一道面试题：Glide 做了哪些优化?

杜立茂
1,019 阅读16分钟

技术最TOP 前天 图片

作者：RicardoMJiang

juejin.cn/post/697068…

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： 图片

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 图片 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： 图片 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LinkedHashMap来缓存对象的，每次内存超出缓存设定的时候，就会把最近最少使用的缓存去掉，因此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 图片 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100100的View是展示，再在200200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 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> {

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 图片 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。

由于篇幅有限，这里没有贴太多代码，更多细节可参考:Glide生命周期管理

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 图片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.

之前我也做BitmapRegionDecoder与SubsamplingScaleImageView的内存分析 有兴趣的同学也可以了解下:Android性能优化之UI卡顿优化实例分析

总结 本文主要以Glide做了哪些优化为切入点，回答了如下几个问题 1.说一下Glide图片加载的总体流程 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?

如果对您有所帮助，欢迎点赞，谢谢~

---END---

推荐阅读： 性能优化之合并多个FileProvider 看片神器人人视频APP突遭下架，官方回应：一切都会变好的~ Kotlin 2021 roadmap 入木三分：从设计者角度看Retrofit原理~ 收藏！Dropbox 是如何解决 Android App 的内存泄漏问题的？ 捋一捋，到底怎么样去理解Window机制？ Compose 1.0 即将发布，你准备好了吗？ Google 正式向用户推送 Fuchsia OS 更文不易，点个“在看”支持一下👇

阅读 1099 写下你的留言 精选留言

首席网管 Glide结合subsamplingimageview加载大图还是讲得不够详细

🇨🇳廖.²₀²₁ 之前自己看Glide源码，只能理解一半一半，看了这文章，能理解80%多了！

avatar
文章
阅读
粉丝