1# 避免在主线程中执行耗时操作 2## 简介 3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。 4## 问题场景 5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。 6 7 8 9## 优化示例 10### 优化前代码示例 11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。 12```ts 13 build() { 14 Column({ space: 2 }) { 15 WaterFlow() { 16 LazyForEach(this.dataSource, (item: ModelDetailVO) => { 17 FlowItem() { 18 Column() { 19 Image(item.url) 20 } 21 } 22 .onAppear(() => { 23 // 即将触底时提前增加数据 24 if (item.id + 10 === this.dataSource.totalCount()) { 25 // 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 26 this.mockRequestData().then((data: ModelDetailVO[]) => { 27 for (let i = 0; i < data.length; i++) { 28 this.dataSource.addLastItem(data[i]); 29 } 30 }) 31 } 32 }) 33 }, (item: string) => item) 34 } 35 } 36 } 37 38 async mockRequestData(): Promise<ModelDetailVO[]> { 39 let result: modelDetailDTO[] = []; 40 // 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 41 await this.getUIContext().getHostContext()?.resourceManager.getRawFileContent("data.json").then((data: Uint8Array) => { 42 // 耗时回调函数 43 let jsonData = buffer.from(data).toString(); 44 let res: responseData = JSON.parse(jsonData); 45 result = res.data; 46 }) 47 return this.transArrayDTO2VO(result); 48 } 49 // ... 50``` 51编译运行后，通过[SmartPerf Host](./performance-optimization-using-smartperf-host.md)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。 52 53 54 55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。 56 57### 优化代码 58 59#### 优化思路：使用多线程能力 60使用系统自带的[TaskPool](../arkts-utils//taskpool-introduction.md)多线程能力。 61```ts 62 build() { 63 Column({ space: 2 }) { 64 WaterFlow() { 65 LazyForEach(this.dataSource, (item: ModelDetailVO) => { 66 FlowItem() { 67 Column() { 68 Image(item.url) 69 } 70 } 71 .onAppear(() => { 72 // 即将触底时提前增加数据 73 if (item.id + 10 === this.dataSource.totalCount()) { 74 // 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 75 taskpoolExecute(this.dataSource.totalCount(), 76 this.getUIContext().getHostContext() as common.UIAbilityContext).then((data: ModelDetailVO[]) => { 77 for (let i = 0; i < data.length; i++) { 78 this.dataSource.addLastItem(data[i]); 79 } 80 }) 81 } 82 }) 83 }, (item: string) => item) 84 } 85 } 86 } 87 88 // 注意：以下方法和类声明均在组件外声明 89 async function taskpoolExecute(index: number, context: Context): Promise<ModelDetailVO[]> { 90 // context需要手动传入子线程 91 let task: taskpool.Task = new taskpool.Task(mockRequestData, index, context); 92 return await taskpool.execute(task) as ModelDetailVO[]; 93 } 94 95 // 标记并发执行函数 96 @Concurrent 97 async function mockRequestData(index: number, context: Context): Promise<ModelDetailVO[]> { 98 let result: modelDetailDTO[] = []; 99 // 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 100 await context.resourceManager.getRawFileContent("data.json").then((data: Uint8Array) => { 101 let jsonData = buffer.from(data).toString(); 102 let res: responseData = JSON.parse(jsonData); 103 result = res.data; 104 }) 105 return transArrayDTO2VO(result, index); 106 } 107``` 108 109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](./performance-optimization-using-smartperf-host.md)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。 110 111 112 113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](../arkts-utils/arkts-sendable.md#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。 114 115#### 优化思路：可以使用@Sendable装饰器提升数据传输和同步效率 116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，可以使用[@Sendable](../arkts-utils/arkts-sendable.md)。 117 118```c++ 119 build() { 120 Column({ space: 2 }) { 121 WaterFlow({}) { 122 LazyForEach(this.dataSource, (item: ModelDetailVO) => { 123 FlowItem() { 124 Column() { 125 Image(item.url) 126 } 127 } 128 .onAppear(() => { 129 // 即将触底时提前增加数据 130 if (item.id + 10 === this.dataSource.totalCount(), ) { 131 // 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 132 taskpoolExecute(this.dataSource.totalCount(), 133 this.getUIContext().getHostContext() as common.UIAbilityContext).then((data: ModelDetailVO[]) => { 134 for (let i = 0; i < data.length; i++) { 135 this.dataSource.addLastItem(data[i]); 136 } 137 }) 138 } 139 }) 140 }, (item: string) => item) 141 } 142 } 143 } 144 145 // 注意：以下方法和类声明均在组件外声明 146 async function taskpoolExecute(index: number, context: Context): Promise<ModelDetailVO[]> { 147 // context需要手动传入子线程 148 let task: taskpool.Task = new taskpool.Task(mockRequestData, index, context); 149 return await taskpool.execute(task) as ModelDetailVO[]; 150 } 151 152 // 标记并发执行函数 153 @Concurrent 154 async function mockRequestData(index: number, context: Context): Promise<ModelDetailVO[]> { 155 let result: modelDetailDTO[] = []; 156 // 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 157 await context.resourceManager.getRawFileContent("data.json").then((data: Uint8Array) => { 158 let jsonData = buffer.from(data).toString(); 159 let res: responseData = JSON.parse(jsonData); 160 result = res.data; 161 }) 162 return transArrayDTO2VO(result, index); 163 } 164 165 @Sendable 166 class ModelDetailVO { 167 id: number = 0; 168 name: string = ""; 169 url: string = ""; 170 } 171 172 // ... 173``` 174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。 175 176 177 178从图中可以看到，反序列化的大小和耗时明显变少。 179 180## 总结 181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。 182
