2019 初中级 Android 开发社招面试解答之性能优化 (1)，被面试官问的 Android 问题难倒了
2.内存中如果加载一张 500X500 的 png 高清图片.应该是占用多少的内存?
参考回答：
不考虑屏幕比的话：占用内存=500 * 500 * 4 = 1000000B ≈ 0.95MB
考虑屏幕比的的话：占用内存= 宽度像素 x （inTargetDensity / inDensity） x 高度像素 x （inTargetDensity / inDensity）x 一个像素所占的内存字节大小
inDensity 表示目标图片的 dpi（放在哪个资源文件夹下），inTargetDensity 表示目标屏幕的 dpi
3.WebView 的性能优化 ?
参考回答：一个加载网页的过程中，native、网络、后端处理、CPU 都会参与，各自都有必要的工作和依赖关系；让他们相互并行处理而不是相互阻塞才可以让网页加载更快：
WebView 初始化慢，可以在初始化同时先请求数据，让后端和网络不要闲着。
常用 JS 本地化及延迟加载，使用第三方浏览内核
后端处理慢，可以让服务器分 trunk 输出，在后端计算的同时前端也加载网络静
态资源。
脚本执行慢，就让脚本在最后运行，不阻塞页面解析。
同时，合理的预加载、预缓存可以让加载速度的瓶颈更小。
WebView 初始化慢，就随时初始化好一个 WebView 待用
DNS 和链接慢，想办法复用客户端使用的域名和链接。
4.Bitmap 如何处理大图，如一张 30M 的大图，如何预防 OOM？
参考回答：避免 OOM 的问题就需要对大图片的加载进行管理，主要通过缩放来减小图片的内存占用。
BitmapFactory 提供的加载图片的四类方法（decodeFile、decodeResource、decodeStream、decodeByteArray）都支持 BitmapFactory.Options 参数，通过 inSampleSize 参数就可以很方便地对一个图片进行采样缩放
比如一张 10241024 的高清图片来说。那么它占有的内存为 102410244，即 4MB，如果 inSampleSize 为 2，那么采样后的图片占用内存只有 512512*4,即 1MB（注意：根据最新的官方文档指出，inSampleSize 的取值应该总是为 2 的指数，即 1、2、4、8 等等，如果外界输入不足为 2 的指数，系统也会默认选择最接近 2 的指数代替，比如 2）
综合考虑。通过采样率即可有效加载图片，流程如下
将 BitmapFactory.Options 的 inJustDecodeBounds 参数设为 true 并加载图片
从 BitmapFactory.Options 中取出图片的原始宽高信息，它们对应 outWidth 和 outHeight 参数
根据采样率的规则并结合目标 View 的所需大小计算出采样率 inSampleSize
将 BitmapFactory.Options 的 inJustDecodeBounds 参数设为 false，重新加载图片
5.内存回收机制与 GC 算法(各种算法的优缺点以及应用场景)；GC 原理时机以及 GC 对象
参考回答：1.内存判定对象可回收有两种机制
引用计数算法：给对象中添加一个引用计数器，每当有一个地方引用它时，计数器值就加 1；当引用失效时，计数器值就减 1；任何时刻计数器为 0 的对象就是不可能再被使用的。然而在主流的 Java 虚拟机里未选用引用计数算法来管理内存，主要原因是它难以解决对象之间相互循环引用的问题，所以出现了另一种对象存活判定算法。
可达性分析法：通过一系列被称为『GCRoots』的对象作为起始点，从这些节点开始向下搜索，搜索所走过的路径称为引用链，当一个对象到 GC Roots 没有任何引用链相连时，则证明此对象是不可用的。其中可作为 GC Roots 的对象：虚拟机栈中引用的对象，主要是指栈帧中的本地变量*、本地方法栈中 Native 方法引用的对象、方法区中类静态属性引用的对象、方法区中常量引用的对象
2.GC 回收算法有以下四种：
分代收集算法：是当前商业虚拟机都采用的一种算法，根据对象存活周期的不同，将 Java 堆划分为新生代和老年代，并根据各个年代的特点采用最适当的收集算法。
新生代：大批对象死去，只有少量存活。使用『复制算法』，只需复制少量存活对象即可
复制算法：把可用内存按容量划分为大小相等的两块，每次只使用其中的一块。当这一块的内存用尽后，把还存活着的对象『复制』到另外一块上面，再将这一块内存空间一次清理掉。实现简单，运行高效。在对象存活率较高时就要进行较多的复制操作，效率将会变低
老年代：对象存活率高。使用『标记—清理算法』或者『标记—整理算法』，只需标记较少的回收对象即可。
还未添加个人签名 2021.10.31 加入
还未添加个人简介
评论