一、前言
Glide 是 Google 官方推薦的一款圖片載入庫，使用起來也非常的簡單便利，Glide 它幫我們完成了很多很重要，但是卻通用的功能，例如：圖片的載入壓縮、展示、載入圖片的記憶體管理等等。
對 Glide 還不熟悉的朋友，可以參考 《一篇好文，助你上手 Glide》
但是，在使用 Glide 的時候，有一些小技巧，可以讓你的記憶體更優化，避免可能出現的 OOM。例如：雖然 Glide 會根據載入的控制元件大小，優化載入後的圖片尺寸，可如果載入的是一張全屏的大圖，依然會是一個佔用記憶體空間非常大的操作。
具體一張 Bitmap 到底佔用了多少記憶體空間，可以參考《Bitmap 比你想的更費記憶體 | 吊打 OOM》
本文有些建議來自 Android TV App，而 Android TV 眾多的智慧電視和智慧盒子，實際上硬體條件非常的惡劣，而 Android TV 的 App ，為了美化，會用到大部分的圖片，所以在圖片使用方面，OOM 的問題就會被放大，而下面介紹的一些優化方案，在 Android 手機硬體條件非常好的環境下，不使用影響也不大。
二、開始優化
2.1 配置好 TrimMemory 和 LowMemory
Glide 幫我們做了大部分記憶體管理方面的事情，實際上它還支援做的更好。
對於一個 App 而言，在系統記憶體環境不足的情況下，會回撥一些 onTrimMemory() 或者 onLowMemory() 等方法，這些都是在提醒開發者，當前裝置的記憶體環境已經發生了變化，你最好調整你的記憶體使用策略，避免被系統清理掉或者出現 OOM 。
關於 onTrimMemroy() 相關內容，不瞭解的可以先參考《Android 開發，跳不過的記憶體管理》
而 Glide 也為我們提供了類似方法的介面，開發者只需要呼叫即可，它在內部會隨著不同的記憶體情況，幫我們對快取的圖片進行優化。
在這裡，你主要用到 Glide 的 trimMemory() 和 cleanMemroy() 方法，它們一個用來裁剪 Glide 快取的圖片記憶體空間，一個用來清理 Glide 快取的記憶體空間。
在使用 onTrimMemory() 之前，一般是實現 ComponentCallbacks2 介面，然後在 Application 中，通過 registerComponentCallbacks() 方法進行註冊。當然，如果你嫌麻煩，還可以直接在 Application 中，重寫對應的方法。
瞭解了這些，就可以根據我們的需要來配置在何時呼叫 Glide 的對應方法，我推薦的配置：
- 在 lowMemory 的時候，呼叫
Glide.cleanMemroy()清理掉所有的記憶體快取。 - 在 App 被置換到後臺的時候，呼叫
Glide.cleanMemroy()清理掉所有的記憶體快取。 - 在其它情況的
onTrimMemroy()回撥中，直接呼叫Glide.trimMemory()方法來交給 Glide 處理記憶體情況。
那麼對應的程式碼，如下：
既然知道需要呼叫 Glide 的這兩個方法，我們還是需要了解到它內部到底幫我們做了什麼。先來看看 Glide 對應的原始碼。
在 Glide 的這些方法內，可以看到，它們都會去操作 memoryCache 和 bitmapPool 這兩個物件，實際上它們是兩個介面，這裡如果做特殊處理，操作的都是 Glide 對它們的預設實現，LruResourceCache 和 LruBitmapPool 。從名稱上可以看出來，它們都是遵循 Lru 演算法的。
就 Glide 而言，Memory Cache 是 Glide 用來在記憶體中快取圖片資源，使其在需要使用的時候立刻就可以使用，而不必執行磁碟的 I/O 操作，而 BitmatPool 則是 Glide 維護了一個圖片複用池，LruBitmapPool 使用 Lru 演算法保留最近使用的尺寸的 Bitmap，這不是本文的重點，大家瞭解一下即可。
其實 LruResourceCache 和 LruBitmapPool 中，對 clearMemory() 和 trimMemory() 的操作是類似的，這裡就以 LruBitmapPool 舉例。
在 LruBitmapPool 中，會根據回撥的方法以及引數，呼叫 clearMemory() 或者 trimToSize()，其實最終都是呼叫的 trimToSize() 方法。它用於裁剪當前快取資源的個數。
可以看到，根據裁剪的目標尺寸，會去回收多餘的 Bitmap 到合適的目標大小，以達到清理記憶體的目的。
2.2 配置 GlideModule
GlideModule 是 Glide 提供的一個配置介面，它會在第一次使用 Glide 的時候被呼叫，用於進行 Glide 的一些初始的配置。
具體 GlideModule 的使用，可以參見官方文件：
GlideModule 是一個介面，需要實現其對應的方法。
這裡我們只需要使用 applyOptions() 這個方法，它用於在 Glide 的預設配置的基礎上，追加一些我們需要的配置。
而在這裡，我們可以根據當前裝置的記憶體情況，對其進行一個設定，使用 ActivityManager 獲取當前裝置的記憶體情況，如果是處於 lowMemory 的時候，將圖片的 DecodeFormat 設定為 RGB_565 ， RGB_565 和預設的 ARGB_8888 比，每個畫素會少 2 個byte，這樣，等於一張同樣的圖片，載入到記憶體中會少一半記憶體的佔用（ARGB_8888 每個畫素佔 4 byte）。
2.3 避免使用圓角的ImageView
在實際專案內，經常會用到一些帶圓角的圖片，或者直接就是圓形的圖片。圓形的圖片，多數用於一些使用者的頭像之類的顯示效果。
而在 Android 下，也有大量的類似 XxxImageView 的開源控制元件，用於操作 Bitmap 以達到一個圓角圖片的效果，例如 Github 上比較火的 RoundedImageView。
它們大部分的原理，是接收到你傳遞的 Bitmap ，然後再輸出一個與原來 Bitmap 等大的新 Bitmap ，在此基礎之上，進行圓角的一些處理，這就導致了，實際上會在記憶體中，多持有一個 Bitmap ，一下一張圖片佔用的記憶體就被加倍了。
所以既然已經選擇使用 Glide ，推薦使用 glide-transformations 這個開源庫配合使用，glide-transformations 利用 Glide 的 bitmapTransfrom() 介面，實現對載入的 Bitmap 的進行一些變換操作。
glide-transformations 的 Github 地址如下：
glide-transformations 提供一系類對載入的圖片的變換操作，從形狀變換到色彩變換，全部支援，基本上滿足大部分開發需要，並且它會複用 Glide 的 BitmapPool ，來達到節約記憶體的目的。
具體 glide-transformations 的使用，可以檢視 Github 上的文件，下面是它的一個效果圖。
2.4 根據記憶體情況，裁剪你的圖片
前面的介紹的一些優化點，都是一些推薦的通用做法，基本上用了前面介紹的辦法，圖片導致的 OOM 應該會大幅度減少。
接下來介紹一個在 Android TV 上，載入全屏大圖的時候，優化記憶體問題的一個解決辦法。
首先要明確一點，國內 Android TV 的硬體環境非常的不好，二百三百的智慧盒子到處都在賣，畢竟也是跑的 Android 系統，你想想你使用的是一款 299 的 Android 手機，你對它也不會有什麼期待了。但是 Android TV 又是為了電視做的，所以大部分情況下，它都是需要支援 1920 * 1280 之類的螢幕尺寸，導致它如果載入一張全屏的大圖，消耗的記憶體是不忍直視的，如果在記憶體環境不好的情況下，可能就直接 OOM 崩潰了。
所以，對於這種極端的情況，我想到了一個辦法，根據當前的記憶體環境，按比例縮小需要顯示的全屏圖片，這樣載入到記憶體中的圖片，就是按比例縮小的。
在這裡就需要用到 DrawableRequestBuilder 的 override() 這個 Api 了，它可以接受一個 width 和 height ，來重新指定載入圖片的尺寸。
既然 Glide 已經提供了標準的 Api ，那麼我們還需要獲取到當前執行裝置的寬高。
這裡推薦使用 getRealSize() 的方式獲取螢幕的寬高，它可以真實的拿到當前螢幕的尺寸。其它 Api 在部分智慧電視和盒子上，拿到的尺寸會小，因為沒有計算 StatusBar 或者 NavigationBar的高度，這些都是經驗之談。
同時，我們也需要用到 ComponentCallbacks2 這個介面，前面已經介紹過了，就不再贅述了。
在其中，記錄 trim 的 level 這個值，反應當前的記憶體級別，在使用的時候，通過 getBitmapSize() 裁剪出一個符合當前記憶體環境的尺寸。
例子中只是對 TRIM_MENORY_RUNNING_LOW 進行了處理，會根據螢幕尺寸，縮放到 0.8f 倍的狀態。如果要做的更多，可以將其它幾個 level 也加上，調整不同的縮放倍數。
兩個都輸出一下，看看差別，同一張全屏的圖片，不縮放和縮放 0.8f 的差別。
I/cxmyDev: bgImage byteCount : 8294400
I/cxmyDev: bgImage byteCount : 5308416複製程式碼可以看到，優化的目的還是達到了。可以節約大概 3MB 左右的記憶體空間，而圖片又不至於模糊到無法看的地步。
三、小結
優化是沒有終點的，今天先聊到這裡，之後有想到的再補充。如果你有什麼更好的建議，可以在文末留言一起討論一下。
點贊或者分享吧~