如何解决bitmap 内存溢出out of memory的问题
在使用Android中使用BITMAP时易于泛滥的内存，并报告了以下错误：java.uotofmmoryerror：bitmapsizexecry.options.optionsoptionsoptionsOptionsOptionsOptionsOptionsOptionsOptionsOptionsOptionsOptionsOptionsOptionsOptionsOptionsOptionsOptionsOptionsOptionsOptionsOptionsOptionsOptionsOptionsOptionsOptionsOptionsOptionsoptionsOptionsOptions bitmapfactory.options; bitmapfactory.options options = newbitmapfactory.options（）; options.insample = 2 ; //图片的宽度和高度是原始图片的一半，也就是说，图片是原始的bitmapbitmap = bitmapfactory.decodestream（cr.openinputstream（burn），null，null，optock）的四分之一； pre view.etimagebitmap（位图）;上面的代码可以优化溢出的内存，但仅更改图像大小并完全解决溢出的内存。●eg2 ：（在图片中以方式检索）PrecPetimageViewPreview; privatusstringfileName =“ / sdcard / dcim / camera / camera / 2 01 0-05 -1 4 1 6 .01 .4 4 .jpg”; bitmapfactory.optionsOptionsOptionSoptionSoptionSoptionSoptionSoptionSoptionSoptionsOptionsOptionsOptionsOptionsOptionsOptionSOptionSOptionsOptionsOptionsOptionsOptionsOptionsOptionsOptionsOptionsOptionSopTionsOptionsOptionsOptionsOptionsOptionsOptionsemper iSMEMPL原始中的四分之一是一个图像，它是原始bitmapb = bitmapfactory.decodefile（fileName，options）的图像; pre view.setimagebitmap（b）; filepath.setMap（b）; FILEPATH.SETTMAP（文件名）; ★Android还具有一些性能记者方法：●首先，您可以参考Android Heap内存，您可以自己定义大小并优化Dalvik虚拟机的堆内存分配●在基本类型方面，因为Java仍然没有相同的POINTER，但仍需要使用NDK来完成敏感的事物。
Android 1 2 3 Faests游戏开发人员，这对Google的Lorem NDK来说很有趣，可能会帮助游戏开发人员。
例如，OpenNGLES的支持要好得多，您需要在图形接口本地代码中工作。
●图形对象优化，我想在此处谈论的是Android中的位图对象的破坏。
您可以将Recycle（）方法用于GC回收位图对象。
通常，以下方法可用于未使用的位图，好像（bitmapobject.israchcled（）== false）//如果bitmapobject.rickle（）未回收在脑海中，并且对常规应用程序有帐户储备。
但是，对于游戏，艺术家通常可以转到PNG模式的统一处理。
当前，Android系统无法预览GIF的第一帧，我可以使用J2 ME的帮助来通过线程阅读GIF8 9 格式资源，并与他一起在解析器中写入。
●对于大多数Android手机，根据需要的想象，我们可以做出手势和重力手势以实现力量。
通常，我们还需要考虑减少思维问题的降噪处理。
Android也彼此定义了一堆内存。
对于某些出色的Android项目或游戏，算法处理没有问题。
对Android自身内存管理机制问题的瓶颈表现的主要影响。
目前，手机制造商对RAM相对贪婪。
对于该软件的商店，RAM对性能具有非常敏感的影响。
除了优化Dalvik虚拟机的一堆内存分配外，我们还可以强制软件的良好内存的定义。
小，我们使用dalvik的dalvik.system.vmruntime类型，由dalvik提供给最小内存，按照副本：privateFinalStaticintcwj_heap_size = 6 * 1 02 4 * 1 02 4 ; //设置最小值（1 1 0），即，最低限度的成员（MORM。
我们将提及Dalvik的特定应用。
对于机器机器。
对于Android平台，在根据当前性能的托管层中进行优化过程。
例如，当我们通过使用GC进行手动处理的一些重要的游戏或资源的应用程序来开发一些重要的游戏或资源的应用程序时，请考虑使用GC处理。
dalvik.system.vmruntime类型可以增强记忆堆的程序效率的过程。
当然，我们可以将特定原则的开源项目转介。
这不仅是谈论用法方法：privateFinalStaticFloattArget_heap_utilization = 0.7 5 F; vmruntime.getTrunve（）。
settgetheapitilization（target_heap_utilization）;可以调用程序发出的程序。
巧用RoaringBitMap处理海量数据内存diff问题
使用RoaringBitMap来处理在有效的数据存储和计算功能差异集中的大数据存储器问题的关键：有效的数据存储：RoaringBitMap使用位数组来存储数据，该数据可以用很小的存储器足迹有效地管理数据。它通过将数据分为各种类型的容器来优化存储效率和查询。
快速计算差异：处理标签规则或产品重置的更改时，RoaringBitMap可以快速计算一组新的和旧的位图差异，简单地处理新的和已删除的数据项，从而大大减少内存使用和处理时间。
例如，在标签系统中，通过比较OldSet和Newset，您只需要删除X并添加Z即可避免通过完全改进和完全删除策略引起的许多内存使用和通知。
性能优势：RoaringBitMap在CPU内存和效率方面的表现良好，尤其是在处理数据很少时，它对数据结构（例如BITSET和EWAH COMPRESSTRESSBITBITMAP）具有重要优势。
应用RoaringBitMap后，产品设定速度提高了约5 2 ％，平均写作顺序减少了8 7 ％，从而有效地降低了记忆压力。
广泛使用：RoaringBitmap不仅适用于产品选择方案，而且适用于需要有效处理大数据差异记忆问题的其他类似场景。
总之，RoaringBitMap是解决大型数据存储问题的选择 - 以及有效的数据存储和差异集的计算功能。
【数据结构】bitmap
位图是一种有效的数据结构，它使用单个位指示元素的值是否存在。以下是对位图的详细响应：1 基本原理二进制表示：位图使用二进制表示。
每个元素的笑话决定了位图中的位置，每个位置中的位表明该元素是否存在。
内存效率：由于位用于存储，因此与其他数据结构相比，位图内存的使用大大降低。
2 主要应用程序快速确定是否存在一个元素：对于大量的整数不受控制，分配足够的内存，每个整数都可以在位图位图中设计。
阅读完整数字时，将相应的位设置为1 ；查看时，您应仅检查预期整数的相关部分是否为1 ，并且您可以快速确定整数是否存在。
识别副本：类似地，对于大量整数，可以使用位图识别副本。
将每个整数的零件放置在第二次略微放置时，这意味着完整的数字已经出现在之前，即重复的术语。
3 实现和乐观的库和接口：在当前操作中，可以使用库和接口（例如lib/bitmap.c）实现位图，并包括/lineux/bitmap.h。
体系结构优化：对于特定的体系结构，可以优化位图头文件以提高性能和合规性。
4 位图摘要使用位的特征来简化大量数据的处理过程和问题。
提高研究和判断的效率，特别适合必须快速确定是否存在元素或识别副本的情况。
位图(bitmap)原理以及实现
位图是一种高效的数据结构和存储器节省，主要用于确定是否存在特定值。它使用两者的特定部分来指示该值是否出现，这实现了有效空间的使用。
例如，在计算数十亿用户是否注册条目的应用程序中，通常可以使用唯一的用户标识符（UID）作为主要价值，并确定是否将其登录为值。
如果您使用常规的映射结构将UID存储在6 4 型中，则将需要所有UID 8 字节，这将需要数十亿用户的大约8 克内存。
但是，使用表示钟形图像的方式，仅需要约1 2 5 米的内存，这大大降低了存储要求。
这些点的要点是通过字节从每个位存储0或1 ，以指示是否存在相应的UID。
例如，在这种形式中，一件小事意味着已签署了UID，而0表示尚未签署。
澄清中的示例表明，具有1 和5 的UID的用户尚未登录，而有2 、3 、4 、6 、7 、8 的UID的用户被定义。
对于如果有一定值，可以实现的操作，退出位方法可以迅速定义并确定是否在整个过程中确定它是1 为了促进从点图像中删除值，可以实现一种去除方法以在特定位置消毒位。
在位操作中，点的点通常受益于以下特征：该过程不会更改数字的值（如果交易之一为0），并且指定的决定设置为0（如果另一个实验室为0）；或过程（|）不会更改原始值（如果交易中的一个为0），并且指定位设置为1 （如果另一个实验室为1 ）。
尽管位图的实现相对简单，但是在处理大量数据时保存内存可以保存它，使其非常适合大型数据收集中的艰巨任务。
基于点图像的结构的BloomFilter是重要的应用之一。
它还改善了空间区域，并提供了一种找到概率的有效方法。
通过位图，我们不仅可以实现有效的数据存储，还可以在此基础上创建更多的数据处理和查询。
