iOS高性能图片架构与设计

最新推荐文章于 2021-06-09 09:53:53 发布

tengxy_cloud

最新推荐文章于 2021-06-09 09:53:53 发布

阅读量1.5k

点赞数

文章标签：系统架构 iOS

一个优秀的图片组件应该具有这些特性：集并发控制，请求合并，下载，缓存，缓存自动淘汰，图片处理，动画的从数据源到图片显示的一站式解决方案。做到图片加载展示如丝般顺滑。
支持autolayout和代码布局，提供了对网络图片、系统相册图片、本地图片的加载与现实的支持。经过实际项目检验，性能优秀、运行稳定。
高度可定制性：可以和现有的任何下载组件和图片处理组件协同工作。

核心特性

框架的结构设计具有很强的兼容性和扩展性
使用了桥接模式的中间件设计具有很强的兼容性和拓展性。
现有的项目中往往具有成型的下载组件，相册图片加载组件等相关图片加载组件。如果图片组件也具有相同功能就显得多余且不利于统一管理，而如果没有这些功能，又难以方便的使用。
为了解决这个问题。本框架仅仅实现了表层的图片显示，中间层的请求调度，对于底层的数据加载和数据处理采用插件化的形式，可以很轻易的桥接其他组件，形成一站式的解决方案。
将图片进行预处理来降低内存的消耗和增加渲染速度
手机的内存是十分有限的，下载下来的图片大小往往比显示区域更大。这就造成了内存缓存资源的浪费，同时也降低了图片的渲染速度。在显示之前图片需要进行解码，缩放，显示这样的步骤。
为了优化内存，加快速度。框架提供了图片预处理的功能，根据实际的显示大小对图片进行解压、缩放处理，也就是后台线程预绘制。这样能降低图片占用的内存，并大幅提高图片的显示速度。
优秀的缓存淘汰算法，对于缓存命中有很大的提升
常规的图片缓存往往对图片数量进行限制，进行简单粗暴FIFO淘汰。但是本框架提供了高效的图片大小估算方式，并可选的限制缓存总大小或是缓存图片数量，根据图片的使用频率和时间进行智能化的淘汰。并对于批量突发图片对于缓存的污染有良好的防范能力。

主要特性

使用简单
只需要设置一个参数即可开始工作，其他参数都是可选的
高度可定制性，可以和任意下载组件和图片处理组件协同工作
插件化的设计使得组件可以轻易的加入到任何的项目中，和项目中已有的下载和图片处理组件协同工作。
支持autolayout、storyboard和代码布局
同时支持使用代码布局、autolayout布局、放入storyboard等多种操作方式，适应性强。
支持并发控制
提供对多个请求的可配置并发数量控制。并对I/O密集型和CPU密集型操作分别进行控制，提高程序的性能，减少调度的开销。
支持多种缩放模式
提供了对十几种常见缩放模式的支持，无需额外接入图片处理组件即可对图片进行初步的处理。
使用后台线程加载、绘制
核心逻辑运行运行在后台线程，实现异步的图片加载和处理，高效提高组件的运行效率。
高效的缓存
提供完善的缓存机制，大幅提高缓存的命中率，加快图片的显示速度。
支持预绘制，减少UI线程压力
根据实际的显示大小对图片进行解压、缩放处理，也就是后台线程预绘制。这样能降低图片占用的内存，并大幅提高图片的显示速度。
定制化进度条，失败、加载图片
可以设置图片的进度条，失败或加载状态显示的图片。
渐变显示动画
支持图片加载完成后的渐变显示动画，使图片的显示更加平滑。

基本结构

组件由QZImageView、QZImageManager、QZImageCache、QZImageLoader、QZImageProcessor五大部分组成它们分别负责图片显示，请求管理，缓存，数据加载，数据处理。

图片显示Qzimageview

QZImageView继承自UIView聚合UIImageView，实现对上层UIImageView的委托，对外提供操作的接口。在layoutSubviews时，对QZImageManager发起图片请求。收到QZImageManager传回的图片后显示在屏幕上。

请求管理Qzimagemanager

QZImageManager使用单例模式，对于所有QZImageView发来的请求进行统一处理。并根据请求进行下一步的操作。
当收到一个新的请求时。QZImageManager首先进行重复请求判断，对于多个不同QZImageView发来的相同的请求进行合并，加入TaskQueue中，在请求完成之后一同回调，防止重复请求。
然后，根据请求向QZImageCache查询内存缓存，如果缓存存在，则返回缓存图片，否则向QZImageLoader发起图片请求。
QZImageLoader返回图片之后，将图片传入QZImageProcessor中进行处理，处理完成之后传回给QZImageView进行显示。

内存缓存Qzimagecache

QZImageCache使用单例模式，由一个FIFO队列及一个LRU队列以及一个hashmap组成，使用Two Queues缓存淘汰算法。

LRU算法

当存在热点数据时，LRU的效率很好，但偶发性的、周期性的批量操作会导致LRU命中率急剧下降，缓存污染情况比较严重。
周期性的批量操作，会立即淘汰LRU队列中的大量数据，导致缓存命中率大幅度下降。而APP常规操作中，有大量偶发批量操作，比如：进入页面后立即返回，就是很典型的一种。
所以LRU算法并不是一个非常好的选择。

Two Queues算法

Two queues（2Q）算法是LRU的改进版，含有一个FIFO队列及一个LRU队列。
算法流程：
新访问的数据插入到FIFO队列；
如果数据在FIFO队列中一直没有被再次访问，则最终按照FIFO规则淘汰；
如果数据在FIFO队列中被再次访问，则将数据移到LRU队列头部；
如果数据在LRU队列再次被访问，则将数据移到LRU队列头部；
LRU队列淘汰末尾的数据。
在收到批量图片请求的时候，LRU队列依然能保持缓存清洁。

数据加载Qzimageloader

QZImageLoader使用单例模式和桥接模式。QZImageLoader本身并没有数据加载的功能，而是进行桥接，将其他有这样功能的组件连接起来。
在收到数据请求的时候，识别请求url的类型，将其分发到相应的数据源。比如收到了一个url为http://xxxxx.jpg 的请求，发现DownloadSDK具有处理这样的请求的能力，于是将请求转发给DownloadSDK，并把请求回来的数据发回给QZImageManager。
因此，QZImageLoader具有高度的可定制性，可以桥接任意的数据加载、下载组件，实现对网络文件，本地文件，相册文件等数据的加载。

图片处理QZImageProcessor

QZImageProcessor使用单例模式和桥接模式。QZImageProcessor本身不进行图像处理，而是桥接任意的图像处理组件。
与QZImageLoader不同的是QZImageProcessor还实现了对多个图片操作的串行连接和并发控制。就像一个流水线一样的，将图片进行多种处理操作之后传回给QZImageManager，并在流水线的入口进行控制，防止堵塞。
因此，QZImageProcessor也具有高度的可定制性，可以轻松的与任意图片处理组件协作工作。