bitmap 多级缓存

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 400+累计阅读 430平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄11年

关注

原创最新推荐文章于 2026-07-15 12:01:33 发布 430 阅读 AI 写同款· GEO 优化 ›

Android Bitmap内存优化实战：从原理到监控与治理在移动应用开发中，内存管理是保障应用流畅与稳定的核心技术之一。其核心原理在于理解系统如何为不同类型的数据结构分配和回收内存，尤其是在处理图形资源时。有效的内存优化技术能显著提升应用性能，减少卡顿与崩溃，对于用户体验至关重要。在Android平台上，Bitmap作为承载图像数据的主要对象，其内存占用机制尤为关键。通过字节码插桩等技术手段，开发者可以实现对Bitmap创建与销毁过程的白盒化监控，精准定位内存异常与泄漏问题。本文聚焦于Bitmap内存的量化分析、ASM插桩监控实践以及主动优化策略，为构建高性能移动阅读详情

很简单的一个缓存机制，适合新手。

github地址：https://github.com/xiaoxinxin003/ImageLoader-focus

收录于

Android

当前文章被收录于：

Android

61 篇文章 1 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

标签

#android #github #android开发 #图片

Android 图片 OOM 防护机制设计：大图加载、内存复用与多级缓存 Profiler 和 LeakCanary 虽然好用，但有些场景需要更精细的监控，比如缓存命中率、加载耗时和 OOM 发生频率。自定义监控能帮你收集这些数据，优化加载策略。代码示例@Overridetry {oomCount++;throw oom;使用场景上线前测试：收集加载耗时和 OOM 频率，评估优化效果。用户反馈：将关键指标上传到服务器，分析不同设备上的表现。动态优化：如果 OOM 频率高，自动启用降级策略。小结。阅读详情

相关推荐

黑马头条项目 - 6.5缓存问题（缓存穿透缓存雪崩）

缓存问题 1 缓存穿透缓存只是为了缓解数据库压力而添加的一层保护层，当从缓存中查询不到我们需要的数据就要去数据库中查询了。如果被黑客利用，频繁去访问缓存中没有的数据，那么缓存就失去了存在的意义，瞬间所有请求的压力都落在了数据库上，这样会导致数据库连接异常。解决方案：约定:对于返回为NULL的依然缓存，对于抛出异常的返回不进行缓存,注意不要把抛异常的也给缓存了。采用这种手段的会增加我们缓存的维护成本，需要在插入缓存的时候删除这个空缓存，当然我们可以通过设置较短的超时时间来解决这个问题。 .

weixin_41672684的博客 275

redis 高级数据类型之位图（bitmap）详细介绍

命令介绍，并展示如何使用位图去实现用户行为记录器、0-1矩阵存储程序以及能够有效地节约内存的整数计数器。

一个火星程序员的专栏 4176

机器学习-02 模型的评估与选择

2.1 误差与过拟合我们将学习器对样本的实际预测结果与样本的真实值之间的差异成为：误差（error）。定义：在训练集上的误差称为训练误差（training error）或经验误差（empirical error）。在测试集上的误差称为测试误差（test error）。学习器在所有新样本上的误差称为泛化误差（generalization error）。显然，我们希望得到的是在新样本上表现得很好的学习器，即泛化误差小的学习器。因此，我们应该让学习器尽可能地从训练集中学出普适性的“一般特征”，这

一个小白 1703

Linux之Bitmap

Bitmap（位图，又称位掩码、位向量）是一种基于二进制位（bit）的紧凑数据结构，用每一位表示一个元素的二元状态（如存在 / 不存在、可用 / 已用、真 / 假）。其核心优势是空间效率极高，N 个元素仅需ceil(N/8)字节（每个字节含 8 位）。// 定义一个包含n位的Bitmap（内核中常用unsigned long数组）// 示例：分配一个1024位的Bitmap（需1024/64=16个unsigned long）场景特征适合使用 Bitmap不适合使用 Bitmap状态类型。

Mr_-G，一名勤奋底层软件开发工程师的博客 1403

结构设计3D拆件与骨架模型构建实战：基于Creo 8.0的5个高效建模技巧

本文详细解析了基于Creo 8.0的结构设计3D拆件与骨架模型构建实战技巧，涵盖5个高效建模方法，包括参数化驱动、曲面分割、多实体协同设计等。通过骨架模型的智能应用，设计效率可提升30%以上，特别适合复杂产品的结构设计。文章还提供了TWS耳机充电仓等实战案例，帮助工程师快速掌握工业设计中的核心建模技术。

weixin_30000735的博客 570

OpenCL编译环境配置

在 Linux 系统上配置 OpenCL 开发环境需要安装适当的驱动、运行时和开发工具。

深之JohnChen的专栏 1999

Android必备回顾：7、Bitmap到底如何优化

Bitmap如何优化以及三级缓存的思想与逻辑。在介绍之前，我们先要了解我们的图片是怎么构成的。来，我们来看一下。一张图片它有多大是怎么计算的？大家可以看到我们这张图片是由一个一个这样的小方块组成的。实际上这个小方块就是我们平时所说的像素，那么平时我们看照片的时候。看不到这样的小方块，是因为我们的这个像素非常的小，所以说我们一般称它为像素点，那我们的一张图片它有多大是怎么计算的？大家想一下是怎么计算的？其实我们的图片有多大，是每一个像素它所占用的大小再乘以这张图片总的像素个数。这样的.

鲁迷那的专栏—坚持实践后再写出来！ 2187

Unity3D移动平台简单实现

在电子游戏中移动平台可谓是十分常见的，如平台从一处至另一处的来回移动，或当需要玩家触发机关时，平台浮动并按一定的路线移动至目标处。本文主要是在Unity3D引擎下使用少量脚本实现两点之间来回移动平台的最基本功能，是一种比较简单且好理解的移动平台解决方案。涉及到的点如下：平台对象的实现平台移动路线的设定处于平台上游戏对象（如：玩家）的相对运动创建平台控制对象创建平台实...

长溪木可的博客 4682

Bitmap三级缓存，简单介绍，简写简用。

首先简介一下：首先你第一次进一个App时，一定是先在网络请求图片的，之后我们可以将图片保存至本地SD卡和内存，再次进入时优先访问内存中的图片缓存，若内存中没有，则加载本地SD卡中的图片。其中，内存缓存应优先加载，它速度最快；本地缓存次优先加载，它速度也快；网络缓存不应该优先加载，它走网络，速度慢且耗流量。（总的来说由快到慢）。 ...

_万能的博哥的博客 1059

商店销售预测（回归&随机森林）

通过准备线性回归的数据，我们发现了一些有趣的见解，包括周末的销售增长，公共部门支付工资时的销售增长，以及11月和12月的销售增长。如果我们选择包括这些，我们可能会得到更好的结果，但在这个时候，我们不会用它来做任何预测，而是将转向另一种可能给我们更好的结果的技术。在Kaggle竞赛中，要求我们应用时间序列预测，根据厄瓜多尔大型杂货零售商Corporación Favorita的数据预测商店销售情况，建立一个模型，准确地预测在不同商店销售的商品的单位销量。在快速查看我们的训练数据集之后，我们可以看到有很多零。

qq_45791012的博客 4749

当AI写小说——一个被严重低估的工程化战场

摘要 AI小说创作远非简单的prompt生成，而是一项需要系统化工程管理的复杂任务。本文通过真实案例分析，揭示了当前AI写小说存在的五大核心难题：设定一致性难以维持、文风控制缺乏个性、爽感节奏难以把握、长篇记忆能力有限以及平台规则适配困难。研究显示，90%的失败案例源于错误的创作方法，主要表现为对话框式随机生成和模板式同质化创作。要实现高质量的AI小说创作，必须建立包括设定治理、记忆管理、文风校准等在内的全链路工程化体系，而非依赖单一prompt指令。只有采用系统化的人机协同方法，才能突破当前AI创作的质量

sellyogurt的博客 680

海量处理 -- bitmap及区段划分

还有一种经常使用的策略是bitmap. Bitmap本身也是一种hash-table, 只不过hash的结果恰好落在[0, sizeof_bitmap_in_bits]内. 因为hash到的每个slot只有一个bit,所以通常用作判断是否存在等bool型的问题. 例子, 已知40亿个不重复的unsigned int, 如何判断一个整数在不在这40亿个整数里面? 给定说unsig

zqt520的专栏 746

组基轨迹建模 GBTM的介绍与实现（Stata 或 R）

组基轨迹建模（Group-Based Trajectory Modeling，GBTM）（旧名称：Semiparametric mixture model）历史：由DANIELS.NAGIN提出，发表文献《Analyzing Developmental Trajectories：A Semiparametric，Group-Based Approach》GBTM能够将一群人的轨迹分类并生成数个具有代表性的运动轨迹模型，然后对每个轨迹模型进行分析，以了解人们的运动特征、生理水平和风险等级等。

三分钟热度 1万+

探讨下如何更好的使用缓存 —— 集中式缓存Redis的BitMap存储、管道与事务、以及与本地缓存一起构建多级缓存

大家好，又见面了。通过前面的文章，我们一起剖析了、Caffeine、Ehcache等框架的原理与使用场景，也一同领略了以Redis为代表的在分布式高并发场景下无可替代的价值。现在的很多大型高并发系统都是采用的分布式部署方式，而作为高并发系统的基石，缓存是不可或缺的重要环节。项目中使用缓存的目的是为了提升整体的运算处理效率、降低对外的IO请求，而集中式缓存是独立于进程之外部署的远端服务，需要基于网络IO的方式交互。如果一个业务逻辑中涉及到非常频繁的缓存操作，势必会导致引入大量的。

BASK2311的博客 868

基于 Qt C++ 的金融行情交易终端

由于完整的商业级源码非常庞大，我将为你提供一个 **结构完整、可直接编译运行的基础框架**，并详细说明各模块的实现思路和扩展方向。double波动 = quote.lastPrice * (rand()%200 - 100) / 10000.0;// 订单缓存（orderId -> Order）

寒寒豆豆软件公司的博客 191

STM32F407中文手册

STM32f407中文手册本参考手册面向应用开发人员，提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微控制器系列，各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性，请参见数据手册。有关 ARM Cortex™-M4F 内核的信息，请参见《Cortex™-M4F 技术参考手册》。

android传输大图片,Android中 Activity传递图片

前言在网上刷到一道面试题，Android 传值的大小限制是多少？如何传递一个图片。项目中常用方法现在加载图片很多都会用到多级缓存框架，最常用的glide ，自带内存缓存和文件缓存。于是就有了传递图片的一个思路，传递页面直接加载图片开始缓存，然后将连接传到接受页面，接收页加载的时候直接取缓存的中bitmap，这样不仅实现了两个页面的传值，实际上是应用内的共享。Android 提供的方法第一:基本思路...

weixin_29781865的博客 359

IEM模型，地表粗糙度模拟

利用微波反演土壤水分时候，利用IEM模型可以实现对随机地表的模拟

android 传递大图,Activity 传递图片

weixin_39534149的博客 337

锂电池充电器电路设计里面有电路

锂电池充电器电路设计里面有电路 3.7V升压到5V电路设计。

SAP B1中文培訓教材_SDK

公司内部培训资料，对开发工具，DIAPI， UIAPI，Add-ON有详细解说

Android异常与性能优化-Bitmap

Bitmap面试有关问题详解1.recycle 2.LRU（最近最少使用）通过泛型类并使用LinkedHashMap并使用get()和put()方法来完成缓存添加和获取操作缓存满时使用trimToSize把最早最少用的缓存对象从缓存队列移除并添加新的缓存对象 3.计算inSampleSize 4.缩略图 5.三级缓存网络缓存本地缓存内存缓存（优先加载）...

漫步前行 177

Glide核心设计二:缓存管理

原文链接：Glide核心设计二:缓存管理引言 Glide作为一个优秀的图片加载框架，缓存管理是必不可少的一部分，这篇文章主要通过各个角度、从整体设计到代码实现，深入的分析Glide的缓存管理模块，力求在同类分析Glide缓存的分析文章中脱颖而出。关于Glide的生命周期绑定，可查看Glide系列文章Glide核心设计一：皮皮虾，我们走。前提本文分析Glide缓存管理，将以使用Gl

BillyLu的博客 3694

Redis100篇 - 内容平台：Redis缓存文章+评论点赞计数

Redis在内容平台中的核心应用：文章缓存与互动计数摘要：本文探讨Redis如何解决内容平台的高并发挑战，重点分析文章缓存与评论点赞系统的实现方案。针对文章缓存，提出String存储JSON的基础方案，并深入解决缓存穿透（布隆过滤器/空值缓存）、雪崩（随机TTL）和击穿（互斥锁）三大问题。对于互动系统，展示如何使用Redis原子操作实现高性能点赞计数和评论管理，包括防刷机制与数据一致性保障。通过Spring Boot代码示例和架构图，演示如何构建支撑千万级日活的内容平台核心组件。

千淘万漉虽辛苦，吹尽狂沙始到金 2万+

TileView内存管理技巧：避免Android OutOfMemoryError的10个策略

在Android开发中，处理大型图片时最令人头痛的问题就是`OutOfMemoryError`。TileView作为一个专业的Android视图组件，专门解决这个问题，通过分块加载技术让开发者能够显示超大型图片而不用担心内存溢出。本文将分享10个实用的TileView内存管理技巧，帮助你彻底告别内存崩溃问题！🚀 ## 为什么TileView能避免OutOfMemoryError？ TileV

gitblog_00273的博客 699

黑马点评项目有感

该项目基于SpringBoot+MyBatis-Plus+Redis+Redisson+RabbitMQ技术栈，实现了一个高并发本地生活服务平台。核心模块包括：短信登录：Redis分布式Session解决集群会话共享多级缓存：Caffeine+Redis二级缓存架构，解决缓存穿透/击穿/雪崩秒杀系统：Redisson分布式锁+Redis预减库存+RabbitMQ异步下单特色功能： GEO实现附近商户搜索 Bitmap记录用户签到 HyperLogLog统计UV ZSet维护点赞排行榜等

weixin_72753562的博客 824

Android图片的压缩处理和缓存策略

我们平时工作中经常会处理Bitmap图片，有些网上下载下来的图片很大，比如1024*1024分辨率的图片，采用ARGB8888格式存储，每个像素占4个字节，就是1024*1024*4=4M，一张图片就这么大了，如果我们不进行压缩处理的话，很容易引起OOM，所以我们经常要对下载下来的图片进行压缩处理，如果每次都让用户重新去网上请求数据，这样显然是不合理的，对于已经下载下来的图片，当然要做缓存，我们可以

swjtufq的博客 911

第二面（过几天我会发结果)大概率有 5.14

然后他回答的都是项目的知识，还有一些是问的是一些项目的流程，是怎么实现的以及一些主要的功能，我主要用的是鱼皮的云图库和黑马的黑马点评。ai问答你是怎么做的，我就说自定义ai模型，设置好他的角色，他要干嘛以后就怎么怎么样，输入文字返回出结果。消息队列是mq吗你项目实现的，我说不是，因为这是小项目我用的是redis里面的消息队列。阿里云大模型的ai绘图提了一嘴没怎么问，我就说我用帮助文档做的。redis+ccaffeine多级缓存怎么干的。缓存穿透，雪崩，击穿解决。bitmap你是怎么用的。

weixin_44526276的博客 286

Glide使用

图片所占内存的大小如何计算？比如图片是565格式的，一个像素点占2个字节，所占的内存大小为： width*height*2 如果是8888格式的，一个像素点占4个字节，那所占的内存大小为： width*height*4 Glide 使用简明的流式语法API，大多数情况下，可能完成图片的设置只需要： Glide.with(activity) .load(url) .into(i...

凌烟醉卧的博客 533

上一篇： android activity知识总结

下一篇： android intent MIME type

黑马头条项目 - 6.5缓存问题（缓存穿透缓存雪崩）

weixin_41672684的博客

10-14

275