闲鱼社区主要页面采用 Native 实现，部分使用 Flutter 和 Weex 承接。帖子、话题等固定数据结构的处理，点赞、评论等用户交互和状态同步，这些数据逻辑大部分是重复的，而且在多技术栈实现性价极低。由此我们想，能否在端上实现这样的一套工具，解放劳动力的同时，摆脱对服务端 BFF 层的依赖，保证研发效能。
抽象地看，实际上我们需要的正是一个逻辑跨平台工具。逻辑跨平台概念由来已久，也有一些很优秀的方案可以参考：
C++语言在 Objective-C/Java 等 Native 语言都有成熟接口可以调用，这使得 C++有天然的跨平台优势。同时不可否认的，C++入门门槛会比较高，导致后期维护成本大。
KMM 是 JetBrains 推出的用于跨平台移动开发 SDK，提供了一个语言级别的逻辑跨平台解决方案，可以将直接代码编译为与目标平台完全相同的格式。
结合团队内现有的一些技术基建，最终我们使用 Dart 完成了这一设计，在不同平台保证数据和逻辑处理的一致性，节约人力资源的同时保证用户体验。取名 Flutter Worker。
整体架构设计
在进行整体的设计之前，首先限定 worker 的业务场景：目标是提供一个多端可复用的逻辑处理中心，端上发起数据请求，所有的逻辑处理在 FlutterWorker 收口，执行完成返回回调给端上。设想中，在 worker 写 Handler 只需要关注逻辑处理，对于数据的传入和在端上的接收，开发者只需要指定类型，worker 会自动把数据转化成该类型。
由此，在整体的架构设计中，我们主要考虑以下几个方面：
FlutterWorker 需要一个稳定的运行环境，由于涉及到数据处理等可能会比较耗时的操作，需要保证不影响 UI 界面的绘制。
处理后的数据要供给多端使用，数据结构必须对齐。
提供足够的切面，方便接入方拓展。
为了保证运行时稳定可靠，需要添加监控及时发现问题，并且在上线前时，对性能进行测试评估。
整体的架构图如下：
运行容器层：容器是 worker 运行的基础，在保证性能的前提下，要尽可能的利用闲鱼现有的技术基建。
状态管理层：worker 在这里完成数据的存储和状态的同步。端上存储状态数据，通过订阅状态消息来接收数据的变动。考虑到状态管理层在目前没有业务的强需求，这部分仅停留在 Demo 阶段还未落地，后面不再进行阐述。
数据处理层：包含了 worker 所有的中间层数据处理部分，主要包括 Model 对象同步、数据转换和数据类型同步。基础数据类型在 Dart 语言中天然支持，在 iOS 端 Androiddr 端都有对应的类型，因此，worker 工作主要在后两者。
监控层：worker 在线上运行，需要有监控来保障，及时发现问题及时响应。
下面对各个模块进行详细的介绍。
运行容器层
FlutterWorker 的运行环境强依赖 FlutterEngine 和 Isolate，从这个角度来考虑，对以下三种方案做了梳理和对比。
值得一提的是，随着 Flutter2.0 推出，我们在更新日志中注意到有一项对多开 Flutter Engine 实例内存消耗的优化。据官方文档称，额外 Flutter 引擎的静态内存占用量降低了约 99%，使每个实例的占用量大约为 180KB。结合源码来看，这里是新提供了 FlutterEngineGroup 类来创建 Flutter Engine。
相较于原来的 API，FlutterEngineGroup 生成的 FlutterEngine 具有常用共享资源（例如 GPU 上下文、字体度量和隔离线程的快照）的性能优势，从而加快首次渲染的速度、降低延迟并降低内存占用。
同时 EngineGroup 本身和其生成的 FlutterEngine 不需要持续保活，只要有 1 个可用的 FlutterEngine，就可以随时在各个 FlutterEngine 之间共享资源。EngineGroup 销毁后，已生成的 FlutterEngine 也不受影响，只是无法继续在现有共享的基础上创建新引擎。
虽然现在 FlutterEngineGroup 还不是一个稳定 API，但是这为 FlutterWorker 提供了另一种可能。综合考虑，目前实现选择了方案 3 来实现。
数据处理层
从用户调用开始，worker 的数据流图如下图所示：
数据在三端的流通，是通过调用 NatiaveWorker，执行到对应的 WorkerHandler，处理完成后再以异步的方式回调到 Native 方法。中间主要涉及 Model 对象同步和数据转换过程，worker 对这里分别实现了处理库。
Model 对象同步
worker 首先要实现的是，是 OringinDataModel ==> TargetDataModel。TargetDataModel 的定义在 iOS/Android/Flutter 三端的表现形式要保持一致，直接用代码生成是最好的选择。这里参考一些硬件协议，指定 IDL 格式来生成三端 Model 并导入工程。封装的 dartGen 库可以解析这些 yaml 节点，生成我们需要的胖 Model。
方便开发者使用，dartGen 打包成了 cli 工具。模仿 GsonFormat 插件，json 数据在 IDE 中可以方便转成对应的 dartGen 可以解析的 yaml 协议。对于其他生成 Model 的需求，可以以很小的代价修改模板，定制化高。
数据转换
通过 Flutter 的 MethodChannel 向 Native 传输数据，需要经过一层 messager 编码，而且编码数据为基础类型。所以在 BinaryMessager 的基础上，封装了 WorkerBinaryMessenger 方便做定制化处理。
iOS 端和 Android 端有成熟的 model 转换库（YYModel 和 FastJson）。在 Dart 这里，基于 fish_serializable 同样做了一些定制处理，在生成的 Model 里提供 toJson 和 fromJson 方法等，保证各种类型数据，包括 Map 和 List 等内包泛型类，能够很方便地进行转换。
监控方案设计
每个监控方案都有其业务场景的局限性，在目前阶段，主要考虑逻辑一致性。worker 内单次的逻辑闭环类似 tcp 握手和挥手的过程，应用内的数据流转类似消息队列，其传递过程如图：
由此我们确定 workerMonitor 运行的流程图如下：
性能监控
在该模式下的主流监控方案，会根据时间切片来观察 发起方/接收方的队列数据情况，时间切片有两种方式，第一种是设置定时器，第二种是在每次有数据调用时处理。
另外上报的方式也分为实时上报和聚合上报。考虑到目前 worker 的使用场景有闲时和忙时的明显区分，并且端上的长驻的频繁的定时上报任务对 ui 绘制会有一定影响，最终采用每次数据调用时统计队列内数据，同时在每次调用后增加超时定时器，如果有下次调用则取消超时定时器。
指标
在线上监控指标建设方面，参考 rabbitmq 监控，先定义初期需要观测的指标。初期核心关注消息丢失的情况和消息时延长的情况。由此我们确定指标如下：
Exception 监控
参考 ui 引擎对 crash 的监控，会在入口函数处统一接受异常信息以及异常堆栈，然后统一上报处理。这里在闲鱼公众号 Flutter 高可用相关文章中有详细介绍。
可行性验证
最后实现完成，调用代码及对应的 Handler 示例如下：
•iOS 端：
•Android 端：
•Handler：
为了测试我们的方案能否达到上线标准，在会玩首页场景下做暴力测试来验证。对比正常 Native 代码和 worker 处理数据，测试多次并发访问/有序访问条件下 CPU、内存以及时延等表现。
通过多次对比试验，FlutterWorker 方案在常见和高压的请求场景下短期内存和 cpu 水位增量少于 30M，长期内存和 cpu 水位增量小于 5M，并且时延低于原有方案的 5%。
三端接入后，数据处理只需要投入一个人力就可供多端使用，大量减少了重复工作，提升了研发效能。
总结和展望
当前跨平台是移动开发的趋势之一，各个公司、团队各有建树，百家争鸣。究其根本目的都是想提升研发效率，降低维护成本。各个方案都各有自己的独特优势，应该理性分析团队和业务的现状，选择适合的方案。
Flutter Worker 从逻辑跨平台的视角切入，取得了一些不错的效果。不过我们目前只完成了小部分的工作，仍有很多未完善的地方，在未来主要会从下面几个方面继续深入研究：
MethodChannel 优化。数据通道的通信强依赖 MethodChannel，从目前测试结果来其性能表现可以 cover 目前的业务场景，但长远来看，通道会成为 worker 性能瓶颈。从 dart_native 库得到启发，以类型映射指针的方式来替代原生的通道是一条可行的路。
单元测试。逻辑处理函数有明确的输入和输出，写单测的效率很高。而且快速迭代的产品，很多是在原有的逻辑基础上添加新的逻辑，写单测的性价比较高。
前端容器支持。先行版本只支持了 iOS、Android 和 Flutter，对于 Weex 和 H5 前端页面并没有很好的支持，未来期望能够提供优雅的方式接入前端容器。
本文转载自：闲鱼技术（ID：XYtech_Alibaba）
中国开发者画像洞察研究报告 2024
分析开发者的行为模式、工作价值、职业发展等内容，帮助整个行业生态更深入地理解开发者，为他们提供更精准...
评论