三、案例JOOX 是 IBG 一个核心产品，2014 年发布以来已经成为 5 个国家和地区排名第一的音乐 App。东南亚是 JOOX 的主要发行地区，实际上这些地区还是有很多的低端机型，对 App 的进行内存优化势在必行。
上面介绍了 Android 系统内存分配和回收机制，同时也列举了常见的内存问题，但是当我们接到一个内存优化的任务时，我们应该从何开始？下面是一次内存优化的分享。
1. 首先是解决大部分内存泄露。不管目前 App 内存占用怎样，理论上不需要的东西最好回收，避免浪费用户内存，减少 OOM。实际上自 JOOX 接入 LeakCanary 后，每个版本都会做内存泄露检测，经过几个版本的迭代，JOOX 已经修复了几十处内存泄露。
2. 通过 MAT 查看内存占用，优化占用内存较大的地方。JOOX 修复了一系列内存泄露后，内存占用还是居高不下，只能通过 MAT 查看到底是哪里占用了内存。关于 MAT 的使用，网上教程无数，简单推荐两篇 MAT 使用教程[11]，MAT - Memory Analyzer Tool 使用进阶[12]。
点击 Android Studio 这里可以 dump 当前的内存快照，因为直接通过 Android Sutdio dump 出来的 hprof 文件与标准 hprof 文件有些差异，我们需要手动进行转换，利用 sdk 目录/platform-tools/hprof-conv.exe 可以直接进行转换，用法：hprof-conv 原文件.hprof 新文件.hprof。只需要输入原文件名还有目标文件名就可以进行转换，转换完就可以直接用 MAT 打开。
下面就是 JOOX 打开 App，手动进行多次 gc 的 hprof 文件。
这里我们看的是 Dominator Tree（即内存里占用内存最多的对象列表）。
- Shallo Heap：对象本身占用内存的大小，不包含其引用的对象内存。
- Retained Heap： Retained heap 值的计算方式是将 retained set 中的所有对象大小叠加。或者说，由于 X 被释放，导致其它所有被释放对象（包括被递归释放的）所占的 heap 大小。
第一眼看去 居然有 3 个 8M 的对象，加起来就是 24M 啊 这到底是什么鬼？
我们通过 List objects->with incoming references 查看（这里 with incoming references 表示查看谁引用了这个对象，with outgoing references 表示这个对象引用了谁）
通过这个方式我们看到这三张图分别是闪屏，App 主背景，App 抽屉背景。
这里其实有两个问题:
- 这几张图原图实际都是 1280x720,而在 1080p 手机上实测这几张图都缩放到了 1920x1080
- 闪屏页面，其实这张图在闪屏显示过后应该可以回收，但是因为历史原因（和 JOOX 的退出机制有关），这张图被常驻在后台，导致无谓的内存占用。
优化方式：我们通过将这三张图从 xhdpi 挪动到 xxhdpi(当然这里需要看下图片显示效果有没很大的影响)，以及在闪屏显示过后回收闪屏图片。
优化结果：
从原来的 8.29x3=24.87M 到 3.68x2=7.36M 优化了 17M(有没一种万马奔腾的感觉。。可能有时费大力气优化很多代码也优化不了几百 K，所以很多情况下内存优化时优化图片还是比较立竿见影的）。
同样方式我们发现对于一些默认图，实际要求的显示要求并不高（图片相对简单，同时大部分情况下图片加载会成功）,比如下面这张 banner 的背景图：
优化前 1.6M 左右，优化后 700K 左右。
同时我们也发现了默认图片一个其他问题，因为历史原因，我们使用的图片加载库，设置默认图片的接口是需要一个 bitmap，导致我们原来几乎每个 adapter 都用 BitmapFactory decode 了一个 bitmap，对同一张默认图片，不但没有复用，还保存了多份，不仅会造成内存浪费，而且导致滑动偶尔会卡顿。这里我们也对默认图片使用全局的 bitmap 缓存池，App 全局只要使用同一张 bitmap，都复用了同一份。
另外对于从 MAT 里看到的图片，有时候因为看不到在项目里面对应的 ID，会比较难确认到底是哪一张图，这里 stackoverflow 上有一种方法，直接用原始数据通过 GIM 还原这张图片。
这里其实也看到 JOOX 比较吃亏一个地方，JOOX 不少地方都是使用比较复杂的图片，同时有些地方还需要模糊，动画这些都是比较耗内存的操作，Material Design 出来后，很多 App 都遵循 MD 设计进行改版，通常默认背景，默认图片一般都是纯色，不仅 App 看起来比较明亮轻快，实际上也省了很多的内存，对此，JOOX 后面对低端机型做了对应的优化。 |
