Glide 這樣用，更省內存！！！

一、前言

Glide 是 Google 官方推薦的一款圖片加載庫，使用起來也非常的簡單便利，Glide 它幫我們完成了很多很重要，但是卻通用的功能，例如：圖片的加載壓縮、展示、加載圖片的內存管理等等。

對 Glide 還不熟悉的朋友，可以參考 《一篇好文，助你上手 Glide》

但是，在使用 Glide 的時候，有一些小技巧，可以讓你的內存更優化，避免可能出現的 OOM。例如：雖然 Glide 會根據加載的控件大小，優化加載后的圖片尺寸，可如果加載的是一張全屏的大圖，依然會是一個占用內存空間非常大的操作。

具體一張 Bitmap 到底占用了多少內存空間，可以參考《Bitmap 比你想的更費內存 | 吊打 OOM》

本文有些建議來自 Android TV App，而 Android TV 眾多的智能電視和智能盒子，實際上硬件條件非常的惡劣，而 Android TV 的 App ，為了美化，會用到大部分的圖片，所以在圖片使用方面，OOM 的問題就會被放大，而下面介紹的一些優化方案，在 Android 手機硬件條件非常好的環境下，不使用影響也不大。

二、開始優化

2.1 配置好 TrimMemory 和 LowMemory

Glide 幫我們做了大部分內存管理方面的事情，實際上它還支持做的更好。

對於一個 App 而言，在系統內存環境不足的情況下，會回調一些 onTrimMemory() 或者 onLowMemory() 等方法，這些都是在提醒開發者，當前設備的內存環境已經發生了變化，你最好調整你的內存使用策略，避免被系統清理掉或者出現 OOM 。

關於 onTrimMemroy() 相關內容，不了解的可以先參考《Android 開發，跳不過的內存管理》

而 Glide 也為我們提供了類似方法的接口，開發者只需要調用即可，它在內部會隨着不同的內存情況，幫我們對緩存的圖片進行優化。

在這里，你主要用到 Glide 的 trimMemory() 和 cleanMemroy() 方法，它們一個用來裁剪 Glide 緩存的圖片內存空間，一個用來清理 Glide 緩存的內存空間。

在使用 onTrimMemory() 之前，一般是實現 ComponentCallbacks2 接口，然后在 Application 中，通過 registerComponentCallbacks() 方法進行注冊。當然，如果你嫌麻煩，還可以直接在 Application 中，重寫對應的方法。

了解了這些，就可以根據我們的需要來配置在何時調用 Glide 的對應方法，我推薦的配置：

1. 在 lowMemory 的時候，調用 Glide.cleanMemroy() 清理掉所有的內存緩存。
2. 在 App 被置換到后台的時候，調用 Glide.cleanMemroy() 清理掉所有的內存緩存。
3. 在其它情況的 onTrimMemroy() 回調中，直接調用 Glide.trimMemory() 方法來交給 Glide 處理內存情況。

那么對應的代碼，如下：

既然知道需要調用 Glide 的這兩個方法，我們還是需要了解到它內部到底幫我們做了什么。先來看看 Glide 對應的源碼。

在 Glide 的這些方法內，可以看到，它們都會去操作 memoryCache 和 bitmapPool 這兩個對象，實際上它們是兩個接口，這里如果做特殊處理，操作的都是 Glide 對它們的默認實現，LruResourceCache 和 LruBitmapPool 。從名稱上可以看出來，它們都是遵循 Lru 算法的。

就 Glide 而言，Memory Cache 是 Glide 用來在內存中緩存圖片資源，使其在需要使用的時候立刻就可以使用，而不必執行磁盤的 I/O 操作，而 BitmatPool 則是 Glide 維護了一個圖片復用池，LruBitmapPool 使用 Lru 算法保留最近使用的尺寸的 Bitmap，這不是本文的重點，大家了解一下即可。

其實 LruResourceCache 和 LruBitmapPool 中，對 clearMemory() 和 trimMemory() 的操作是類似的，這里就以 LruBitmapPool 舉例。

在 LruBitmapPool 中，會根據回調的方法以及參數，調用 clearMemory() 或者 trimToSize()，其實最終都是調用的 trimToSize() 方法。它用於裁剪當前緩存資源的個數。

可以看到，根據裁剪的目標尺寸，會去回收多余的 Bitmap 到合適的目標大小，以達到清理內存的目的。

2.2 配置 GlideModule

GlideModule 是 Glide 提供的一個配置接口，它會在第一次使用 Glide 的時候被調用，用於進行 Glide 的一些初始的配置。

具體 GlideModule 的使用，可以參見官方文檔：

https://github.com/bumptech/glide/wiki/Configuration

GlideModule 是一個接口，需要實現其對應的方法。

這里我們只需要使用 applyOptions() 這個方法，它用於在 Glide 的默認配置的基礎上，追加一些我們需要的配置。

而在這里，我們可以根據當前設備的內存情況，對其進行一個設定，使用 ActivityManager 獲取當前設備的內存情況，如果是處於 lowMemory 的時候，將圖片的 DecodeFormat 設置為 RGB_565 ， RGB_565 和默認的 ARGB_8888 比，每個像素會少 2 個byte，這樣，等於一張同樣的圖片，加載到內存中會少一半內存的占用（ARGB_8888 每個像素占 4 byte）。

2.3 避免使用圓角的ImageView

在實際項目內，經常會用到一些帶圓角的圖片，或者直接就是圓形的圖片。圓形的圖片，多數用於一些用戶的頭像之類的顯示效果。

而在 Android 下，也有大量的類似 XxxImageView 的開源控件，用於操作 Bitmap 以達到一個圓角圖片的效果，例如 Github 上比較火的 RoundedImageView。

它們大部分的原理，是接收到你傳遞的 Bitmap ，然后再輸出一個與原來 Bitmap 等大的新 Bitmap ，在此基礎之上，進行圓角的一些處理，這就導致了，實際上會在內存中，多持有一個 Bitmap ，一下一張圖片占用的內存就被加倍了。

所以既然已經選擇使用 Glide ，推薦使用 glide-transformations 這個開源庫配合使用，glide-transformations 利用 Glide 的 bitmapTransfrom() 接口，實現對加載的 Bitmap 的進行一些變換操作。

glide-transformations 的 Github 地址如下：

https://github.com/wasabeef/glide-transformations

glide-transformations 提供一系類對加載的圖片的變換操作，從形狀變換到色彩變換，全部支持，基本上滿足大部分開發需要，並且它會復用 Glide 的 BitmapPool ，來達到節約內存的目的。

具體 glide-transformations 的使用，可以查看 Github 上的文檔，下面是它的一個效果圖。

2.4 根據內存情況，裁剪你的圖片

前面的介紹的一些優化點，都是一些推薦的通用做法，基本上用了前面介紹的辦法，圖片導致的 OOM 應該會大幅度減少。

接下來介紹一個在 Android TV 上，加載全屏大圖的時候，優化內存問題的一個解決辦法。

首先要明確一點，國內 Android TV 的硬件環境非常的不好，二百三百的智能盒子到處都在賣，畢竟也是跑的 Android 系統，你想想你使用的是一款 299 的 Android 手機，你對它也不會有什么期待了。但是 Android TV 又是為了電視做的，所以大部分情況下，它都是需要支持 1920 * 1280 之類的屏幕尺寸，導致它如果加載一張全屏的大圖，消耗的內存是不忍直視的，如果在內存環境不好的情況下，可能就直接 OOM 崩潰了。

所以，對於這種極端的情況，我想到了一個辦法，根據當前的內存環境，按比例縮小需要顯示的全屏圖片，這樣加載到內存中的圖片，就是按比例縮小的。

在這里就需要用到 DrawableRequestBuilder 的 override() 這個 Api 了，它可以接受一個 width 和 height ，來重新指定加載圖片的尺寸。

既然 Glide 已經提供了標准的 Api ，那么我們還需要獲取到當前運行設備的寬高。

這里推薦使用 getRealSize() 的方式獲取屏幕的寬高，它可以真實的拿到當前屏幕的尺寸。其它 Api 在部分智能電視和盒子上，拿到的尺寸會小，因為沒有計算 StatusBar 或者 NavigationBar的高度，這些都是經驗之談。

同時，我們也需要用到 ComponentCallbacks2 這個接口，前面已經介紹過了，就不再贅述了。

在其中，記錄 trim 的 level 這個值，反應當前的內存級別，在使用的時候，通過 getBitmapSize() 裁剪出一個符合當前內存環境的尺寸。

例子中只是對 TRIM_MENORY_RUNNING_LOW 進行了處理，會根據屏幕尺寸，縮放到 0.8f 倍的狀態。如果要做的更多，可以將其它幾個 level 也加上，調整不同的縮放倍數。

兩個都輸出一下，看看差別，同一張全屏的圖片，不縮放和縮放 0.8f 的差別。

I/cxmyDev: bgImage byteCount : 8294400
I/cxmyDev: bgImage byteCount : 5308416

可以看到，優化的目的還是達到了。可以節約大概 3MB 左右的內存空間，而圖片又不至於模糊到無法看的地步。

三、小結

優化是沒有終點的，今天先聊到這里，之后有想到的再補充。如果你有什么更好的建議，可以在文末留言一起討論一下。

點贊或者分享吧~