一、图片加载与内存管理概述
说起移动端图片加载，我第一个想到的，就是几年前那个崩溃的电商首页。
用户滑几下就闪退，后台日志全是 OutOfMemoryError。那会儿我才明白——图片优化不只是调个压缩参数那么简单，它本质上是内存管理问题。你想想看，一张 1920x1080 的高清图，不解码就有 6MB 原始像素数据，要是列表里同时加载十几张…… 嗯，手机吃不消的。
1.1 为什么图片加载是性能瓶颈？
我归纳了三个核心原因：
- 内存占用巨大：一张 2K 屏的 24 位图片，像素数据约 12MB。滑动列表时视图回收不及时，显存瞬间爆炸。
- OOM 风险高：Android 每个 App 有堆内存上限（通常 64MB～256MB），iOS 虽然用虚拟内存 + ARC，但图片解码依然占用物理内存。我见过一个案例，轮播图用 WebP 但解码后没缓存，用户快速切换时内存峰值冲到 180MB，直接闪退。
- 解码与渲染耗时：位图解码是 CPU/GPU 密集型操作。早期项目用 ImageIO 同步解码，列表滚动掉帧严重。
1.2 内存管理基础：引用计数、ARC、GC
不同平台管理内存的方式不一样，但核心都是「谁引用谁负责释放」。我整理了一张对比表：
| 平台 | 机制 | 特点 | 图片常见问题 |
|---|---|---|---|
| iOS (ObjC/Swift) | ARC (自动引用计数) | 编译期插入 retain/release，运行时无暂停 | 循环引用导致图片视图无法释放；大图片未 weak 持有 |
| Android (Java/Kotlin) | GC (分代回收) | STW 暂停；低端设备回收延迟 | Bitmap 对象虽置 null 但 native 内存未及时释放；解码后软引用被回收 |
| Flutter (Dart) | GC + 异步 | Isolate 独立堆；图片缓存由 ImageCache 管理 | 大量 GIF 或超大图导致 isolate 堆暴涨 |
说白了，不管是引用计数还是垃圾回收，图片对象一旦被视图树引用，内存就收不回来。所以图片加载框架的核心职责，就是「主动管理引用，按需回收」。我个人习惯的做法：在 View 生命周期结束时，强引用置 null，再调用框架的释放缓存接口。
1.3 图片缓存策略：两级缓存
移动端最经典的方案是「内存缓存 + 磁盘缓存」。我早期参与的一个社交 App，直接裸用 SDWebImage 的默认策略，用户上传 4800 万像素的照片，缩略图列表就崩了。后来改成了两级控制：
- 内存缓存：LRU 策略，限制最大条目（如 50 张）或最大字节数（如 32MB）。使用弱引用队列作为二级后备。
- 磁盘缓存：按文件系统存储，过期时间 7 天。图片的原始数据和缩略图分开存放。
这里我建议一个关键细节：解码后的图片缓存进内存，未解码的元数据缓存进磁盘。为什么？因为磁盘 I/O 慢，内存缓存快的代价是占用宝贵 RAM。如果磁盘里存已解码的位图文件，下次读取其实没啥用，还得解压一次。更聪明的做法是存 WebP 或 JPEG 原始数据，读出来再按需解码。
1.4 常见内存优化手段
- 采样率/缩略图：根据 ImageView 尺寸，用 BitmapFactory.Options.inSampleSize 或 ImageIO 的 downscale 避免加载原始分辨率。
- 复用 Bitmap 池：RecyclerView 复用 item 时，把旧 ImageView 的 Bitmap 回收或放入缓存池。
- 图片格式选择：WebP 无损压缩比 PNG 小 26%，有损小 25%-34%；JPEG 的渐进式加载对用户体验友好。
- 使用 LRU 缓存 + 软引用二级缓存：Android 中组合 LruCache 和 WeakReference 作为背垫，避免图片反复解码。
- 避免大图直接进入列表：Glide 或 Picasso 的 override(width, height) 是好习惯。
- 监控内存使用：通过 Profiler 或 LeakCanary 定期检查。
嗯，说到监控，我记得有一次线上问题：用户反馈首页卡顿，我打开 Android Profiler 一看，堆内存里居然有 5 个 1920x1080 的 Bitmap，占用了 60MB。排查下来是 ViewPager 预加载时没有销毁旧页面的图片。后来加上了 onPageSelected 里主动清理不可见页面的缓存，内存瞬间掉到 25MB。
1.5 本章知识体系
下面这张图总结了本章的核心脉络，从内存管理基础，到缓存策略，再到实际优化手段与监控工具。你可以照着它构建自己的知识地图：
好了，本节的内容就是这些。记住一个核心观点：图片优化本质是内存管理，而内存管理的命脉在于引用与缓存策略。后面的章节我们会逐一深入每个细节，包括 Bitmap 复用池、WebP 编解码优化、自定义 LRU 实现等实战内容。