ANR类型及解决方法 && 基本算法 && HashMap原理

69 阅读 0 评论 46 点赞

我是靠谱客的博主眼睛大鸵鸟，最近开发中收集的这篇文章主要介绍ANR类型及解决方法 && 基本算法 && HashMap原理，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

一、ANR类型

ANR（Application Not Responding，即应用无响应）一般有三种类型：

1：KeyDispatchTimeout(5 seconds) --主要类型
按键或触摸事件在特定时间内无响应，dispatchTimeout 输入事件分发超时，一般是由于主线程在5秒之内没有响应输入事件。具体的超时时间的定义在framework下的ActivityManagerService.java。

2：BroadcastTimeout(10 seconds)
BroadcastReceiver在特定时间内无法处理完成

3：ServiceTimeout(20 seconds) --小概率类型
Service在特定的时间内无法处理完成

二、超时原因
超时时间的计数一般是从按键分发给app开始。超时的原因一般有两种：
(1)当前的事件没有机会得到处理（即UI线程正在处理前一个事件，没有及时的完成或者looper被某种原因阻塞住了）
(2)当前的事件正在处理，但没有及时完成

三：如何避免KeyDispatchTimeout
1：UI线程尽量只做跟UI相关的工作，应该避免在BroadcastReceiver里做耗时的操作或计算，替代的是，如果响应Intent广播需要执行一个耗时的动作的话，应用程序应该启动一个 Service。
2：耗时的工作（比如数据库操作，I/O，连接网络或者别的有可能阻碍UI线程的操作）把它放入单独的线程处理
3：尽量用Handler来处理UIthread和别的thread之间的交互

--------------------------------------------------------------------基本算法----------------------------------------------------------------------------------------------------

1.图的遍历之深度优先搜索（Depth First Search）：
假设初始状态是图中所有的点未曾访问，则深度优先搜索可从图中的某个顶点v出发，然后依次从v的未被访问的临界点出发深度有限遍历图，直至图中所有和v有路径相通的点都被访问到。若图中尚有点未被访问，则另选图中一个未曾被访问的点作为起始点，重复上述过程，直至图中所有的点都被访问到为止。

2.图的遍历之广度优先搜索（Breadth First Search）：
假设从图中某个顶点v出发，在访问了v之后依次访问v的各个未曾访问过的邻接点，然后分别从这些邻接点出发依次访问它们的邻接点，并使“先被访问的顶点的邻接点”先于“后被访问的顶点的邻接点”被访问，直至图中所有已被访问的定点的邻接点都被访问为止。
换句话说，广度优先遍历的过程是以v为起始点，由近及远，依次访问和v有路径相通且路径长度依次为1,2,...的顶点。

3.冒泡排序（Bubble Sort）：
首先将第一个记录和第二个记录比较，若为逆序，则将两个记录交换，然后比较第二个记录和第三个记录，依次类推，直到第n-1和n进行比较为止。上述过程称为第一趟冒泡排序，其结果使得最大的记录被安置到最后的位置上。然后进行第二趟冒泡排序，对前n-1个记录进行同样的操作，其结果是次大的记录被安置到n-1的位置。整个过程需要n(n-1)/2次比较，时间复杂度为O(n*n)。

4.快速排序（Quick Sort）：
是对冒泡排序的一种改进。它的基本思想是：先选取一个中间数，通过一趟排序将记录分成两个部分，一边的记录均比另一边小，然后分别对这两部分记录进行排序，以达到整个序列有序。

5.希尔排序

http://www.cnblogs.com/jingmoxukong/p/4303279.html

希尔排序的基本思想是：
把记录按步长 gap 分组，对每组记录采用直接插入排序方法进行排序。
随着步长逐渐减小，所分成的组包含的记录越来越多，当步长的值减小到 1 时，整个数据合成为一组，构成一组有序记录，则完成排序。

6.二分查找或折半查找（Binary Search）：
在一组已经从小到大有序的记录中，假设指针low和high分别指示上界和下届，mid指示中间位置。然后比较给定值key和mid的大小，如果key < mid，那么high = mid，再重新求得mid值，然后再跟key比较，直到查找成功为止。

7.哈希查找：

哈希查找是为了快速查找记录的一种算法，它利用的数据结构是哈希表，即以空间换取时间的算法，例如：在图书馆中，根据每个人的名字来查找个人信息（借书时间，名字等），这些信息存放于数据库中，即物理存储系统中，比如xiaozhang,哈希算法可以是：把他的信息存放于把名字的每个字母之和的物理地址上，当然这是理想化的，肯定会比这个复杂的

-----------------------------------------------------------------------------HashMap原理-------------------------------------------------------------------------------------------------------

1.HashMap的数据结构

　　数组的特点是：寻址容易，插入和删除困难；而链表的特点是：寻址困难，插入和删除容易。那么我们能不能综合两者的特性，做出一种寻址容易，插入删除也容易的数据结构？答案是肯定的，这就是我们要提起的哈希表，哈希表有多种不同的实现方法，我接下来解释的是最常用的一种方法—— 拉链法，我们可以理解为“链表的数组” ，如图：

从上图我们可以发现哈希表是由数组+链表组成的，一个长度为16的数组中，每个元素存储的是一个链表的头结点。那么这些元素是按照什么样的规则存储到数组中呢。一般情况是通过hash(key)%len获得，也就是元素的key的哈希值对数组长度取模得到。比如上述哈希表中，12%16=12,28%16=12,108%16=12,140%16=12。所以12、28、108以及140都存储在数组下标为12的位置。
最后对于放在一列的12、28、108以及140，可以通过再次哈希或者其他函数计算存储位置，过程就像找图书馆里的书一样，所以时间复杂度是O(1).