 通道
RGB_565: 2，每个像素要 2 字节，只编码 RGB 通道
ARGB_4444: 2，每个像素要 2 字节，不过被遗弃了，建议使用下面这个
ARGB_8888: 4，每个像素要 4 字节，质量最好的一个，默认是这种定义在 Bitmap.Config 中
在 BitmapFactory.decodeResourceStream() 中可以看到，放在 res 目录下的图片，在不同屏幕密度的手机和不同的目录下，会对图片做不同程度的缩放，最终影响占用内存大小。
public static Bitmap decodeResourceStream(Resources res, TypedValue value,
InputStream is, Rect pad, Options opts) {
if (opts == null) {
opts = new Options();
}
if (opts.inDensity == 0 && value != null) {
final int density = value.density;
if (density == TypedValue.DENSITY_DEFAULT) {
opts.inDensity = DisplayMetrics.DENSITY_DEFAULT;
} else if (density != TypedValue.DENSITY_NONE) {
opts.inDensity = density;
}
}
if (opts.inTargetDensity == 0 && res != null) {
opts.inTargetDensity = res.getDisplayMetrics().densityDpi;
}
return decodeStream(is, pad, opts);
}
缩放后图片的宽度 = 原图宽度 * (设备 dpi / 目录 dpi)，高度也是如此。
目录 dpi 对应的密度：
可以看到，图片放置的目录密度越高，缩放后图片分辨率相对越小，所以我们开发中尽量将图片放置到高 dpi 的目录。LruCache
DiskLruCache
BlobCache P57
网络
CPU
电池
Thanks《Android 移动性能实战》
https://www.cnblogs.com/dasusu/p/9789389.html
https://www.cnblogs.com/popfisher/p/6770018.html
1425
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
