滴滴高级Android面经：地图场景性能优化、GPS定位优化、电量优化、后台保活

上篇聊完网络编程，这篇进入滴滴性能优化专项。滴滴场景特殊——地图持续渲染、GPS高频定位、司机端后台保活。高级岗面试考出行场景下的性能优化实战经验。今天8道题覆盖滴滴性能优化面试核心考点。Q1：地图场景的性能瓶颈在哪？渲染瓶颈：地图渲染涉及大量瓦片（Tile）加载和绘制。缩放/平移时新瓦片需要从网络下载或磁盘读取。大量Marker（司机位置标记）同时渲染。Polyline（路线）点数多时绘制耗时。内存瓶颈：地图瓦片Bitmap占用大量内存（每个256x256 RGBA瓦片≈256KB）。多图层叠加（卫星图+路网图+实时路况图）内存翻倍。Marker图标资源多。CPU瓶颈：路线规划算法（Dijkstra/A*）计算量大。实时路况数据处理（大量路段状态更新）。GPS坐标→屏幕坐标的矩阵变换频繁。追问：怎么分析地图性能？Snapdragon Profiler看GPU利用率和带宽。Android Studio Profiler看内存分配和CPU使用。自定义FrameCallback监控地图滑动时的帧耗时。Q2：地图瓦片加载怎么优化？多级缓存：内存缓存（LruCache存最近使用的瓦片Bitmap）→ 磁盘缓存（SQLite/文件存下载过的瓦片）→ 网络请求。命中缓存直接显示，无IO开销。预加载：根据用户滑动方向预加载前方瓦片（惯性预测）。缩放时预加载相邻缩放级别的瓦片。降采样