Android 面试之Glide做了哪些优化?

前言

Glide可以说是最常用的图片加载框架了，Glide链式调用使用方便，性能上也可以满足大多数场景的使用，Glide源码与原理也是面试中的常客。
但是Glide的源码内容比较多，想要学习它的源码往往千头万绪，一时抓不住重点.
本文以Glide做了哪些优化为切入点，介绍与学习Glide的源码与原理，如果对您有所帮助，欢迎点赞.

Glide做了哪些优化?

要想要回答这个问题，我们可以先想一想，如果我们自己要实现一个图片加载框架，我们会思考什么问题？
1.图片下载是个耗时过程，我们首先需要考虑的就是图片缓存的问题
2.图片加载也是个耗内存的操作，很多OOM都是图片加载导致的，所以我们也要考虑内存优化问题
3.图片加载到一半，页面关闭了，图片加载也应该中止，这又牵扯到了生命周期管理的问题
4.还有就是图片加载框架是否支持大图加载？大图情况下会有什么问题？

以上就是我们提出的有关于Glide的几个问题了，这样我们可以轻松得出本文主要包括的内容
1.Glide图片加载的总体流程介绍
2.Glide缓存机制做了哪些优化？
3.Glide做了哪些内存优化？
4.Glide如何管理生命周期?
5.Glide怎么做大图加载?

下面就带着问题进入正文~

1.`Glide`图片加载总体流程介绍

在开始了解Glide具体做了哪些优化之前，我们先对Glide图片加载的总体流程做一个简单的介绍，让大家首先有个整体概念。
同时在后面对Glide做的优化具体发生在哪一步也可以方便的知道.
概括来说，图片加载包含封装，解析，下载，解码，变换，缓存，显示等操作，如下图所示：
【一道面试题】Glide做了哪些优化?

1.封装参数：从指定来源，到输出结果，中间可能经历很多流程，所以第一件事就是封装参数，这些参数会贯穿整个过程；
2.解析路径：图片的来源有多种，格式也不尽相同，需要规范化；
3.读取缓存：为了减少计算，通常都会做缓存；同样的请求，从缓存中取图片（Bitmap）即可；
4.查找文件/下载文件：如果是本地的文件，直接解码即可；如果是网络图片，需要先下载；
5.解码：这一步是整个过程中最复杂的步骤之一，有不少细节；
6.变换：解码出Bitmap之后，可能还需要做一些变换处理（圆角，滤镜等）；
7.缓存：得到最终bitmap之后，可以缓存起来，以便下次请求时直接取结果；
8.显示：显示结果，可能需要做些动画（淡入动画，crossFade等）。

以上就是Glide图片加载的总体流程,这里只做了简单的介绍，详情可见：聊一聊关于Glide在面试中的那些事

2.`Glide`缓存机制做了哪些优化？

我们知道，下载图片是非常耗费资源的，所以图片缓存机制是图片加载框架很重要的一部分,下面就以一张表格来说明下 Glide 缓存。

缓存类型	缓存代表	说明
活动缓存	ActiveResources	如果当前对应的图片资源是从内存缓存中获取的，那么会将这个图片存储到活动资源中。
内存缓存	LruResourceCache	图片解析完成并最近被加载过，则放入内存中
磁盘缓存-资源类型	DiskLruCacheWrapper	被解码后的图片写入磁盘文件中
磁盘缓存-原始数据	DiskLruCacheWrapper	网络请求成功后将原始数据在磁盘中缓存

在介绍具体缓存前，先来看一张加载缓存执行顺序，有个大概的印象

Glide的缓存机制，主要分为2种缓存，一种是内存缓存，一种是磁盘缓存。
之所以使用内存缓存的原因是：防止应用重复将图片读入到内存，造成内存资源浪费。
之所以使用磁盘缓存的原因是：防止应用重复的从网络或者其他地方下载和读取数据。
正式因为有着这两种缓存的结合，才构成了Glide极佳的缓存效果。

2.1 内存缓存

Glide默认开启内存缓存，我们也可以通过skipMemoryCache关闭
上面我们可以看到内存缓存其实分两个部分，ActiveResource缓存与LRU缓存
ActiveResources 就是一个弱引用的 HashMap ，用来缓存正在使用中的图片,使用 ActiveResources 来缓存正在使用中的图片，可以保护这些图片不会被 LruCache 算法回收掉

内存缓存加载顺序如下：
1.根据图片地址，宽高，变换，签名等生成key
2.第一次加载没有获取到活动缓存。
3.接着加载内存资源缓存，先清理掉内存缓存，在添加进行活动缓存。
4.第二次加载活动缓存已经存在。
5.当前图片引用为 0 的时候，清理活动资源，并且添加进内存资源。
6.又回到了第一步，然后就这样环环相扣。

总结为流程图如下：

这里没有贴出源码，如果想要看源码的同学可参考：从源码的角度分析 Glide 缓存策略

我们上面总结了Glide内存缓存加载的流程,看到这里我们很容易有个疑问，为什么Glide要设计两种内存缓存？

2.1.1 为什么设计两种内存缓存？

LruCache算法的实现，你会发现它其实是用一个Set来缓存对象的，每次内存超出缓存设定触发trim操作的时候，其实是对这个Set进行遍历，然后移除缓存。但是我们都知道Set是无序的，因此遍历的时候有可能会把正在使用的缓存给误伤了，我还在用着它呢就给移出去了。因此这个弱引用可能是对正在使用中的图片的一种保护，使用的时候先从LruCache里面移出去，用完了再把它重新加到缓存里面。

举个例子

比如我们 Lru 内存缓存 size 设置装 99 张图片，在滑动 RecycleView 的时候，如果刚刚滑动到 100 张，那么就会回收掉我们已经加载出来的第一张，这个时候如果返回滑动到第一张，会重新判断是否有内存缓存，如果没有就会重新开一个 Request 请求，很明显这里如果清理掉了第一张图片并不是我们要的效果。所以在从内存缓存中拿到资源数据的时候就主动添加到活动资源中，并且清理掉内存缓存中的资源。这么做很显然好处是保护不想被回收掉的图片不被 LruCache 算法回收掉,充分利用了资源。

2.1.1 小结

本节主要总结了Glide内存缓存加载的流程
1.首先去获取活动缓存，如果加载到则直接返回，没有则进入下一步
2.接着去获取LRU缓存，在获取时会将其从LRU中删除并添加到活动缓存中
3.下次加载就可以直接加载活动缓存了
4.当图片引用为0时，会从活动缓存中清除并添加到LRU缓存中
5.之所以要设计两种内存缓存的原因是为了防止加载中的图片被LRU回收

2.2 磁盘缓存

首先了解一下磁盘缓存策略

DiskCacheStrategy.NONE：表示不缓存任何内容。
DiskCacheStrategy.RESOURCE：在资源解码后将数据写入磁盘缓存，即经过缩放等转换后的图片资源。
DiskCacheStrategy.DATA：在资源解码前将原始数据写入磁盘缓存。
DiskCacheStrategy.ALL ：使用DATA和RESOURCE缓存远程数据，仅使用RESOURCE来缓存本地数据。
DiskCacheStrategy.AUTOMATIC：它会尝试对本地和远程图片使用最佳的策略。当你加载远程数据时，AUTOMATIC 策略仅会存储未被你的加载过程修改过的原始数据，因为下载远程数据相比调整磁盘上已经存在的数据要昂贵得多。对于本地数据，AUTOMATIC 策略则会仅存储变换过的缩略图，因为即使你需要再次生成另一个尺寸或类型的图片，取回原始数据也很容易。默认使用这种缓存策略

在了解磁盘缓存时我们主要需要明确一个概念，是当我们使用 Glide 去加载一张图片的时候，Glide 默认并不会将原始图片展示出来，而是会对图片进行压缩和转换，总之就是经过种种一系列操作之后得到的图片，就叫转换过后的图片。
我们既可以缓存变换之前的原始图片，也可以缓存变换后的图片

2.2.1 为什么需要两种磁盘缓存

上文已经说了，DiskCacheStrategy.RESOURCE缓存的是变换后的资源，DiskCacheStrategy.DATA缓存的是变换前的资源
举个例子，同一张图片，我们先在100*100的View是展示，再在200*200的View上展示
如果不缓存变换后的类型相当于每次都要进行一次变换操作，如果不缓存原始数据则每次都要去重新下载数据
如下可以看出，两种缓存的key不一样

DiskCacheStrategy.RESOURCE
currentKey = new ResourceCacheKey(helper.getArrayPool(),sourceId,helper.getSignature(),helper.getWidth(),helper.getHeight(),transformation,resourceClass,helper.getOptions());

DiskCacheStrategy.DATA
DataCacheKey newOriginalKey = new DataCacheKey(loadData.sourceKey, helper.getSignature());

2.2.2 小结

本节主要介绍了Glide磁盘缓存的几种策略并介绍了为什么需要两种磁盘缓存的原因
这里也没有贴什么源码，如果想要看源码的同学可参考：从源码的角度分析 Glide 缓存策略

3.`Glide`做了哪些内存优化？

Glide的内存优化主要也是对Bitmap的优化，在回答这个问题前，我们可以想想有哪些常见的Bitmap优化手段
1.当图片大小与View大小不一致时，可以用inSampleSize进行尺寸优化
2.图片所占内存即宽高每像素所占内存大小，不同的模式每个像素所占的内存大小不同，我们可以利用inpreferredconfig配置
3.Bitmpa所占内存比较大，如果频繁创建回收Bitmap内存可能造成内存抖动，我们可以利用inBitmap利用Bitmap内存
4.内存缓存，上文我们已经介绍了Glide的弱引用缓存与LRU缓存

其实常见的Bitmap内存优化也就这么几种了，不过我们在工作中比较少直接使用他们。
下面我们就介绍下Glide中具体是怎么使用他们的.

3.1 尺寸优化

当装载图片的容器例如ImageView只有100*100，而图片的分辨率为800 * 800，这个时候将图片直接放置在容器上，很容易OOM，同时也是对图片和内存资源的一种浪费。当容器的宽高都很小于图片的宽高，其实就需要对图片进行尺寸上的压缩，将图片的分辨率调整为ImageView宽高的大小，一方面不会对图片的质量有影响，同时也可以很大程度上减少内存的占用

我们通常使用inSampleSize对Bitmap进行尺寸缩放

如果inSampleSize 设置的值大于1，则请求解码器对原始的bitmap进行子采样图像，然后返回较小的图片来减少内存的占用，例如inSampleSize == 4，则采样后的图像宽高为原图像的1/4，而像素值为原图的1/16，也就是说采样后的图像所占内存也为原图所占内存的1/16；当inSampleSize <=1时，就当作1来处理也就是和原图一样大小。另外最后一句还注明，inSampleSize的值一直为2的幂，如1，2，4，8。任何其他的值也都是四舍五入到最接近2的幂。

    //1
    int widthScaleFactor = orientedSourceWidth / outWidth;
    int heightScaleFactor = orientedSourceHeight / outHeight;
    //2
    int scaleFactor =
        rounding == SampleSizeRounding.MEMORY
            ? Math.max(widthScaleFactor, heightScaleFactor)
            : Math.min(widthScaleFactor, heightScaleFactor);

    int powerOfTwoSampleSize;
    //3
    if (Build.VERSION.SDK_INT <= 23
        && NO_DOWNSAMPLE_PRE_N_MIME_TYPES.contains(options.outMimeType)) {
      powerOfTwoSampleSize = 1;
    } else {
      //4
      powerOfTwoSampleSize = Math.max(1, Integer.highestOneBit(scaleFactor));
      //5
      if (rounding == SampleSizeRounding.MEMORY
      	  // exactScaleFactor由各个裁剪策略如CenterCrop重写得到，详情可见代码
          && powerOfTwoSampleSize < (1.f / exactScaleFactor)) {
        powerOfTwoSampleSize = powerOfTwoSampleSize << 1;
      }
    }
    options.inSampleSize = powerOfTwoSampleSize;

如上就是Glide图片进行尺寸缩放相关的代码
1.首先计算出图片与View的宽高比
2.根据缩放策略是省内存还是高品质，决定取宽高比的最大值还是最小值
3.当Build.VERSION.SDK_INT<=23时，一些格式的图片不能缩放
4.highestOneBit的功能是把我们计算的比例四舍五入到最接近2的幂
5.如果缩放策略为省内存，并且我们计算的SampleSize<exactScaleFactor,将inSampleSize*2

如上就是Glide图片加载时做尺寸优化的大概逻辑

3.2 图片格式优化

我们知道，Bitmap所占内存大小，由宽*高*每像素所占内存决定
上面的尺寸优化决定宽高，图片格式优化决定每像素所占内存

在API29中，将Bitmap分为ALPHA_8, RGB_565, ARGB_4444, ARGB_8888, RGBA_F16, HARDWARE六个等级。

ALPHA_8：不存储颜色信息，每个像素占1个字节；
RGB_565：仅存储RGB通道，每个像素占2个字节，对Bitmap色彩没有高要求，可以使用该模式；
ARGB_4444：已弃用，用ARGB_8888代替；
ARGB_8888：每个像素占用4个字节，保持高质量的色彩保真度，默认使用该模式；
RGBA_F16：每个像素占用8个字节，适合宽色域和HDR；
HARDWARE：一种特殊的配置，减少了内存占用同时也加快了Bitmap的绘制。

每个等级每个像素所占用的字节也都不一样，所存储的色彩信息也不同。同一张100像素的图片，ARGB_8888就占了400字节，RGB_565才占200字节，RGB_565在内存上取得了优势，但是Bitmap的色彩值以及清晰度却不如ARGB_8888模式下的Bitmap

值得注意的是在Glide4.0之前,Glide默认使用RGB565格式，比较省内存
但是Glide4.0之后，默认格式已经变成了ARGB_8888格式了,这一优势也就不存在了。
这本身也就是质量与内存之间的取舍，如果应用所需图片的质量要求不高，也可以修改默认格式

//默认格式修改为了ARGB_8888
 public static final Option<DecodeFormat> DECODE_FORMAT =
      Option.memory(
          "com.bumptech.glide.load.resource.bitmap.Downsampler.DecodeFormat", DecodeFormat.DEFAULT);

3.3 内存复用优化

Bitmap所占内存比较大，如果我们频繁创建与回收Bitmap，那么很容易造成内存抖动,所以我们应该尽量复用Bitmap内存
Glide主要使用了inBitmap与BitmapPool来实现内存的复用

3.3.1 `inBitmap`介绍

在 Android 3.0（API 级别 11）开始，系统引入了 BitmapFactory.Options.inBitmap 字段。如果设置了此选项，那么采用 Options 对象的解码方法会在生成目标 Bitmap 时尝试复用 inBitmap，这意味着 inBitmap 的内存得到了重复使用，从而提高了性能，同时移除了内存分配和取消分配。不过 inBitmap 的使用方式存在某些限制，在 Android 4.4（API 级别 19）之前系统仅支持复用大小相同的位图，4.4 之后只要 inBitmap 的大小比目标 Bitmap 大即可

3.3.2 `BitmapPool`介绍

通过上文我们知道了可以通过inBitmap复用内存，但是还需要一个地方存储可复用的Bitmap,这就是BitmapPool
JDK 中的 ThreadPoolExecutor 相信大多数开发者都很熟悉，我们一般将之称为“线程池”。池化是一个很常见的概念，其目的都是为了实现对象复用，例如 ThreadPoolExecutor 就实现了线程的复用机制
BitmapPool即实现了Bitmap的池化

3.3.3 `Glide`的应用

  private static void setInBitmap(
      BitmapFactory.Options options, BitmapPool bitmapPool, int width, int height) {
    @Nullable Bitmap.Config expectedConfig = null;
    if (expectedConfig == null) {
      expectedConfig = options.inPreferredConfig;
    }
    // BitmapFactory will clear out the Bitmap before writing to it, so getDirty is safe.
    options.inBitmap = bitmapPool.getDirty(width, height, expectedConfig);
  }

如上即是Glide设置inBitmap的代码，向BitmapPool中传入宽高与格式，得到一个可复用的对象，这样就实现了Bitmap的内存复用
由于篇幅原因，详细的源码这里没有贴出来，想要了解更多的读者可参考:Coil 和 Glide 的 Bitmap 缓存复用机制

4.`Glide`如何管理生命周期?

当我们在做一个网络请示时，页面退出时应该中止请示，不然容易造成内存泄漏
对于图片加载也是如此，我们在页面退出时应该中止请示，销毁资源。
但是我们使用Glide的时候却不需要在页面退出时做什么操作，说明Glide可以做到在页面关闭时自动释放资源
下面我们一起看下Glide是如何实现的
主要是两步:
1.调用时通过Glide.with传入context,利用context构建一个Fragment
2.监听Fragment生命周期，销毁时释放Glide资源

4.1 传入`context`构建`Fragment`

//通过Activity拿到RequestManager
public RequestManager get(@NonNull Activity activity) {
      //拿到当前Activity的FragmentManager
      android.app.FragmentManager fm = activity.getFragmentManager();
      //生成一个Fragment去绑定一个请求管理RequestManager
      return fragmentGet(
          activity, fm, /*parentHint=*/ null, isActivityVisible(activity));
  }

 private RequestManager fragmentGet(@NonNull Context context,
     @NonNull android.app.FragmentManager fm,
     @Nullable android.app.Fragment parentHint,
     boolean isParentVisible) {
   //①在当前Activity添加一个Fragment用于管理请求的生命周期
   RequestManagerFragment current = getRequestManagerFragment(fm, parentHint, isParentVisible);
   //获取RequestManager
   RequestManager requestManager = current.getRequestManager();
   //如果不存在RequestManager，则创建
   if (requestManager == null) {
     Glide glide = Glide.get(context);
     //②构建RequestManager  
     //current.getGlideLifecycle()就是ActivityFragmentLifecycle，也就是构建RequestManager时会传入fragment中的ActivityFragmentLifecycle
     requestManager =
         factory.build(
             glide, current.getGlideLifecycle(), current.getRequestManagerTreeNode(), context);
     //将构建出来的RequestManager绑定到fragment中
     current.setRequestManager(requestManager);
   }
   //返回当前请求的管理者
   return requestManager;
 }

如上所示：
1.在当前Activity添加一个透明Fragment用于管理请示生命周期
2.构建RequestManager并传入Fragment生命周期

4.2 `RequestManager`监听生命周期

public class RequestManager implements LifecycleListener,
    ModelTypes<RequestBuilder<Drawable>> { 

	RequestManager(
      Glide glide,
      Lifecycle lifecycle,
      RequestManagerTreeNode treeNode,
      RequestTracker requestTracker,
      ConnectivityMonitorFactory factory,
      Context context) {
    ... 
    //将当前对象注册到ActivityFragmentLifecycle
    lifecycle.addListener(this);
  }
  //...

  //RequestManager实现了fragment生命周期回调
  @Override
  public synchronized void onStart() {
    resumeRequests();
    targetTracker.onStart();
  }

  @Override
  public synchronized void onStop() {
    pauseRequests();
    targetTracker.onStop();
  }

  @Override
  public synchronized void onDestroy() {
    targetTracker.onDestroy();
  }

}

public class RequestManagerFragment extends Fragment {
  //生命周期的关键就在ActivityFragmentLifecycle
  private final ActivityFragmentLifecycle lifecycle;
  public RequestManagerFragment() {
    this(new ActivityFragmentLifecycle());
  }

  RequestManagerFragment(@NonNull ActivityFragmentLifecycle lifecycle) {
    this.lifecycle = lifecycle;
  }
  @Override
  public void onStart() {
    super.onStart();
    lifecycle.onStart();
  }

  @Override
  public void onStop() {
    super.onStop();
    lifecycle.onStop();
  }

  @Override
  public void onDestroy() {
    super.onDestroy();
    lifecycle.onDestroy();
    unregisterFragmentWithRoot();
  }
  //...
}

逻辑很简单：Fragment生命周期变化会回调RequestManager生命周期，然后在进行相关的资源释放工作

4.3 小结

Glide.with(this)绑定了Activity的生命周期。在Activity内新建了一个无UI的Fragment，这个Fragment持有一个Lifecycle，通过Lifecycle在Fragment关键生命周期通知RequestManager进行相关从操作。在生命周期onStart时继续加载，onStop时暂停加载，onDestory时停止加载任务和清除操作。

5.`Glide`怎么做大图加载

对于图片加载还有种情况，就是单个图片非常巨大，并且还不允许压缩。比如显示：世界地图、清明上河图、微博长图等
首先不压缩，按照原图尺寸加载，那么屏幕肯定是不够大的，并且考虑到内存的情况，不可能一次性整图加载到内存中
所以这种情况的优化思路一般是局部加载，通过BitmapRegionDecoder来实现
这种情况下通常Glide只负责将图片下载下来,图片的加载由我们自定义的ImageView来实现

5.1 `BitmapRegionDecoder`介绍

BitmapRegionDecoder主要用于显示图片的某一块矩形区域，如果你需要显示某个图片的指定区域，那么这个类非常合适。
对于该类的用法，非常简单，既然是显示图片的某一块区域，那么至少只需要一个方法去设置图片；一个方法传入显示的区域即可
举个例子：

//设置显示图片的中心区域
BitmapRegionDecoder bitmapRegionDecoder = BitmapRegionDecoder.newInstance(inputStream, false);
BitmapFactory.Options options = new BitmapFactory.Options();
options.inPreferredConfig = Bitmap.Config.RGB_565;
Bitmap bitmap = bitmapRegionDecoder.decodeRegion(new Rect(width / 2 - 100, height / 2 - 100, width / 2 + 100, height / 2 + 100), options);
mImageView.setImageBitmap(bitmap);

更详细的实现可见：Android 高清加载巨图方案拒绝压缩图片
不过这种方法虽然也能加载大图，但做的还不够，滑动时内存抖动，卡顿现象比较明显，不能用于线上

下面介绍一种可以用于线上的大图加载方案

5.2 可用于线上的大图加载方案

介绍一个开源库：subsampling-scale-image-view
SubsamplingScaleImageView将大图切片，再判断是否可见，如果可见则加入内存中，否则回收，减少了内存占用与抖动同时根据不同的缩放比例选择合适的采样率，进一步减少内存占用同时在子线程进行decodeRegion操作，解码成功后回调至主线程，减少UI卡顿.