Android大图监测的这三种实现方式，你最喜欢哪种？

在Android应用中，大图的加载和显示可能导致内存占用过高，进而引发OOM（Out Of Memory）异常，影响应用的稳定性和用户体验。为了更好地管理大图资源，我们需要建立起一套可靠的大图监测系统。

原理解析

1. 内存占用计算

首先，我们需要了解如何计算一张图片在内存中的占用大小。Android中，图片占用的内存主要由其宽、高和每个像素的位数决定。我们可以使用以下公式计算：

[ 内存占用大小 = 宽 \times 高 \times 像素位数 / 8 ]

1. 大图判定标准

一般情况下，大图的定义是指超过一定阈值的图片。这个阈值可以根据应用的实际需求来设定，通常建议根据设备的内存情况和应用场景动态调整。

1. 监测策略

大图监测一般采用两种策略：主动监测和被动监测。主动监测通过周期性地扫描内存中的图片资源，识别大图，进行处理。而被动监测则是在图片加载过程中实时判断是否为大图。

主动监测

主动监测只要获取到内存中的图片资源，通过扫描判断是否超过设置的阈值即可。

class LargeImageScanner {

    fun scanLargeImages() {
        // 遍历内存中的图片资源
        for (image in MemoryManager.getAllImages()) {
            val imageSize = calculateImageSize(image)
            
            // 判断是否为大图
            if (imageSize > LARGE_IMAGE_THRESHOLD) {
                // 进行处理，如压缩、裁剪或异步加载
                handleLargeImage(image)
            }
        }
    }

    private fun calculateImageSize(image: Bitmap): Int {
        // 计算图片占用的内存大小
        return image.width * image.height * (image.config.bitsPerPixel / 8)
    }

    private fun handleLargeImage(image: Bitmap) {
        // 实现大图的处理逻辑，例如压缩、裁剪或异步加载
        // ...
    }
}

被动监测

被动监测的目的是，让图在加载的过程中，自动获取到加载图片的大小。所以切入的时机就非常重要。

在第三方图片加载库回调中进行大图监测

如果你使用的是第三方图片加载库Glide，最简单的直接的是在图片加载的成功的时机进行监测。

class GlideImageLoader {

    fun loadWithLargeImageCheck(context: Context, url: String, target: ImageView) {
        Glide.with(context)
            .asBitmap()
            .load(url)
            .listener(object : RequestListener<Bitmap> {
                override fun onLoadFailed(
                    e: GlideException?,
                    model: Any?,
                    target: Target<Bitmap>?,
                    isFirstResource: Boolean
                ): Boolean {
                    // 图片加载失败处理
                    // ...
                    return false
                }

                override fun onResourceReady(
                    resource: Bitmap?,
                    model: Any?,
                    target: Target<Bitmap>?,
                    dataSource: DataSource?,
                    isFirstResource: Boolean
                ): Boolean {
                    // 图片加载成功，检查是否为大图
                    resource?.let {
                        val imageSize = calculateImageSize(it)
                        if (imageSize > LARGE_IMAGE_THRESHOLD) {
                            // 处理大图逻辑，如压缩、裁剪或异步加载
                            handleLargeImage(it)
                        }
                    }
                    return false
                }
            })
            .into(target)
    }

    private fun calculateImageSize(image: Bitmap): Int {
        // 计算图片占用的内存大小
        return image.width * image.height * (image.config.bitsPerPixel / 8)
    }

    private fun handleLargeImage(image: Bitmap) {
        // 实现大图的处理逻辑，例如压缩、裁剪或异步加载
        // ...
    }
}

但上面这种方式存在几个弊端

1. 适用性低，强制要求所以图片加载都要调用loadWithLargeImageCheck方法，如果是一个现有的大项目，将无法改造。
2. 强依赖于第三方加载库Glide，后续换库也不兼容

所以为了解决上面的这几个问题，我们要想的是，能否不依赖于第三方图片加载库呢？

于是就有了下面这种方式

在网络加载图片时进行大图监测

现在使用网络请求基本都是使用Okhttp，在这种情况下，你可以考虑使用拦截器（Interceptor）来实现通用的大图监测逻辑。拦截器是OkHttp 中的一种强大的机制，可以在请求发起和响应返回的过程中进行拦截、修改和监测。

以下是一个使用OkHttp拦截器进行大图监测的示例：

import okhttp3.Interceptor
import okhttp3.OkHttpClient
import okhttp3.Response
import java.io.IOException

class LargeImageInterceptor : Interceptor {

    @Throws(IOException::class)
    override fun intercept(chain: Interceptor.Chain): Response {
        val request = chain.request()

        // 发起请求前的处理，可以在这里记录请求时间等信息

        val response = chain.proceed(request)

        // 请求返回后的处理
        if (response.isSuccessful) {
            val contentType = response.body()?.contentType()?.toString()

            // 检查是否为图片资源
            if (contentType?.startsWith("image/") == true) {
                // 获取图片大小并进行大图监测
                val imageSize = calculateImageSize(response.body()?.byteStream())
                if (imageSize > LARGE_IMAGE_THRESHOLD) {
                    // 处理大图逻辑，如压缩、裁剪或异步加载
                    handleLargeImage()
                }
            }
        }

        return response
    }

    private fun calculateImageSize(inputStream: InputStream?): Int {
        // 通过输入流计算图片占用的内存大小
        // ...
    }

    private fun handleLargeImage() {
        // 实现大图的处理逻辑，例如压缩、裁剪或异步加载
        // ...
    }
}

然后，在创建OkHttpClient时，添加这个拦截器：

val okHttpClient = OkHttpClient.Builder()
    .addInterceptor(LargeImageInterceptor())
    .build()

通过这种方式，你只需要在OkHttp中添加一次拦截器，即可在每个图片请求中进行通用的大图监测处理，而不用在每个请求的响应回调中添加监测代码。这样使得代码更加清晰、易于维护。

可能又有人会说，我网络加载库换了，那不是一样无法兼容吗？

确实，虽然概率比直接换第三方图片加载库还低，但既然有可能，就要尽可能的解决。

于是就是了下面的这种终极方法。

使用ASM插桩进行大图监控

这就升级到图片加载的本质了，任何图片加载最终都是要填充到ImageView上。而在这过程中自然避免不了使用ImageView的方法进行填充图片。

例如：setImageDrawable等等。

当然也可以直接hook整个ImageView，全局将其替换成HookImageView，再到其内部实现大图监测。 这两种都是通过ASM，只是对象不一样，但原理都基本一致。

以下是一个简单的示例，使用ASM对Android中的 ImageView 的 setImageDrawable 方法进行拦截：

import org.objectweb.asm.*;

public class ImageViewInterceptor implements ClassVisitor {

    private final ClassVisitor cv;

    public ImageViewInterceptor(ClassVisitor cv) {
        this.cv = cv;
    }

    @Override
    public MethodVisitor visitMethod(int access, String name, String desc, String signature, String[] exceptions) {
        MethodVisitor mv = cv.visitMethod(access, name, desc, signature, exceptions);
        if (name.equals("setImageDrawable") && desc.equals("(Landroid/graphics/drawable/Drawable;)V")) {
            return new ImageViewMethodVisitor(mv);
        }
        return mv;
    }

    // 其他方法省略，你可以根据需要实现其他 visitX 方法
}

class ImageViewMethodVisitor extends MethodVisitor {

    public ImageViewMethodVisitor(MethodVisitor mv) {
        super(Opcodes.ASM5, mv);
    }

    @Override
    public void visitCode() {
        super.visitCode();
        // 在方法开头插入大图监测逻辑的字节码
        // ...
    }

    @Override
    public void visitInsn(int opcode) {
        if (opcode == Opcodes.RETURN) {
            // 在 RETURN 指令前插入大图监测逻辑的字节码
            // ...
        }
        super.visitInsn(opcode);
    }
}

// 在某处，使用 ASM 进行字节码修改
ClassReader cr = new ClassReader("android/widget/ImageView");
ClassWriter cw = new ClassWriter(ClassWriter.COMPUTE_MAXS);
ImageViewInterceptor interceptor = new ImageViewInterceptor(cw);
cr.accept(interceptor, 0);

....

这个示例中，ImageViewInterceptor 对 ImageView 的 setImageDrawable 方法进行了拦截，ImageViewMethodVisitor 中插入了大图监测逻辑的字节码。

需要注意的是。在实际应用中，需谨慎考虑因字节码操作而引起的潜在问题和兼容性风险。

注意事项与优化技巧

在实现大图监测时，我们需要注意以下事项：

• 灵活设置阈值： 根据不同设备和应用场景，动态调整大图的阈值，以保证监测的准确性和及时性。
• 合理选择处理方式： 对于大图，可以选择合适的处理方式，如压缩、裁剪或异步加载，以降低内存占用。
• 异步处理： 将大图的处理放在异步线程中，避免阻塞主线程，提高应用的响应性。

总结

通过本文的学习，相信你已经对Android大图监测有了深入的理解，并可以在实际项目中应用这些知识，提升应用的性能和用户体验。

推荐

android_startup: 提供一种在应用启动时能够更加简单、高效的方式来初始化组件，优化启动速度。不仅支持Jetpack App Startup的全部功能，还提供额外的同步与异步等待、线程控制与多进程支持等功能。

AwesomeGithub: 基于Github的客户端，纯练习项目，支持组件化开发，支持账户密码与认证登陆。使用Kotlin语言进行开发，项目架构是基于JetPack&DataBinding的MVVM；项目中使用了Arouter、Retrofit、Coroutine、Glide、Dagger与Hilt等流行开源技术。

flutter_github: 基于Flutter的跨平台版本Github客户端，与AwesomeGithub相对应。

android-api-analysis: 结合详细的Demo来全面解析Android相关的知识点, 帮助读者能够更快的掌握与理解所阐述的要点。

daily_algorithm: 每日一算法，由浅入深，欢迎加入一起共勉。

标签：最喜欢哪种大图这三种方式安卓系统