📚 课程目录第2章 Android图片加载核心流程

2. Android 图片加载核心流程

在 Android 平台上加载一张网络图片并显示到 ImageView 中，涉及五个关键阶段：Bitmap 解码、内存缓存、磁盘缓存、网络请求、线程调度。理解每一阶段的职责与协作关系，是实现高性能异步加载的基础。

2.1 五阶段流程总览

下表梳理了每个阶段的核心组件与主要作用：

阶段	核心组件 / API	主要作用
Bitmap 解码	`BitmapFactory`、`BitmapFactory.Options`	将字节流转换为 Bitmap，支持降采样（inSampleSize）
内存缓存	`LruCache`、`LinkedHashMap`	快速存取已解码的 Bitmap，避免重复解码
磁盘缓存	`DiskLruCache`、文件系统	持久化原始网络数据，减少网络请求
网络请求	`OkHttp`、`HttpURLConnection`	从远程服务器下载图片字节流
线程调度	`ThreadPoolExecutor`、`Handler`	将耗时操作切到子线程，结果回调主线程

2.2 各阶段深度解析

2.2.1 Bitmap 解码

BitmapFactory 提供 decodeFile()、decodeStream()、decodeByteArray() 等静态方法。关键优化是通过 BitmapFactory.Options 设置 inJustDecodeBounds 先读取尺寸，再计算 inSampleSize 进行降采样，避免一次性加载大图导致 OOM。

BitmapFactory.Options options = new BitmapFactory.Options();
options.inJustDecodeBounds = true;
BitmapFactory.decodeResource(getResources(), R.id.myimage, options);
int imageHeight = options.outHeight;
int imageWidth = options.outWidth;
// 根据目标尺寸计算 inSampleSize
options.inSampleSize = calculateInSampleSize(imageWidth, imageHeight, targetWidth, targetHeight);
options.inJustDecodeBounds = false;
Bitmap bitmap = BitmapFactory.decodeResource(getResources(), R.id.myimage, options);

2.2.2 内存缓存

Android 官方推荐使用 LruCache，基于 LRU 算法淘汰最近最少使用的 Bitmap。缓存大小通常取应用可用内存的 1/8。注意：LruCache 的 sizeOf() 应返回 bitmap.getAllocationByteCount()（API 19+）以保证准确计数。

关键实现：

final int maxMemory = (int) (Runtime.getRuntime().maxMemory() / 1024);
final int cacheSize = maxMemory / 8;
LruCache memoryCache = new LruCache(cacheSize) {
    @Override
    protected int sizeOf(String key, Bitmap bitmap) {
        return bitmap.getAllocationByteCount() / 1024;
    }
};

2.2.3 磁盘缓存

DiskLruCache 将图片的字节数据以文件形式存储在应用缓存目录，支持自动淘汰。每个缓存条目对应一个 key（通常为 URL 的 MD5），value 为文件流。读取时先查内存缓存，未命中则从磁盘读取并解码，同时回写到内存缓存。

注意： DiskLruCache 在 Android 4.0+ 中已内置，但需要手动管理文件锁和 Editor 提交/回滚；不要在主线程中读写磁盘。

2.2.4 网络请求

推荐使用 OkHttp 进行 HTTP 请求，支持连接池、响应缓存（配合 Cache 类实现磁盘层）、重试机制。图片下载时需设置 ResponseBody.byteStream() 为 BufferedSource 以便边下载边解码。

OkHttpClient client = new OkHttpClient.Builder()
    .cache(new Cache(cacheDir, 10 * 1024 * 1024)) // 10MB 磁盘缓存
    .build();
Request request = new Request.Builder().url(url).build();
Response response = client.newCall(request).execute();
if (response.isSuccessful()) {
    InputStream inputStream = response.body().byteStream();
    // 传递 inputStream 给解码或磁盘写入
}

2.2.5 线程调度

使用 ThreadPoolExecutor 管理后台线程池，避免无限创建线程。将图片加载任务封装为 Runnable 提交，执行完成后通过 Handler 或 View.post() 切回主线程更新 UI。推荐配置：核心线程数 = CPU 核数 + 1，最大线程数 = CPU 核数 × 2。

Executor executor = new ThreadPoolExecutor(
    CORE_POOL_SIZE, MAX_POOL_SIZE, KEEP_ALIVE_SECONDS,
    TimeUnit.SECONDS, new LinkedBlockingQueue(128));
Handler mainHandler = new Handler(Looper.getMainLooper());

executor.execute(new Runnable() {
    @Override
    public void run() {
        final Bitmap bitmap = loadBitmap(url);
        mainHandler.post(new Runnable() {
            @Override
            public void run() {
                imageView.setImageBitmap(bitmap);
            }
        });
    }
});

2.3 核心流程框架图

下图展示了从“图片请求”到“显示到 View”的完整执行路径，以及缓存与线程调度的协作关系：

2.4 常见错误与性能陷阱

主线解码 OOM：未设置 inSampleSize 或 inPreferredConfig 为 ARGB_8888 导致内存暴涨。应在子线程读取边界后计算采样。
线程阻塞 UI：在 ListView / RecyclerView 滚动时直接在主线程加载图片会导致卡顿。务必使用 ThreadPoolExecutor + Handler 模式。
内存缓存穿透：缓存 key 设计不当（如未使用 URL + 尺寸作为复合 key）导致不停请求网络。
磁盘缓存未同步：多线程同时写入同一磁盘缓存条目可能造成文件损坏。应使用 DiskLruCache 的 edit() 和 commit() 原子操作。

调试建议： 使用 Android Studio 的 Profile 观察内存抖动与线程活动；在 onLowMemory() 中清空内存缓存；通过 StrictMode 检测主线程磁盘/网络访问。