简介
在应用开发中,经常会调用执行耗时的接口,比如服务端数据接口,本地文件读取接口。如果不进行合理的处理,可能会引起卡顿等性能问题。
问题场景
列表无限滑动的场景,在即将触底的时候需要进行数据请求,如果在主线程中直接处理请求数据,可能会导致滑动动画被中断。如果回调函数处理的耗时较长,会直接阻塞主线程,卡顿就会非常明显。使用异步执行的方式进行异步调用,回调函数的执行还是会在主线程,一样会阻塞UI绘制和渲染。场景预览如下,列表滑动过程中,图片会显示延迟。
优化示例
优化前代码示例
如下代码实现了一个瀑布流,每一个元素都是一张图片,在滑动即将触底时调用异步函数mockRequestData获取新数据,并将数据写入数据源。异步函数mockRequestData用于模拟耗时的网络请求,从rawfile中读取数据,将数据处理后返回。
build() {
Column({ space: 2 }) {
WaterFlow() {
LazyForEach(this.dataSource, (item: ModelDetailVO) => {
FlowItem() {
Column() {
Image(item.url)
}
}
.onAppear(() => {
// 即将触底时提前增加数据
if (item.id + 10 === this.dataSource.totalCount()) {
// 通过子线程获取数据,传入当前的数据长度,用于赋给数据的ID值
this.mockRequestData().then((data: ModelDetailVO[]) => {
for (let i = 0; i < data.length; i++) {
this.dataSource.addLastItem(data[i]);
}
})
}
})
}, (item: string) => item)
}
}
}
async mockRequestData(): Promise<ModelDetailVO[]> {
let result: modelDetailDTO[] = [];
// data.json是存在本地的json数据,大小大约20M,模拟从网络端获取数据
await getContext().resourceManager.getRawFileContent("data.json").then((data: Uint8Array) => {
// 耗时回调函数
let jsonData = buffer.from(data).toString();
let res: responseData = JSON.parse(jsonData);
result = res.data;
})
return this.transArrayDTO2VO(result);
}
// ...
编译运行后,通过SmartPerf Host工具抓取Trace。如下图所示,其中红色框选的部分就是getRawFileContent的回调耗时。
从图中可以看到,在主线程中出现了大块的耗时,直接导致用户在滑动的时候能感受到明显的卡顿。异步回调函数最后也由主线程执行,所以应该尽量避免在回调函数中执行耗时操作。
优化代码
优化思路:使用多线程能力
使用系统自带的TaskPool多线程能力。
build() {
Column({ space: 2 }) {
WaterFlow() {
LazyForEach(this.dataSource, (item: ModelDetailVO) => {
FlowItem() {
Column() {
Image(item.url)
}
}
.onAppear(() => {
// 即将触底时提前增加数据
if (item.id + 10 === this.dataSource.totalCount()) {
// 通过子线程获取数据,传入当前的数据长度,用于赋给数据的ID值
taskpoolExecute(this.dataSource.totalCount()).then((data: ModelDetailVO[]) => {
for (let i = 0; i < data.length; i++) {
this.dataSource.addLastItem(data[i]);
}
})
}
})
}, (item: string) => item)
}
}
}
// 注意:以下方法和类声明均在组件外声明
async function taskpoolExecute(index: number): Promise<ModelDetailVO[]> {
// context需要手动传入子线程
let task: taskpool.Task = new taskpool.Task(mockRequestData, index, getContext());
return await taskpool.execute(task) as ModelDetailVO[];
}
// 标记并发执行函数
@Concurrent
async function mockRequestData(index: number, context: Context): Promise<ModelDetailVO[]> {
let result: modelDetailDTO[] = [];
// data.json是存在本地的json数据,大小大约20M,模拟从网络端获取数据
await context.resourceManager.getRawFileContent("data.json").then((data: Uint8Array) => {
let jsonData = buffer.from(data).toString();
let res: responseData = JSON.parse(jsonData);
result = res.data;
})
return transArrayDTO2VO(result, index);
}
在上面的代码里,优化的思路主要是用子线程处理耗时操作,避免在主线程中执行耗时操作影响UI渲染,编译运行后,通过SmartPerf Host工具抓取Trace。如下图所示,原先在主线程中的getRawFileContent的标签转移到了TaskWorker线程。
从图中可以看到,主线程阻塞耗时明显减少,同时在右上角出现了新的trace,H:Deserialize,这个trace表示在反序列化taskpool线程返回的数据。依然存在一定耗时(17ms) 容易出现丢帧等问题。针对跨线程的序列化耗时问题,系统提供了@Sendable装饰器来实现内存共享。可以在返回的类对象ModelDetailVO上使用@Sendable装饰器,继续优化性能。
优化思路:可以使用@Sendable装饰器提升数据传输和同步效率
多线程存在线程间通信耗时问题,如果涉及数据较大的情况,用@Sendable。
build() {
Column({ space: 2 }) {
WaterFlow({}) {
LazyForEach(this.dataSource, (item: ModelDetailVO) => {
FlowItem() {
Column() {
Image(item.url)
}
}
.onAppear(() => {
// 即将触底时提前增加数据
if (item.id + 10 === this.dataSource.totalCount()) {
// 通过子线程获取数据,传入当前的数据长度,用于赋给数据的ID值
taskpoolExecute(this.dataSource.totalCount()).then((data: ModelDetailVO[]) => {
for (let i = 0; i < data.length; i++) {
this.dataSource.addLastItem(data[i]);
}
})
}
})
}, (item: string) => item)
}
}
}
// 注意:以下方法和类声明均在组件外声明
async function taskpoolExecute(index: number): Promise<ModelDetailVO[]> {
// context需要手动传入子线程
let task: taskpool.Task = new taskpool.Task(mockRequestData, index, getContext());
return await taskpool.execute(task) as ModelDetailVO[];
}
// 标记并发执行函数
@Concurrent
async function mockRequestData(index: number, context: Context): Promise<ModelDetailVO[]> {
let result: modelDetailDTO[] = [];
// data.json是存在本地的json数据,大小大约20M,模拟从网络端获取数据
await context.resourceManager.getRawFileContent("data.json").then((data: Uint8Array) => {
let jsonData = buffer.from(data).toString();
let res: responseData = JSON.parse(jsonData);
result = res.data;
})
return transArrayDTO2VO(result, index);
}
class ModelDetailVO {
id: number = 0;
name: string = "";
url: string = "";
}
// ...
上面的代码在子线程返回的类对象上使用了@Sendable,系统会使用共享内存的方式处理使用了@Sendable的类,从而降低反序列化的开销。
从图中可以看到,反序列化的大小和耗时明显变少。
总结
通过上面的示例代码和优化过程,可以看到在主线程的回调函数中处理耗时操作会直接阻塞主线程,用户能感知到明显的卡顿,用子线程配合@Sendable可以有效的优化该场景的性能。
最后
小编在之前的鸿蒙系统扫盲中,有很多朋友给我留言,不同的角度的问了一些问题,我明显感觉到一点,那就是许多人参与鸿蒙开发,但是又不知道从哪里下手,因为资料太多,太杂,教授的人也多,无从选择。有很多小伙伴不知道学习哪些鸿蒙开发技术?不知道需要重点掌握哪些鸿蒙应用开发知识点?而且学习时频繁踩坑,最终浪费大量时间。所以有一份实用的鸿蒙(HarmonyOS NEXT)文档用来跟着学习是非常有必要的。
为了确保高效学习,建议规划清晰的学习路线,涵盖以下关键阶段:
希望这一份鸿蒙学习文档能够给大家带来帮助~
GitCode - 全球开发者的开源社区,开源代码托管平台
鸿蒙(HarmonyOS NEXT)最新学习路线
该路线图包含基础技能、就业必备技能、多媒体技术、六大电商APP、进阶高级技能、实战就业级设备开发,不仅补充了华为官网未涉及的解决方案
路线图适合人群:
IT开发人员:想要拓展职业边界
零基础小白:鸿蒙爱好者,希望从0到1学习,增加一项技能。
技术提升/进阶跳槽:发展瓶颈期,提升职场竞争力,快速掌握鸿蒙技术
2.视频教程+学习PDF文档
(鸿蒙语法ArkTS、TypeScript、ArkUI教程……)
纯血版鸿蒙全套学习文档(面试、文档、全套视频等)
鸿蒙APP开发必备
总结
参与鸿蒙开发,你要先认清适合你的方向,如果是想从事鸿蒙应用开发方向的话,可以参考本文的学习路径,简单来说就是:为了确保高效学习,建议规划清晰的学习路线