Android性能优化总结

关注

原创最新推荐文章于 2026-04-24 09:50:56 发布 4.8k 阅读 AI 写同款· GEO 优化 ›

cartographer如何使用2个反光柱子作为一个landmark 2个反光柱的摆放要求：靠着墙摆，因为我们只能从一侧看到2个反光柱，从两侧都看到至少需要3个反光柱来定位。 landmark检测原理：因为我们是从一侧看到2个反光柱，所以看到2个反光柱在一帧激光数据中会有顺序，有2种情形，如下图这两种情形，我们发现情形1: 这种情形2个反光柱子被检测到的激光角度小于180，我们认为大一些激光角度的是原点。情形2: 这种情形2个反光柱子被检测到的激光角度大于180，我们认为小一些激光角度的是原点。这样原点就固定下来，并是唯一的。2个反光柱构成的坐标系也就确定了。和激光坐阅读详情

转载注明出处：http://blog.youkuaiyun.com/xiaohanluo/article/details/76546209

1. 缘由

Android系统每隔16ms发出VSYNC信号，对UI进行渲染，如果每次渲染都成功，就能够达到流畅的画面所需要的60fps，为了能够实现60fps，这意味着程序的大多数操作都必须在16ms内完成，时间超出16ms越多，丢的帧就越多。

假设我们更新屏幕的背景图片，需要24ms来做这次运算。当系统在第一个16ms时刷新界面，然而我们的运算还没有结束，无法绘出图片。当系统隔16ms再发一次VSYNC信息重绘界面时，用户才会看到更新后的图片。也就是说用户是32ms后看到了这次刷新(注意，并不是24ms)，这就是丢帧。

大多数多用感知到卡顿等问题最主要的根源是渲染问题，而导致渲染问题的原因是性能问题，为了保证程序正常的使用，性能方面需要着重注意，本篇针对的性能优化是从一些平时常见的细节入手，

2. 性能优化

丢帧只是用户能感知到的表面现象，严重的会引起程序卡顿甚至ANR，深层次的原因是代码中有比较耗时的操作阻塞到了主线程，也就是性能问题。

2.1 过度绘制

过度绘制（Overdraw）是指屏幕上同一个像素点在同一帧时间内被绘制多次。在层级复杂的UI结构中，如果不可见的UI也被绘制，会导致某些像素区被绘制多次，浪费大量的CPU以及GPU资源。

在手机的开发者选项中，打开显示布局边界即可查看页面的绘制信息。

图 1 - 布局渲染视图

有四中颜色，蓝色，淡绿，淡红，深红分别代表着不同的绘制信息。蓝色代表一次绘制，淡绿代表两次绘制，淡红代表三次绘制，深红代表四及以上次绘制。

我们的目的是尽量减少红色的绘制信息，方法有两种。

简化页面UI结构，复杂的UI布局会导致大量View重叠，出现过度绘制的可能性比较大，要避免布局嵌套过多，例如一般情况下，优先使用LinearLayout布局。
复用背景色，例如如果父布局和子View背景色是相同的，只需要父布局设置背景色即可，子View不用设置。

2.2 布局优化

上面提到简化布局可以减少过度绘制的问题，布局优化可以从下面几方面入手。

布局的选择，能满足需求的情况下优先选择LinearLayout，因为RelativeLayout在measure会比LinearLayout多出一次，
即使LinearLayout使用了weight后，性能依然会比RelativeLayout好
边距的设置，RelativeLayout的measure过程中，如果出现子View和布局本身高度不同时候，还会触发measure过程，解决方法很简单，使用padding代替marigin
复用布局，include
延迟加载，ViewStub
合并布局层级，merge

关于这块的具体详情，参考下面链接：

带你从源代码详细分析View的绘制过程

Android布局优化之ViewStub、include、merge使用与源码分析

Android中RelativeLayout和LinearLayout性能分析

2.3 I/O操作（SharedPreferences）

这里I/O操作仅针对SharedPreferences，因为这个基本是在Android中使用最多的储存库了。

2.3.1 读操作

读操作一般不会阻塞到主线程，如果读取的数据比较大而且需要有大量的处理操作，直接开子线程，在子线程处理。

2.3.2 写操作

写操作比读操作复杂一些，向SharedPreferences写入数据时候，有commit和apply两个方法。

commit方法，直接将数据同步写入磁盘
apply方法，先将数据写入内存，再异步写入磁盘

commit和apply方法区别在于同步写入和异步写入，以及是否需要返回值。在不需要返回值的情况下，使用apply方法可以极大的提高性能。

在使用lint静态扫描代码时候，会建议使用apply去替代commit，说明官方也是支持使用apply方法的。

但是！！！

并不是是说apply不会阻塞到主线程，它也有可能会阻塞到主线程。详情请看这篇文章SharedPreferences调用导致的ANR分析。

长话短说。

使用apply方法时候，会向QueuedWork队列中添加一个等待写入操作完成的线程，只有当写入操作完成后，才会从QueuedWork将等待线程线程移除掉。

而主线程中，Service的启动和stop以及Activity的onPause()和onStop()生命周期都会等待其他异步线程完成，才会继续执行。

例如停止Service的时候代码如下（ActivityThread类中）：

private void handleStopService(IBinder token) {
    ···

    QueuedWork.waitToFinish(); // 等待其他异步线程完成

    ···
}

可以看到，如果使用apply方法写入大量复杂数据，确实有可能会阻塞到主线程，甚至可能导致ANR。

优化方法：

复杂数据
- 即时性较弱（距离下次使用时间较长），新建子线程使用commit方法，防止阻塞到主线程
- 即时性较强，可以考虑直接放在内存中
简单数据，使用apply方法

2.4 序列化

大部分情况下，与后台交互使用的数据是gson格式。相信很多是直接使用google官方的Gson类来序列化和反序列化的。

我在项目中就遇见了有使用Gson反序列化复杂数据时候，造成的卡顿现象。

Gson序列化和反序列化是可以优化的。

stackoverflow，问题/答案，https://stackoverflow.com/questions/15509544/optimizing-gson-deserialization
序列化方法对比，https://github.com/eishay/jvm-serializers/wiki
Gson序列话优化，https://sites.google.com/site/gson/streaming
使用流配合Gson序列化，性能能提高25%

// 反序列化
public List<Message> readJsonStream(InputStream in) throws IOException {
    JsonReader reader = new JsonReader(new InputStreamReader(in, "UTF-8"));
    List<Message> messages = new ArrayList<Message>();
    reader.beginArray();
    while (reader.hasNext()) {
        Message message = gson.fromJson(reader, Message.class);
        messages.add(message);
    }
    reader.endArray();
    reader.close();
    return messages;
}

// 序列化
public void writeJsonStream(OutputStream out, List<Message> messages) throws IOException {
    JsonWriter writer = new JsonWriter(new OutputStreamWriter(out, "UTF-8"));
    writer.setIndent("  ");
    writer.beginArray();
    for (Message message : messages) {
        gson.toJson(message, Message.class, writer);
    }
    writer.endArray();
    writer.close();
}