- http头信息带Cache-Control域 确定缓存过期时间 防止重复请求
- 直接用IP直连，不用域名，策略性跟新本地IP列表。 – DNS解析过程耗时在百毫秒左右，并且还有可能存在DNS劫持。
- 图片、JS、CSS等静态资源，采用CDN（当然如果是使用7牛之类的服务就已经给你搭建布置好了）
- 全局图片处理采用漏斗模型全局管控，所请求的图片大小最好依照业务大小提供/最大不超过屏幕分辨率需要，如果请求原图，也不要超过
- 全局缩略图直接采用webp，在尽可能不损失图片质量的前提下，图片大小与png比缩小30% ~ 70%
- 如果列表里的缩略图服务器处理好的小图，可以考虑直接在列表数据请求中，直接以base64在列表数据中直接带上图片（国内还比较少，海外有些这种做法，好像web端比较常见）
- 轮询或者socket心跳采用系统提供的闹钟服务来做，保证在系统休眠的时候cpu可以得到休眠，在需要唤醒时可以唤醒（持有cpu唤醒锁）
- 可以通过将零散的网路的请求打包进行一次操作，避免过多的无线信号引起电量消耗。
1. 传输数据格式选择
- 如果是基本需要全量数据的，考虑使用Protobuffers (序列化反序列化性能高于json)
- 如果传输回来的数据不需要全量读取，考虑使用Flatbuffers (序列化反序列化几乎不耗时，耗时是在读取对象时(就这一部分如果需要优化，可以参看Flatbuffer Use Optimize
2. 输入流
使用具有缓存策略的输入流
如果已知大概需要多大，就直接给初始大小，减少扩容时额外开销。
里面就一数组，内存小，有序取值快，扩容效率低
里面就一双向链表，内存大，随机插入删除快，扩容效率高。
里面就一个，用key对外存储，目的就是不允许重复元素。
线程安全，采用细分锁，锁颗粒更小，并发性能更优
线程安全，采用当前对象作为锁，颗粒较大，并发性能较差。
针对该特性进行了优化，采用二分法查找，简单数组存储。
、、。
建多索引的原则: 哪个字段可以最快的减少查询结果，就把该字段放在最前面
无法使用索引的情况
- 操作符、、
- 表达式
不推荐
- 不要设计出索引是其他索引的前缀（没有意义）
- 更新时拒绝直接全量更新，要更新哪列就put哪列的数据
- 如果最频繁的是更新与插入，别建很多索引 （原本表就很小就也没必要建）
- 拒绝用大字符串创建索引
- 避免建太多索引，查询时可能就不会选择最好的来执行
推荐
- 多使用整型索引，效率远高于字符串索引
- 搜索时使用SQL参数()代替字符串拼接（底层有特殊优化与缓存）
- 查询需要多少就limit多少（如判断是否含有啥，就limit 1就行了嘛）
- 如果出现很宽的列(如blob类型)，考虑放在单独表中(在查询或者更新其他列数据时防止不必要的大数据i/o影响性能)
Android JVM相关知识，可参看: ART、Dalvik
Android JNI、NDK相关知识，可参看: NDK
JNI不一定显得更快，有些会更慢。
特点: 不用在虚拟机的框子下写代码
- 可以调用更底层的高性能的代码库 – Good
- 如果是Dalvik，将省去了由JIT编译期转为本地代码的这个步骤。 – Good
- Java调用JNI的耗时较Java调用Java肯定更慢，虽然随着JDK版本的升级，差距已经越来越小(JDK1.6版本是5倍Java调用Java方法的耗时) – Bad
- 内存不在Java Heap，没有OOM风险，有效减少gc。 – Good
一些重要的参数之类，也可以考虑放在Native层，保证安全性。参考: Android应用程序通用自动脱壳方法研究
360 17个进程: 360手机卫士 Android开发 InfoQ视频 总结
- 充分独立，解耦部分
- 大内存(如临时展示大量图片的Activity)、无法解决的crash、内存泄漏等问题，考虑通过独立进程解决
- 独立于UI进程，需要在后台长期存活的服务(参看Android中线程、进程与组件的关系)
- 非己方第三方库（无法保证稳定、性能等问题，并且独立组件），可考虑独立进程
最后，多进程存在的两个问题: 1. 由于进程间通讯或者首次调起进程的消耗等，带来的cpu、i/o等的资源竞争。2. 也许对于部分同事来说，会还有可读性问题吧，毕竟多了层IPC绕了点。
相关深入优化，可参看Android绘制布局相关
对于卡顿相关排查推荐参看: Android性能优化案例研究(上)与Android性能优化案例研究（下）
- 减少不必要的不透明背景相互覆盖，减少重绘，因为GPU不得不一遍又一遍的画这些图层
- 保证UI线程一次完整的绘制(measure、layout、draw)不超过16ms(60Hz)，否则就会出现掉帧，卡顿的现象
- 在UI线程中频繁的调度中，尽量少的对象创建，减少gc等。
- 分步加载（减少任务颗粒）、预加载、异步加载(区别出耗时任务，采用异步加载)
可以参考Falcon Pro作者的推荐: Falcon Pro 3如何完成独立开发演讲分析
1. 代码编写习惯
RxJava (响应式编程，代码更加简洁，异步处理更快快捷、异常处理更加彻底、数据管道理念)
相关了解可以参看: RxJava
2. 图片加载:
- 小型快捷: Picasso (接口干净、支持okhttp、功能强大、稳定、高效, 可以延读: PhotoGallery、Volley、Picasso 比较)
- 大项目考虑: Fresco (2.5M，pipeline解决资源竞争、Native Heep解决OOM，的同时减少GC)
3. 网络底层库:
Okhttp: 默认gzip、缓存、安全等
4. 网络基层:
Retrofit: 非常好用的REST Client，结合RxJava简单API实现、类型安全，简单快捷
5. 数据库层:
Realm: 效率极高(Falcon Pro 3的作者Joaquim用了该库以后，所有数据库操作都放到了UI线程)（基于TightDB，底层C++闭源，Java层开源，简单使用，性能远高于SQLite等）
6. Crash上报:
Fabric: 全面的信息(新版本还支持JNI Crash获取和上报)、稳定的数据、及时的通知、强大的反混淆(其实在混淆后有上传mapping)
7. 内存泄漏自动化检测
LeakCanary: 自动化泄漏检测与分析 ( 可以看看这个LeakCanary使用总结与Leakcanary Square的一款Android/Java内存泄漏检测工具)
8. 其他
- 代码质量: phabricator 的arc diff (尽量小颗粒度的arc diff 与update review)，其实也可以看看Google是如何做的: 笔记-谷歌是如何做代码审查的，还有一点的TODO要写好deadline与master
- 编包管理: Gitlab CI (结合Gitlab，功能够用，方便)
- 无法解决的泄漏（如系统底层引起的)移至独立进程(如2.x机器存在webview的内存泄漏)
- 大图片资源/全屏图片资源，要不放在下，要不放在下，要不都带，否则缩放会带来额外耗时与内存问题
- 4.x在AndroidManifest中配置，一般dvm heep最大值可增大50%以上。
- 在以后，遍历所有View，干掉所有View可能的引用(通常泄漏一个Activity，连带泄漏其上的View，然后就泄漏了大于全屏图片的内存)。
- 万金油: 静态化内部类，使用引用外部类，防止内部类长期存在，泄漏了外部类的问题。
图片Decode
- 全局统一出口，捕获此处decode oom，控制长宽（小于屏幕分辨率大小 ）
- 如果采用RGB_8888 oom了，尝试RGB_565(相比内存小一半以上(wh2(bytes)))
- 如果还考虑2.x机器的话，设置的参数为true，此时decode的内存不会上报到dvm中，便不会oom。
- 考虑采用DexGuard，或ProGuard结合相关资源混淆来提高安全与包大小，参考: DexGuard、Proguard、Multi-dex
- 结合Gradle、Gitlab-CI 与Slack(Incoming WebHooks)，快速实现，打相关git上打相关Tag，自动编相关包通知Slack。
- 结合Gitlab-CI与Slack(Incoming WebHooks)，快速实现，所有的push，Slack快速获知。
- 结合Gradle中Android提供的参数，定义不同的variations，快速批量打渠道包
- 能用就用（高效: 编译器在调用方法时，会转入内嵌机制）
- 懒预加载，如简单的ListView、RecyclerView等滑动列表控件，停留在当前页面的时候，可以考虑直接预加载下个页面所需图片
- 智能预加载，通过权重等方式结合业务层面，分析出哪些更有可能被用户浏览使用，然后再在某个可能的时刻进行预加载。如，进入朋友圈之前通过用户行为，智能预加载部分原图。
- 做好有损体验的准备，在一些无法避免的问题面前做好有损体验（如，非UI进程crash，可以自己解决就不要让用户感知，或者UI进程crash了，做好场景恢复）
- 做好各项有效监控：crash(注意还有JNI的)、anr(定期扫描文件)、掉帧(绘制监控、activity生命周期监控等)、异常状态监控(本地Log根据需要不同级别打Log并选择性上报监控)等
- 文件存储推荐放在里(在应用卸载时，会随即删除)()，而非根目录建文件夹（节操问题）
- 通过gradle的与参数可以简单快速的在编包的时候自动删除无用资源
- 由于resources.arsc在api8以后，aapt中默认采用UTF-8编码，导致资源中大都是中文的resources.arsc相比采用UTF-16编码更大，此时，可以考虑aapt中指定使用UTF-16
- 谷歌建议，大于10M的大型应用考虑安装到SD卡上: App Install Location
- 当然运维也是一方面: Optimize Your App
- 在已知并且不需要栈数据的情况下，就没有必要需要使用异常，或创建生成栈快照是一项耗时的工作。
版权声明：
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！
转载请注明出处，原文链接：https://www.xkablog.com/rfx/44924.html