原生移动开发 / 系统课时

检查缓存是否越用越大

检查缓存是否越用越大

缓存的目标是用空间换时间,但排查 OOM 时最危险的不是“缓存占内存”,而是缓存没有明确的上限、淘汰条件或生命周期。你需要观察容器大小是否随业务操作单调增长,并确认增长后的对象是否仍然有合理的业务价值。本篇给出一套简单的增长趋势检查方法。

学习目标

  • 能区分有边界的缓存增长和无边界集合增长
  • 能检查单例、Map、List 等长期容器的数量趋势
  • 能用运行时日志验证缓存是否按预期淘汰

先看增长趋势,而不是一次快照

单次查看缓存有 100 项,并不能直接说明存在泄漏。关键是重复执行同一业务路径后,容器是否持续增长,而且回不到一个稳定区间。

例如,打开并关闭同一个页面 20 次,如果缓存项从 50、100、150、200 持续增长,同时这些对象本应只服务当前页面,就应该检查谁在追加、谁负责淘汰,以及页面退出后是否仍被单例持有。

可以先记录缓存的当前数量与容量;对于真正有边界的缓存,还应同时记录命中、淘汰等指标。

检查 LruCache 是否真的有边界

Android 的 LruCache 自带容量上限,适合表达“最多保留一部分数据”的策略。下面的示例只演示观测方式,假设 bitmapCache 已在当前类中完成初始化。

kotlin
import android.util.Log
import android.util.LruCache

private val bitmapCache = object : LruCache<String, ByteArray>(4 * 1024) {
    override fun sizeOf(key: String, value: ByteArray): Int = value.size / 1024
}

fun putBitmapData(id: String, data: ByteArray) {
    bitmapCache.put(id, data)
    Log.d("CacheCheck", "entries=${bitmapCache.size()}, maxSize=${bitmapCache.maxSize()}")
}

预期输出

text
D/CacheCheck: entries=1, maxSize=4096
D/CacheCheck: entries=2, maxSize=4096
D/CacheCheck: entries=4, maxSize=4096
D/CacheCheck: entries=4, maxSize=4096

这里的 size() 与 maxSize() 使用的是同一个 sizeOf() 单位,因此缓存达到上限后,继续放入数据不会让缓存无限增长,而是根据 LRU 规则淘汰旧项。实际项目中应让 sizeOf() 的单位和容量定义一致,避免“看起来有限、实际计算错误”。

对比无淘汰策略的集合

真正需要警惕的是类似下面这种全局容器:代码不断追加数据,却没有任何删除条件。它不一定立刻导致 OOM,但业务运行时间越长,持有对象的数量越大,风险也越高。

kotlin
import android.util.Log

object ImageStore {
    private val items = mutableMapOf<String, ByteArray>()

    fun add(id: String, data: ByteArray) {
        items[id] = data
        Log.d("CacheCheck", "unboundedEntries=${items.size}")
    }
}

预期输出

text
D/CacheCheck: unboundedEntries=1
D/CacheCheck: unboundedEntries=2
D/CacheCheck: unboundedEntries=3
...
D/CacheCheck: unboundedEntries=1000

这个例子只是说明诊断信号:如果业务本来只需要保留最近一部分数据,却看到全局集合数量随着操作次数持续增加,就需要检查删除、过期或容量控制是否缺失。不要因为对象是 ByteArray、图片模型或普通业务对象,就把这种增长自动当成“正常缓存”。

把单例和页面生命周期分开检查

单例本身不是泄漏,但单例引用了本应只活在页面生命周期内的对象,就可能让对象长期存活。例如全局缓存保存了 Activity、View、Fragment 或带有这些引用的对象时,页面退出后对象仍可能无法回收。

排查时可以围绕三个问题定位:谁创建了对象、谁把对象放进长期容器、谁负责移除。若一个容器跨页面存在,就必须能回答它为什么需要长期持有这些对象,以及什么时候应该淘汰它们。

用重复场景验证是否存在失控增长

实际排查时,固定一条会重复触发缓存写入的操作路径,例如进入列表、滚动到底部、退出页面,再重复多轮。每轮记录缓存项数和关键对象的总量。若数量最终在一个稳定区间内波动,通常更符合有边界缓存的特征;若随着轮次持续增长,就继续追查追加路径和淘汰路径。

最终不要只看“当前内存是否下降”,还要检查容器本身是否停止增长。GC 可以回收不可达对象,但无法替你清理仍被单例、集合或缓存强引用的对象。能说明增长停止、容量受控、页面退出后不再持有无关对象,才算完成一次有效的缓存排查。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

检查缓存是否越用越大

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通