BufferedImage内存泄漏和溢出问题

java的ImageIO处理图片

在使用Thumbnailator时出现了OOM问题,但是其使用方法只有一行代码,无法针对其内部使用的对象进行资源释放,所以使用原生的Java类库中ImageIO来处理图片。 关键有三个类:ImageIO、BufferedImage、Graphics

  • ImageIO类包含两个静态方法:read()和write(),通过这两个方法即可完成对位图文件的读写,调用write()方法输出图形文件时需要指定输出的图形格式。
public static BufferedImage read(File input) throws IOException
public static boolean write(RenderedImage im,String formatName,File output)throws IOException
  • Image类代表位图,但它是一个抽象类,无法直接创建Image对象,为此java为它提供了一个BufferedImage子类,这个子类是一个可以访问图像数据缓冲区的Image实现类。该类提供了一个简单的构造器:BufferedImage(int width,int height,int imageType):创建指定大小、指定图像类型的BufferedImage对象。除此之外,还提供一个getGraphics()方法返回该对象的Graphics对象,从而允许通过该Graphics对象向BufferedImage中添加图形。
  • Graphics是一个抽象的画笔对象,它可以在组件上绘制丰富多彩的几何图形和位图。它提供有一个重要方法,将一个img对象的原始图形宽度缩小为width,高度缩小为height,添加到BufferedImage对象的(x,y)处:public abstract boolean drawImage(Image img, int x, int y,int width,int height, ImageObserver observer)

关键的像素位乘积可能导致内存暴涨以至出现OOM 

BufferedImage.java:324,DirectColorModel.java:1032,Raster.java:467,DataBufferInt.java:75

至此可以得知,提示OOM的原因为图片的宽度和高度的像素乘积过大导致在初始化int的数组的时候出现 java.lang.OutOfMemoryError: Java heap space。

BufferedImage的一些坑

BufferedImage的一些坑:

  • 项目中,BufferedImage的读取加载流程是:下载图片 -> 通过ImageIO.read()转成BufferedImage。很有可能的是,下载的图片过大,那么转成BufferedImage的对象也会很大。
  • 此外BufferedImage存储的内容是不经过压缩的,你本地磁盘上读取了一个图片文件,转成BufferedImage对象后,大小可能是文件大小的数倍。这是因为BufferedImage的对象大小是要按照位图那一套算法计算的,即像素数 * 单个像素存储大小。一般项目中都是用彩图,即24位。
    • 一个例子:一张1200 * 900的彩图A和黑白图B,大小分别为800KB和100KB,均为JPG格式,但是读到内存里后,大小变为了3MB多,这是因为它们都用彩图存储(ImageIO.read()就是这么处理的),且size = 1200 * 900 * 24 / 8 = 3240000 bytes 

所以当要缓存图片或者大对象(包含大量字节串)的时候,可以考虑:

  • 对对象进行压缩(显然BufferedImage压缩比较困难,可以用第三方库?)
  • 另外我认为,对于图像的缓存(或者是大的byte[]对象),应该利用磁盘缓存或者用类似Redis那样的缓存,而不是保存在本机内存里

结论

  • 1、java对于图片的处理技术在处理小图片时,完全够用,但是在处理大于1MB以上的图片时,就不再推荐本身服务器去处理图片。
  • 2、有条件的还是将图片的处理交给第三方来,调用封装好的API等来处理图片的各种要求。

 

参考链接

https://keys961.github.io/2018/05/28/JVM%E5%A0%86%E5%86%85%E5%AD%98%E5%88%86%E6%9E%90/

https://blog.csdn.net/calm_encode/article/details/120427312

https://juejin.cn/post/6844903892543602702

https://blog.csdn.net/loophome/article/details/101773866

 

本篇文章如有帮助到您,请给「翎野君」点个赞,感谢您的支持。

首发链接:https://www.cnblogs.com/lingyejun/p/18156503

posted @ 2024-05-03 09:15  翎野君  阅读(643)  评论(0编辑  收藏  举报