前言
本文只是笔记记录
核心思想:子线程分担主线程任务,并行减少时间。
异步优化分为:常规异步优化和最优异步优化两种
常规异步优化的痛点:
(1)代码不优化
(2)场景不好处理(子任务中有依赖关系)
(3)维护成本高
最优异步优化
核心思想:充分利用CPU多核,自动梳理任务顺序
启动器流程:
(1)代码Task化,启动逻辑抽象为Task
(2)根据所有任务依赖关系排序生成一个有向无环图
(3)多线程按照排序后的优先级依次执行
讲完了核心思想和流程,在实现之前,我们先来熟悉一下战前准备。
1、CountDownLatch
它是一个同步工具类,允许一个或多个线程一直等待,直到其他线程运行完成后再执行。
原理是通过一个计数器来实现的,计数器的初始值为线程的数量;调用await()方法的线程会被阻塞,直到计数器 减到0的时候,才能继续往下执行;
常用函数:
(1)countDown():递减锁存器的计数。如果计数到达零,则释放所有等待的线程;如果当前计数大于零,则将计数减1
(2)await():调用的线程会被挂起,它会等待直到count值为0才继续执行
(3)await(long timeout,TimeUnit unit):在timeout时间内,调用的线程都会被挂起,直到count值为0或者超过timeout时间才继续执行。
2、根据CPU核数创建核心线程数
//代码参考AsyncTask类
public class DispatcherExecutor{
//获取CPU的核处理器数
private static final int CPU_COUNT = Runtime.getRuntime().availableProcessors();
//计算创建对应的线程池数量
private static final int CORE_POOL_SIZE = Math.max(2, Math.min(CPU_COUNT - 1, 4));
//线程池线程数的最大值
private static final int MAXIMUM_POOL_SIZE = CORE_POOL_SIZE;
//线程空置回收时间
private static final int KEEP_ALIVE_SECONDS = 5;
//线程池队列
private final BlockingQueue<Runnable> mPoolWorkQueue = new LinkedBlockingQueue<>();
/**
* 这个是为了保障任务超出BlockingQueue的最大值,且线程池中的线程数已经达到
* MAXIMUM_POOL_SIZE时候,还有任务到来会采取任务拒绝策略,这里定义的策略就是再开一个缓存线
* 程池去执行。当然BlockingQueue默认的最大值是int_max,所以理论上这里是用不到的
*/
private final RejectedExecutionHandler mHandler = new RejectedExecutionHandler() {
@Override
public void rejectedExecution(Runnable r, ThreadPoolExecutor executor) {
Executors.newCachedThreadPool().execute(r);
}
};
//获得cpu密集型线程池,因为占据CPU的时间片过多的话会影响性能,所以这里控制了最大并发,防止主线程的时间片减少
public ThreadPoolExecutor getCPUThreadPoolExecutor() {
return mCPUThreadPoolExecutor;
}
//获得io密集型线程池,有好多任务其实占用的CPU time非常少,所以使用缓存线程池,基本上来着不拒
public ExecutorService getIOThreadPoolExecutor() {
return mIOThreadPoolExecutor;
}
static {
//获取对应参数,创建CPU线程池
sCPUThreadPoolExecutor = new ThreadPoolExecutor(
CORE_POOL_SIZE, MAXIMUM_POOL_SIZE, KEEP_ALIVE_SECONDS, TimeUnit.SECONDS,
mPoolWorkQueue, Executors.defaultThreadFactory(), mHandler);
sCPUThreadPoolExecutor.allowCoreThreadTimeOut(true);
//创建IO线程池
sIOThreadPoolExecutor = Executors.newCachedThreadPool(Executors.defaultThreadFactory());
}
}
3、有向无环图
有向无环图(Directed Acyclic Graph, DAG)是有向图的一种,字面意思的理解就是图中没有环。常常被用来表示事件之间的驱动依赖关系,管理任务之间的调度。
拓扑排序:拓扑排序是对一个有向图构造拓扑序列的过程。它具有如下特点。
-
每个顶点出现且只出现一次。
-
若存在一条从顶点 A 到顶点 B 的路径,那么在序列中顶点 A 出现在顶点 B 的前面
拓扑排序一般有两种算法,第一种是入度表法,第二种是 DFS 法
入度表法
入度表法是根据顶点的入度来判断是否有依赖关系的。若顶点的入度不为 0,则表示它有前置依赖。它也常常被称作 BFS 算法
算法思想
- 建立入度表,入度为 0 的节点先入队
- 当队列不为空,进行循环判断
- 节点出队,添加到结果 list 当中
- 将该节点的邻居入度减 1
- 若邻居节点入度为 0,加入队列
- 若结果 list 与所有节点数量相等,则证明不存在环。否则,存在环
DFS 法
深度优先搜索过程中,当到达出度为0的顶点时,需要进行回退。在执行回退时记录出度为0的顶点,将其入栈。则最终出栈顺序的逆序即为拓扑排序序列。
算法思想
-
对图执行深度优先搜索。
-
在执行深度优先搜索时,若某个顶点不能继续前进,即顶点的出度为0,则将此顶点入栈。
-
最后得到栈中顺序的逆序即为拓扑排序顺序。
两种算法的具体实现这里不具体写了,大家可以去看下徐公大大的文章:https://blog.csdn.net/gdutxiaoxu/article/details/113977315