移动端应用性能优化，请举例说明如何优化图片加载（如懒加载、图片压缩、缓存）、内存泄漏检测方法（如LeakCanary），以及如何通过代码或工具提升应用启动速度。

1) 【一句话结论】移动端应用性能优化中，图片加载通过懒加载（按需加载）、图片压缩（WebP/JPEG优化）、缓存（LRU复用）提升效率；内存泄漏用LeakCanary等工具检测；启动速度通过代码拆分（如Dagger模块化）、预加载关键资源、减少初始化逻辑缩短冷启动时间。

2) 【原理/概念讲解】老师口吻解释关键概念：

• 图片资源格式选择：WebP适用于图标、小尺寸图片（如导航栏图标），支持无损压缩（Q=100）；JPEG适用于照片（如用户头像、大尺寸图片），通过调整Q值（如Q=80）平衡体积和质量。
• 图片懒加载：类似“按需点餐”，页面滚动到图片位置才加载，减少初始资源消耗（如用RecyclerView的OnScrollListener检测滚动位置，触发图片加载）。
• 图片压缩：用WebP（比JPEG小30%以上）或JPEG算法减少体积，保留视觉质量（如Glide的override方法设置目标尺寸，或自定义压缩策略）。
• 图片缓存：用LRU缓存本地存储已加载图片，下次访问直接从缓存读取，减少网络请求（需控制缓存大小）。
• 内存泄漏检测（LeakCanary）：通过反射监控Activity/Fragment引用，当对象被GC回收但仍有引用时生成报告，帮助定位泄漏（需结合代码分析误报）。
• 启动速度优化：冷启动时间由初始化资源（代码、图片、数据库）决定，通过代码拆分（模块化）、预加载首页关键资源（如图片、数据）、减少初始化逻辑（懒加载初始化）缩短时间。

3) 【对比与适用场景】

优化方法	定义	特性	使用场景	注意点
懒加载	页面滚动到图片位置才加载	按需加载，减少初始资源消耗	长列表、图片密集页面	需处理边界（如列表底部）
图片压缩	用WebP/JPEG算法减少图片体积	保留视觉质量，降低网络流量	所有图片资源	压缩后需测试质量
图片缓存	本地存储已加载图片（LRU缓存）	快速复用，减少网络请求	常访问图片（如首页、导航）	缓存大小需控制

工具	原理	适用场景	注意点
LeakCanary	反射监控Activity/Fragment引用	Android内存泄漏检测	可能误报，需结合代码分析
HPROF	JVM堆分析	通用内存分析	需手动分析，复杂

启动速度优化方法	定义	特性	使用场景	注意点
代码拆分	模块化代码，按需加载	减少初始化资源	大型应用	需管理模块间依赖
预加载资源	提前加载首页关键资源	提升首屏体验	首屏加载	需控制资源大小
减少初始化逻辑	懒加载初始化	降低启动时间	所有应用	需确保功能可用

4) 【示例】

• 图片懒加载（Glide）：

  // 懒加载实现（RecyclerView）
  public class ImageAdapter extends RecyclerView.Adapter<ImageAdapter.ViewHolder> {
      private List<String> imageUrls = new ArrayList<>();
      private final Context context;
  
      public ImageAdapter(Context context) {
          this.context = context;
      }
  
      @Override
      public ViewHolder onCreateViewHolder(ViewGroup parent, int viewType) {
          View view = LayoutInflater.from(parent.getContext())
                  .inflate(R.layout.item_image, parent, false);
          return new ViewHolder(view);
      }
  
      @Override
      public void onBindViewHolder(@NonNull ViewHolder holder, int position) {
          String url = imageUrls.get(position);
          Glide.with(context)
                  .load(url)
                  .placeholder(R.drawable.placeholder)
                  .error(R.drawable.error)
                  .into(holder.imageView);
      }
  
      @Override
      public int getItemCount() {
          return imageUrls.size();
      }
  
      public static class ViewHolder extends RecyclerView.ViewHolder {
          public ImageView imageView;
          public ViewHolder(View view) {
              super(view);
              imageView = view.findViewById(R.id.imageView);
          }
      }
  }
  
  // 滚动监听处理懒加载
  recyclerView.addOnScrollListener(new RecyclerView.OnScrollListener() {
      @Override
      public void onScrolled(@NonNull RecyclerView recyclerView, int dx, int dy) {
          int lastVisibleItem = recyclerView.findLastVisibleItemPosition();
          int totalItemCount = recyclerView.getChildCount();
          if (dy > 0 && (lastVisibleItem + 5) >= totalItemCount) {
              // 触发加载更多逻辑
              loadMoreImages();
          }
      }
  });
  

• 图片压缩（Glide）：

  // 图片压缩（Glide override + transform）
  Glide.with(context)
       .load(url)
       .override(100, 100) // 目标尺寸
       .transform(new CenterCrop(), new FormatStrategy() {
           @Override
           public Bitmap transform(BitmapPool pool, Bitmap source, int targetWidth, int targetHeight) {
               return Bitmap.createScaledBitmap(source, targetWidth, targetHeight, true);
           }
       })
       .into(imageView);
  

• LRU缓存：

  public class ImageCache {
      private final LruCache<String, Bitmap> cache;
  
      public ImageCache() {
          int maxMemory = (int) (Runtime.getRuntime().maxMemory() / 1024);
          int cacheSize = maxMemory / 8;
          cache = new LruCache<String, Bitmap>(cacheSize) {
              @Override
              protected int sizeOf(String key, Bitmap bitmap) {
                  return bitmap.getByteCount() / 1024;
              }
          };
      }
  
      public void put(String key, Bitmap bitmap) { cache.put(key, bitmap); }
      public Bitmap get(String key) { return cache.get(key); }
  }
  

• 启动速度优化（代码拆分+预加载）：

  // Dagger模块化（假设）
  @Module
  public class AppModule {
      @Provides
      @Singleton
      public ImageLoader provideImageLoader() {
          return new GlideImageLoader();
      }
  }
  
  // 预加载首页资源
  public void preloadHomeResources() {
      Glide.with(this)
          .load(homePageImage)
          .into(homePageImageView);
      // 预加载数据（如数据库查询）
      preLoadUserData();
  }
  

5) 【面试口播版答案】
移动端应用性能优化中，图片加载优化是核心。首先，懒加载：通过监听页面滚动，当图片进入可视区域时才加载，避免初始加载过多资源（比如用RecyclerView的OnScrollListener检测滚动位置，触发图片加载）。其次，图片压缩：使用WebP或JPEG优化算法减少体积（比如Glide的override方法设置目标尺寸，或自定义压缩策略），保留质量同时降低网络流量。然后，图片缓存：用LRU缓存本地存储已加载图片，下次访问直接从缓存读取，减少网络请求。内存泄漏检测方面，LeakCanary通过反射监控Activity引用，当对象被GC回收但仍有引用时生成报告，帮助定位问题。启动速度优化则通过代码拆分（如Dagger模块化）、预加载首页关键资源（如图片、数据），以及减少初始化逻辑（如懒加载初始化），缩短冷启动时间。

6) 【追问清单】

• 问题1：懒加载如何处理列表底部或滚动到末尾的加载？
  回答要点：设置加载更多逻辑，当最后一个图片加载完成且滚动到顶部时，触发下一页加载。
• 问题2：图片压缩后如何保证质量？
  回答要点：使用合适的压缩算法（如WebP的lossless模式），测试不同压缩比下的质量，确保符合业务需求。
• 问题3：LeakCanary检测到泄漏后，如何定位具体对象？
  回答要点：通过泄漏报告查看引用链，分析代码中可能的强引用（如静态变量引用Activity）。
• 问题4：预加载资源过多会导致内存问题吗？
  回答要点：是的，需控制预加载资源大小，用LRU缓存管理，及时清理不再需要的资源。
• 问题5：代码拆分后，模块间依赖如何管理？
  回答要点：用Dagger等框架管理依赖，确保模块按需加载，避免初始化时加载所有模块。

7) 【常见坑/雷区】

• 懒加载未处理边界：列表底部图片未加载，导致空白，需处理滚动到末尾的加载逻辑。
• 图片压缩质量下降：过度压缩导致图片失真，需测试压缩比与质量的平衡。
• LeakCanary误报：工具可能检测正常引用（如静态变量），需结合代码逻辑分析。
• 预加载资源过多：导致内存溢出，需控制预加载资源的大小和数量。
• 代码拆分依赖冲突：模块间依赖未正确管理，导致启动加载错误。