非静态内部类可能导致的内存泄漏及其优化

简介: package cc.cc;import android.os.Bundle;import android.app.Activity;/** * Demo描述: * 非静态内部类可能导致的内存泄露及其优化 * * 在MainActivity中定义了两个内部类InnerClassTest和ThreadSubClass.
package cc.cc;

import android.os.Bundle;
import android.app.Activity;

/**
 * Demo描述:
 * 非静态内部类可能导致的内存泄露及其优化
 * 
 * 在MainActivity中定义了两个内部类InnerClassTest和ThreadSubClass.
 * 在这里需要注意一个问题:
 * 内部类持有外部类的引用!!!!
 * 或者说内部类对外部类持有隐式的引用!!!!
 * 
 * 假如我们在内部类中做耗时的操作或者说有个while(true)死循环,即内部类的对象一直存在;
 * 那么当这个MainActivity应该被回收时(比如屏幕的旋转)GC发现它还被其内部类的对象引用
 * 所以就不会将其回收.假如该Activity中含有大量的资源(比如图片)那么就很容易发生OOM.
 * 
 * 优化方式:
 * 使用静态的内部类,这样的内部类就不会持有外部类的隐式引用;也就不会影响到GC对于外部类的回收
 * 
 * 
 * 参考资料:
 * 1 http://blog.csdn.net/guolin_blog/article/details/42238633
 * 2 http://blog.csdn.net/tu_bingbing/article/details/10395129
 * 3 http://blog.csdn.net/zhangjg_blog/article/details/20000769
 * 4 http://blog.csdn.net/zhongwcool/article/details/22886067
 * 5 http://foolog.net/wap/index-wap2.php?p=2550
 * 6 http://blog.csdn.net/theone10211024/article/details/45645309
 * 7 http://blog.csdn.net/tu_bingbing/article/details/10350533
 * 8 http://www.eoeandroid.com/thread-571279-1-1.html
 * 9 http://2dxgujun.com/post/2014/09/11/Handler-Leaks-Solution.html
 *   Thank you very much
 *
 */
public class MainActivity extends Activity {
    private BetterThread mBetterThread;
	@Override
	protected void onCreate(Bundle savedInstanceState) {
		super.onCreate(savedInstanceState);
		setContentView(R.layout.main);
	}
	
	private void init(){
		mBetterThread=new BetterThread();
		mBetterThread.start();
	}
	
	
	//定义一个内部类
	private class InnerClassTest {

		private InnerClassTest() {

		}

		private void methodA() {
			//Activity activity=MainActivity.this;
		}

		private void methodB() {

		}

	}
	
	
	//定义一个内部类
	private class ThreadSubClass extends Thread{
		@Override
		public void run() {
			super.run();
			//Activity activity=MainActivity.this;
		}
		
	}
	
	
	
	//优化后的方式
	private static class BetterThread extends Thread {
		private boolean isRunning = true;
		@Override
		public void run() {
			super.run();
			while(isRunning){
				//doing something
			}
		}
		
		public void stopThread(){
			isRunning=false;
		}
	}
	
	
	//停止线程
	@Override
	protected void onDestroy() {
		mBetterThread.stopThread();
		super.onDestroy();
	}

}

相关文章
|
3月前
|
缓存 固态存储 Windows
如何让内存发挥到最大效能?全面优化指南,提升电脑运行体验
电脑内存使用不合理会导致卡顿,本文教你如何优化内存性能。检查内存容量与主板支持上限,考虑升级或调整配置;关闭后台程序、管理浏览器标签、结束异常进程以释放内存;设置虚拟内存、调整视觉效果、定期重启提升效率;必要时增加内存条、选择高频内存、更换固态硬盘。避免盲目清理内存和依赖大内存忽视其他硬件瓶颈。只需合理设置,无需额外花钱,就能显著提升电脑速度。
|
3月前
|
存储 人工智能 自然语言处理
AI代理内存消耗过大?9种优化策略对比分析
在AI代理系统中,多代理协作虽能提升整体准确性,但真正决定性能的关键因素之一是**内存管理**。随着对话深度和长度的增加,内存消耗呈指数级增长,主要源于历史上下文、工具调用记录、数据库查询结果等组件的持续积累。本文深入探讨了从基础到高级的九种内存优化技术,涵盖顺序存储、滑动窗口、摘要型内存、基于检索的系统、内存增强变换器、分层优化、图形化记忆网络、压缩整合策略以及类操作系统内存管理。通过统一框架下的代码实现与性能评估,分析了每种技术的适用场景与局限性,为构建高效、可扩展的AI代理系统提供了系统性的优化路径和技术参考。
167 4
AI代理内存消耗过大?9种优化策略对比分析
|
6月前
|
缓存 并行计算 PyTorch
PyTorch CUDA内存管理优化:深度理解GPU资源分配与缓存机制
本文深入探讨了PyTorch中GPU内存管理的核心机制,特别是CUDA缓存分配器的作用与优化策略。文章分析了常见的“CUDA out of memory”问题及其成因,并通过实际案例(如Llama 1B模型训练)展示了内存分配模式。PyTorch的缓存分配器通过内存池化、延迟释放和碎片化优化等技术,显著提升了内存使用效率,减少了系统调用开销。此外,文章还介绍了高级优化方法,包括混合精度训练、梯度检查点技术及自定义内存分配器配置。这些策略有助于开发者在有限硬件资源下实现更高性能的深度学习模型训练与推理。
1030 0
|
4月前
|
缓存 监控 Cloud Native
Java Solon v3.2.0 高并发与低内存实战指南之解决方案优化
本文深入解析了Java Solon v3.2.0框架的实战应用,聚焦高并发与低内存消耗场景。通过响应式编程、云原生支持、内存优化等特性,结合API网关、数据库操作及分布式缓存实例,展示其在秒杀系统中的性能优势。文章还提供了Docker部署、监控方案及实际效果数据,助力开发者构建高效稳定的应用系统。代码示例详尽,适合希望提升系统性能的Java开发者参考。
173 4
Java Solon v3.2.0 高并发与低内存实战指南之解决方案优化
|
4月前
|
存储 自然语言处理 算法
基于内存高效算法的 LLM Token 优化:一个有效降低 API 成本的技术方案
本文探讨了在构建对话系统时如何通过一种内存高效算法降低大语言模型(LLM)的Token消耗和运营成本。传统方法中,随着对话深度增加,Token消耗呈指数级增长,导致成本上升。
306 7
基于内存高效算法的 LLM Token 优化:一个有效降低 API 成本的技术方案
|
5月前
|
缓存 编解码 Android开发
Android内存优化之图片优化
本文主要探讨Android开发中的图片优化问题,包括图片优化的重要性、OOM错误的成因及解决方法、Android支持的图片格式及其特点。同时介绍了图片储存优化的三种方式:尺寸优化、质量压缩和内存重用,并详细讲解了相关的实现方法与属性。此外,还分析了图片加载优化策略,如异步加载、缓存机制、懒加载等,并结合多级缓存流程提升性能。最后对比了几大主流图片加载框架(Universal ImageLoader、Picasso、Glide、Fresco)的特点与适用场景,重点推荐Fresco在处理大图、动图时的优异表现。这些内容为开发者提供了全面的图片优化解决方案。
182 1
|
9月前
|
存储 设计模式 监控
快速定位并优化CPU 与 JVM 内存性能瓶颈
本文介绍了 Java 应用常见的 CPU & JVM 内存热点原因及优化思路。
916 166
|
11月前
|
存储 算法 Java
Java内存管理深度剖析与优化策略####
本文深入探讨了Java虚拟机(JVM)的内存管理机制,重点分析了堆内存的分配策略、垃圾回收算法以及如何通过调优提升应用性能。通过案例驱动的方式,揭示了常见内存泄漏的根源与解决策略,旨在为开发者提供实用的内存管理技巧,确保应用程序既高效又稳定地运行。 ####
|
7月前
|
数据采集 Web App开发 调度
Headless Chrome 优化:减少内存占用与提速技巧
在数据驱动的时代,爬虫技术至关重要。本文聚焦 Headless Chrome 优化方案,解决传统爬虫内存占用高、效率低等问题。通过无界面模式、代理 IP等配置,显著降低资源消耗并提升速度。实际案例中,该方案用于采集汽车点评数据,性能提升明显:内存占用降低 30%-50%,页面加载提速 40%-60%。结合技术架构图与演化树,全面解析爬虫技术演进,助力高效数据采集。
312 0
Headless Chrome 优化:减少内存占用与提速技巧
|
7月前
|
存储 设计模式 监控
如何快速定位并优化CPU 与 JVM 内存性能瓶颈?
如何快速定位并优化CPU 与 JVM 内存性能瓶颈?
168 0
如何快速定位并优化CPU 与 JVM 内存性能瓶颈?