内存溢出解决方案
1.内存溢出（OOM）是指应用系统中存在无法回收的内存或使用的内存过多，最终使得程序运行要用到的内存大于虚拟机能提供的最大内存。为了解决Java中内存溢出问题，
我们首先必须了解Java是如何管理内存的。Java的内存管理就 是对象的分配和释放问题。在Java中，内存的分配是由程序完成的，而内存的释放是由垃圾收集器(GarbageCollection，GC)完成的，
程 序员不需要通过调用GC函数来释放内存，因为不同的JVM实现者可能使用不同的算法管理GC，有的是内存使用到达一定程度时，GC才开始工作，也有定时执 行的，有的是中断式执行GC。
但GC只能回收无用并且不再被其它对象引用的那些对象所占用的空间。Java的内存垃圾回收机制是从程序的主要运行对象开始检查引用链，当遍历一遍后发现没有被引用的孤立对象就作为垃圾回收。
引起内存溢出的原因有很多种，常见的有以下几种：
? 内存中加载的数据量过于庞大，如一次从数据库取出过多数据；
? 集合类中有对对象的引用，使用完后未清空，使得JVM不能回收；
? 代码中存在死循环或循环产生过多重复的对象实体；
? 启动参数设定的过小；
2.内存溢出解决方案
- Android默认给每个app只分配16M的内存
方法1：等比例缩小图片
1 /**
2 *
3 * 下载图片
4 * @return
5 */
6 private Bitmap downloadBitmap(String url){
7 HttpURLConnection conn=null;
8 try {
9 conn=(HttpURLConnection) new URL(url)
10 .openConnection();
11
12 conn.setConnectTimeout(5000);
13 conn.setReadTimeout(5000);
14 conn.setRequestMethod("GET");
15 conn.connect();
16
17 int responseCode = conn.getResponseCode();//响应码
18
19 if(responseCode==200){//表示成功连接
20 InputStream inputStream = conn.getInputStream();
21
22 //图片的压缩设置
23 BitmapFactory.Options option=new Options();
24 option.inSampleSize=2;//表示将图片压缩原来的二分之一，需要根据图片的大小来计算出压缩值的大小
25 option.inPreferredConfig=Bitmap.Config.RGB_565;//通过设置图片的格式即像素大小来进行图片的压缩
26
27 Bitmap bitmap = BitmapFactory.decodeStream(inputStream,null,option);
28 return bitmap;
29 }
30
31 } catch (IOException e) {
32
33 e.printStackTrace();
34 }
35 finally{
36 conn.disconnect();
37 }
38 return null;
39
40 }
方法2. java中的引用，对图片采用软引用，及时地进行recyle()操作
- 强引用 垃圾回收器不会回收, java默认引用都是强引用
- 软引用 SoftReference 在内存不够时,垃圾回收器会考虑回收
- 弱引用 WeakReference 在内存不够时,垃圾回收器会优先回收
- 虚引用 PhantomReference 在内存不够时,垃圾回收器最优先回收
注意: Android2.3+, 系统会优先将SoftReference的对象提前回收掉, 即使内存够用
1 /**
2 *
3 * 内存缓存
4 * @author admin
5 *
6 */
7 public class MemoryCacheUtils {
8
9 private HashMap<String, SoftReference<Bitmap>> hashlist=new HashMap<String, SoftReference<Bitmap>>();
10
11
12 /**
13 *
14 * 从内存中读
15 * @param url
16 * @return
17 */
18 public Bitmap getBitmapFrommemory(String url){
19 SoftReference<Bitmap> soft= hashlist.get(url);
20 if(soft!=null){
21 Bitmap bitmap = soft.get();
22 return bitmap;
23 }
24 return null;
25
26
27 }
28
29
30 /**
31 *
32 * 写入内存
33 * @param url
34 * @param bitmap
35 */
36 public void setBitmapTomemory(String url,Bitmap bitmap){
37 SoftReference<Bitmap> softReference = new SoftReference<Bitmap>(bitmap);
38 if(softReference!=null){
39 hashlist.put(url, softReference);
40 }
41 }
42 }
方法3.LruCache
## LruCache ##
least recentlly use 最少最近使用算法
会将内存控制在一定的大小内, 超出最大值时会自动回收, 这个最大值开发者自己定
1 /**
2 *
3 * 内存缓存
4 * @author admin
5 *
6 */
7 public class MemoryCacheUtils {
8
9 // private HashMap<String, SoftReference<Bitmap>> hashlist=new HashMap<String, SoftReference<Bitmap>>();
10
11 private LruCache<String, Bitmap> lrucache;
12 public MemoryCacheUtils() {
13 long maxMemory = Runtime.getRuntime().maxMemory()/8;//设置允许占用最大内存
14 lrucache=new LruCache<String, Bitmap>((int) maxMemory){
15 @Override
16 protected int sizeOf(String key, Bitmap value) {
17 int bytecount=value.getRowBytes() * value.getHeight();
18 return bytecount;
19 }
20
21 };
22 }
23 /**
24 *
25 * 从内存中读
26 * @param url
27 * @return
28 */
29 public Bitmap getBitmapFrommemory(String url){
30 // SoftReference<Bitmap> soft= hashlist.get(url);
31 // if(soft!=null){
32 // Bitmap bitmap = soft.get();
33 // return bitmap;
34 // }
35 Bitmap bitmap = lrucache.get(url);
36 return bitmap;
37
38
39 }
40
41
42 /**
43 *
44 * 写入内存
45 * @param url
46 * @param bitmap
47 */
48 public void setBitmapTomemory(String url,Bitmap bitmap){
49 // SoftReference<Bitmap> softReference = new SoftReference<Bitmap>(bitmap);
50 // if(softReference!=null){
51 // hashlist.put(url, softReference);
52 // }
53 lrucache.put(url, bitmap);
54 }
55 }