View性能优化

Android View 性能优化体系

---

一、规避过度绘制（GPU优化）

专注于减少GPU的无效像素填充负载

• 概念解析：
  GPU在单个像素点重复绘制超过2.5次（1x绘制+1.5x半透明混合）的现象，消耗填充率导致帧率下降
• 检测工具：
  开发者选项->调试GPU过度绘制（蓝色<1x, 绿色<2x, 粉色<3x, 红色≥4x）
• 核心策略：
  • 移除无效背景层：
    • 检查并移除Activity根布局或主题中冗余的windowBackground
    • 删除被完全覆盖的中间层布局（如FrameLayout）背景
    • 避免在自定义View的onDraw()中绘制被覆盖区域
  • 层级扁平化：
    • 使用ConstraintLayout替代多层嵌套布局
    • 减少RelativeLayout导致的二次测量
  • 透明效果控制：
    • 避免大面积半透明视图（引发GPU混合计算）
    • 硬件层动画结束时立即禁用（setLayerType(LAYER_TYPE_NONE)）
  • 引用关键通用技术：
    结合clipRect/quickReject限定绘制区域（详见通用技术章节）

---

二、绘制指令优化（CPU优化）

降低CPU生成绘制指令的开销

• 优化焦点：
  onDraw()方法的执行效率与资源管理
• 核心准则：
  • 禁止内存分配：
    绝不在onDraw()中创建Paint/Path/Bitmap对象（应在构造方法初始化）
  • 规避耗时操作：
    避免复杂计算、IO或解析逻辑
  • 阻断递归触发：
    禁止在onDraw()中调用invalidate()或requestLayout()
• 高级技巧：
  • 绘图资源复用：
    对矢量图(VectorDrawable)和位图采用不同优化策略
    • 小图标优先使用矢量图
    • 位图加载启用inSampleSize采样和RGB_565解码
    • 使用ImageView.setImageDrawable()替代canvas.drawBitmap()
  • 透明效果实现：
    优先使用View.setAlpha()而非半透明背景色
  • 引用关键通用技术：
    精准控制硬件加速生命周期（详见通用技术章节）

---

三、通用核心技术

跨优化领域的共性技术方案

• 区域裁剪技术：

  graph TB
    A[canvas.clipRect] --> B[限定子View绘制区域]
    C[canvas.quickReject] --> D[跳过屏幕外区域绘制]
    A-->|ViewGroup| E[重写dispatchDraw控制]
    C-->|自定义View| F[onDraw中预判可见性]
  

  • 在ViewGroup.drawChild中限定子View绘制边界
  • 列表项等非重叠视图必备优化手段

• 硬件加速深度指南：

  • 运作机制：

    • 将View缓存为GPU纹理(Texture)
    • 通过setLayerType(LAYER_TYPE_HARDWARE, null)启用

  • 最佳实践：

    // 动画开始前启用
    view.setLayerType(LAYER_TYPE_HARDWARE, null);
    ObjectAnimator.run();
    // 动画结束后立即释放
    animator.addListener(() -> {
        view.setLayerType(LAYER_TYPE_NONE, null);
    });
    

  • 开销预警：

    • 离屏缓冲增加20%-30%内存占用
    • 静态视图启用反而降低性能

• 圆角处理方案：

  实现方式	适用场景	性能影响
  ViewOutlineProvider	小面积圆角	★★☆
  .9.png贴图	固定尺寸元素	★☆☆
  绘制圆角矩形	动态尺寸视图	★★☆
  clipToOutline	避免大面积使用	★★★

---

四、布局优化（独立模块）

优化测量(measure)与布局(layout)阶段性能

• 检测工具：
  Profile GPU Rendering分析各阶段耗时
• 优化策略：
  • 层级压缩：
    • 使用ConstraintLayout减少嵌套
    • 避免LinearLayout权重导致的二次测量
  • 动态加载：
    • <merge>消除冗余容器层
    • ViewStub延迟加载隐藏视图
  • 自定义布局优化：
    • 缓存onMeasure()计算结果
    • 只测量可见子View

---

优化关联图谱

flowchart TD
    A[性能优化] --> B[GPU负载]
    A --> C[CPU负载]
    B --> D[过度绘制优化]
    C --> E[布局计算优化]
    C --> F[绘制指令优化]
    D & F --> G[通用技术]
    G --> H[区域裁剪]
    G --> I[硬件加速]
    G --> J[圆角处理]

该重组方案：

1. 完整保留原文所有技术点
2. 消除硬件加速/clipRect等技术点的重复描述
3. 建立清晰的「GPU优化-CPU优化-通用技术」逻辑链路
4. 通过流程图和表格提升关键技术的可操作性
5. 维持与原文档相同的技术细节颗粒度

最终形成的体系逻辑：
GPU优化解决"绘制次数"问题 → CPU优化解决"绘制效率"问题 → 通用技术提供跨领域解决方案 → 布局优化作为独立并行模块

• canvas.save(): 将当前绘制状态（矩阵变换/裁剪区域/图层属性）存入栈中
• canvas.restore(): 从栈顶取出最近保存的状态并恢复
• canvas.quickReject():快速判断指定矩形区域是否完全位于当前裁剪区域外