写点什么

关于 Android 中工作者线程的思考

  • 2015-12-16
  • 本文字数:4349 字

    阅读完需:约 14 分钟

本文系 2015 北京 GDG Devfest 分享内容整理。

在 Android 中,我们或多或少使用了工作者线程,比如 Thread,AsyncTask,HandlerThread,甚至是自己创建的线程池,使用工作者线程我们可以将耗时的操作从主线程中移走。然而在 Android 系统中为什么存在工作者线程呢,常用的工作者线程有哪些不易察觉的问题呢,关于工作者线程有哪些优化的方面呢,本文将一一解答这些问题。

工作者线程的存在原因

  • 因为 Android 的 UI 单线程模型,所有的 UI 相关的操作都需要在主线程 (UI 线程) 执行
  • Android 中各大组件的生命周期回调都是位于主线程中,使得主线程的职责更重
  • 如果不使用工作者线程为主线程分担耗时的任务,会造成应用卡顿,严重时可能出现 ANR(Application Not Responding), 即程序未响应。

因而,在 Android 中使用工作者线程显得势在必行,如一开始提到那样,在 Android 中工作者线程有很多,接下来我们将围绕 AsyncTask,HandlerThread 等深入研究。

AsyncTask

AsyncTask 是 Android 框架提供给开发者的一个辅助类,使用该类我们可以轻松的处理异步线程与主线程的交互,由于其便捷性,在 Android 工程中,AsyncTask 被广泛使用。然而 AsyncTask 并非一个完美的方案,使用它往往会存在一些问题。接下来将逐一列举 AsyncTask 不容易被开发者察觉的问题。

AsyncTask 与内存泄露

内存泄露是 Android 开发中常见的问题,只要开发者稍有不慎就有可能导致程序产生内存泄露,严重时甚至可能导致 OOM(OutOfMemory,即内存溢出错误)。AsyncTask 也不例外,也有可能造成内存泄露。

以一个简单的场景为例:
在 Activity 中,通常我们这样使用 AsyncTask

复制代码
//In Activity
new AsyncTask<String, Void, Void>() {
@Override
protected Void doInBackground(String... params) {
//some code
return null;
}
}.execute("hello world");

上述代码使用的匿名内存类创建 AsyncTask 实例,然而在 Java 中,非静态内存类会隐式持有外部类的实例引用,上面例子 AsyncTask 创建于 Activity 中,因而会隐式持有 Activity 的实例引用。

而在 AsyncTask 内部实现中,mFuture 同样使用匿名内部类创建对象,而 mFuture 会作为执行任务加入到任务执行器中。

复制代码
private final WorkerRunnable<Params, Result> mWorker;
public AsyncTask() {
mFuture = new FutureTask<Result>(mWorker) {
@Override
protected void done() {
//some code
}
};
}

而 mFuture 加入任务执行器,实际上是放入了一个静态成员变量 SERIAL_EXECUTOR 指向的对象 SerialExecutor 的一个 ArrayDeque 类型的集合中。

复制代码
public static final Executor SERIAL_EXECUTOR = new SerialExecutor();
private static class SerialExecutor implements Executor {
final ArrayDeque<Runnable> mTasks = new ArrayDeque<Runnable>();
public synchronized void execute(final Runnable r) {
mTasks.offer(new Runnable() {
public void run() {
//fake code
r.run();
}
});
}
}

当任务处于排队状态,则 Activity 实例引用被静态常量 SERIAL_EXECUTOR 间接持有。

在通常情况下,当设备发生屏幕旋转事件,当前的 Activity 被销毁,新的 Activity 被创建,以此完成对布局的重新加载。

而本例中,当屏幕旋转时,处于排队的 AsyncTask 由于其对 Activity 实例的引用关系,导致这个 Activity 不能被销毁,其对应的内存不能被 GC 回收,因而就出现了内存泄露问题。

关于如何避免内存泄露,我们可以使用静态内部类 + 弱引用的形式解决。

cancel 的问题

AsyncTask 作为任务,是支持调用者取消任务的,即允许我们使用 AsyncTask.canncel() 方法取消提交的任务。然而其实 cancel 并非真正的起作用。

首先,我们看一下 cancel 方法:

复制代码
public final boolean cancel(boolean mayInterruptIfRunning) {
mCancelled.set(true);
return mFuture.cancel(mayInterruptIfRunning);
}

cancel 方法接受一个 boolean 类型的参数,名称为mayInterruptIfRunning,意思是是否可以打断正在执行的任务。

当我们调用 cancel(false),不打断正在执行的任务,对应的结果是

  • 处于 doInBackground 中的任务不受影响,继续执行
  • 任务结束时不会去调用onPostExecute方法,而是执行onCancelled方法

当我们调用 cancel(true),表示打断正在执行的任务,会出现如下情况:

  • 如果 doInBackground 方法处于阻塞状态,如调用 Thread.sleep,wait 等方法,则会抛出 InterruptedException。
  • 对于某些情况下,有可能无法打断正在执行的任务

如下,就是一个 cancel 方法无法打断正在执行的任务的例子

复制代码
AsyncTask<String,Void,Void> task = new AsyncTask<String, Void, Void>() {
@Override
protected Void doInBackground(String... params) {
boolean loop = true;
while(loop) {
Log.i(LOGTAG, "doInBackground after interrupting the loop");
}
return null;
}
}
task.execute("hello world");
try {
Thread.sleep(2000);// 确保 AsyncTask 任务执行
task.cancel(true);
} catch (InterruptedException e) {
e.printStackTrace();
}

上面的例子,如果想要使 cancel 正常工作需要在循环中,需要在循环条件里面同时检测isCancelled()才可以。

串行带来的问题

Android 团队关于 AsyncTask 执行策略进行了多次修改,修改大致如下:

  • 自最初引入到 Donut(1.6) 之前,任务串行执行
  • 从 Donut 到 GINGERBREAD_MR1(2.3.4), 任务被修改成了并行执行
  • 从 HONEYCOMB(3.0)至今,任务恢复至串行,但可以设置executeOnExecutor()实现并行执行。

然而 AsyncTask 的串行实际执行起来是这样的逻辑

  • 由串行执行器控制任务的初始分发
  • 并行执行器一次执行单个任务,并启动下一个

在 AsyncTask 中,并发执行器实际为 ThreadPoolExecutor 的实例,其 CORE_POOL_SIZE 为当前设备 CPU 数量 +1,MAXIMUM_POOL_SIZE 值为 CPU 数量的 2 倍 + 1。

以一个四核手机为例,当我们持续调用 AsyncTask 任务过程中

  • 在 AsyncTask 线程数量小于 CORE_POOL_SIZE(5 个) 时,会启动新的线程处理任务,不重用之前空闲的线程
  • 当数量超过 CORE_POOL_SIZE(5 个),才开始重用之前的线程处理任务

但是由于 AsyncTask 属于默认线性执行任务,导致并发执行器总是处于某一个线程工作的状态,因而造成了 ThreadPool 中其他线程的浪费。同时由于 AsyncTask 中并不存在 allowCoreThreadTimeOut(boolean) 的调用,所以 ThreadPool 中的核心线程即使处于空闲状态也不会销毁掉。

Executors

Executors 是 Java API 中一个快速创建线程池的工具类,然而在它里面也是存在问题的。

以 Executors 中获取一个固定大小的线程池方法为例

复制代码
public static ExecutorService newFixedThreadPool(int nThreads) {
return new ThreadPoolExecutor(nThreads, nThreads,0L,
TimeUnit.MILLISECONDS,new LinkedBlockingQueue<Runnable>());
}

在上面代码实现中,CORE_POOL_SIZE 和 MAXIMUM_POOL_SIZE 都是同样的值,如果把 nThreads 当成核心线程数,则无法保证最大并发,而如果当做最大并发线程数,则会造成线程的浪费。因而 Executors 这样的 API 导致了我们无法在最大并发数和线程节省上做到平衡。

为了达到最大并发数和线程节省的平衡,建议自行创建 ThreadPoolExecutor,根据业务和设备信息确定 CORE_POOL_SIZE 和 MAXIMUM_POOL_SIZE 的合理值。

HandlerThread

HandlerThread 是 Android 中提供特殊的线程类,使用这个类我们可以轻松创建一个带有 Looper 的线程,同时利用 Looper 我们可以结合 Handler 实现任务的控制与调度。以 Handler 的 post 方法为例,我们可以封装一个轻量级的任务处理器

复制代码
private Handler mHandler;
private LightTaskManager() {
HandlerThread workerThread = new HandlerThread("LightTaskThread");
workerThread.start();
mHandler = new Handler(workerThread.getLooper());
}
public void post(Runnable run) {
mHandler.post(run);
}
public void postAtFrontOfQueue(Runnable runnable) {
mHandler.postAtFrontOfQueue(runnable);
}
public void postDelayed(Runnable runnable, long delay) {
mHandler.postDelayed(runnable, delay);
}
public void postAtTime(Runnable runnable, long time) {
mHandler.postAtTime(runnable, time);
}

在本例中,我们可以按照如下规则提交任务

  • post 提交优先级一般的任务
  • postAtFrontOfQueue 将优先级较高的任务加入到队列前端
  • postAtTime 指定时间提交任务
  • postDelayed 延后提交优先级较低的任务

上面的轻量级任务处理器利用 HandlerThread 的单一线程 + 任务队列的形式,可以处理类似本地 IO(文件或数据库读取)的轻量级任务。在具体的处理场景下,可以参考如下做法:

  • 对于本地 IO 读取,并显示到界面,建议使用 postAtFrontOfQueue
  • 对于本地 IO 写入,不需要通知界面,建议使用 postDelayed
  • 一般操作,可以使用 post

线程优先级调整

在 Android 应用中,将耗时任务放入异步线程是一个不错的选择,那么为异步线程调整应有的优先级则是一件锦上添花的事情。众所周知,线程的并行通过 CPU 的时间片切换实现,对线程优先级调整,最主要的策略就是降低异步线程的优先级,从而使得主线程获得更多的 CPU 资源。

Android 中的线程优先级和 Linux 系统进程优先级有些类似,其值都是从 -20 至 19。其中 Android 中,开发者可以控制的优先级有:

  • THREAD_PRIORITY_DEFAULT,默认的线程优先级,值为 0
  • THREAD_PRIORITY_LOWEST,最低的线程级别,值为 19
  • THREAD_PRIORITY_BACKGROUND 后台线程建议设置这个优先级,值为 10
  • THREAD_PRIORITY_MORE_FAVORABLE 相对THREAD_PRIORITY_DEFAULT稍微优先,值为 -1
  • THREAD_PRIORITY_LESS_FAVORABLE 相对THREAD_PRIORITY_DEFAULT稍微落后一些,值为 1

为线程设置优先级也比较简单,通用的做法是在 run 方法体的开始部分加入下列代码

android.os.Process.setThreadPriority(priority);通常设置优先级的规则如下:

  • 一般的工作者线程,设置成THREAD_PRIORITY_BACKGROUND
  • 对于优先级很低的线程,可以设置THREAD_PRIORITY_LOWEST
  • 其他特殊需求,视业务应用具体的优先级

总结

在 Android 中工作者线程如此普遍,然而潜在的问题也不可避免,建议在开发者使用工作者线程时,从工作者线程的数量和优先级等方面进行审视,做到较为合理的使用。


感谢徐川对本文的审校。

给InfoQ 中文站投稿或者参与内容翻译工作,请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博( @InfoQ @丁晓昀),微信(微信号: InfoQChina )关注我们,并与我们的编辑和其他读者朋友交流(欢迎加入 InfoQ 读者交流群(已满),InfoQ 读者交流群(#2))。

2015-12-16 17:297884

评论

发布
暂无评论
发现更多内容

KubeSphere Marketpalce 上新!Databend Playground 助力快速启动数据分析环境

Databend

最全最详细的Java异常处理机制

是月月啊2023

Java 面试题

大模型数据集:揭秘AI背后的魔法世界

数据堂

【智问-Askture】降低企业成本,定制一个专属自己的ChatGPT!

伊克罗德信息科技

AIGC 大语言模型

【写作训练营打卡|03】

一款带键扫的LED驱动电路

芯动大师

颠覆你的绘图方式!这8款泳道图工具你用过几款

职场工具箱

泳道图 工具推荐

代币开发:加密货币开发与IDO预售相关指南

区块链软件开发推广运营

dapp开发 区块链开发 链游开发 NFT开发 公链开发

谷歌史上最强大模型Gemini抢鲜知!!!

江湖修行

AI Google openai #人工智能 #大模型

每日一题:LeetCode-105. 从前序与中序遍历序列构造二叉树

面试 算法 LeetCode 二叉树 Golag

软件测试/人工智能|HTTPS加密协议,你会多少?

霍格沃兹测试开发学社

SQL CREATE INDEX 语句- 提高数据库检索效率的关键步骤

小万哥

MySQL 数据库 sql 程序员 后端开发

分布式基础概念-分布式高可用

派大星

分布式 Java 面试题

软件测试/人工智能|一文告诉你Python字符串的相关操作

霍格沃兹测试开发学社

技术人年度回顾:大模型驱动的变革与影响

熬夜磕代码、

大模型

PostgreSQL 技术内幕(十二)CloudberryDB并行化查询之路

酷克数据HashData

FFA 2023 明日开幕,Flink 智能诊断、小红书流批一体实践精彩来袭

小红书技术REDtech

大数据 flink 架构 流批一体

基于Browscap对浏览器工具类优化

不在线第一只蜗牛

浏览器 软件开发 可视化工具

用户案例|Milvus 助力 Credal.AI 实现 GenAI 安全与可控

Zilliz

Milvus Zilliz AIGC credal

英特尔研究院将在NeurIPS大会上展示业界领先的AI研究成果

E科讯

写作训练营打卡2--工作后最有成就感的事

Avril

系统分析师还是架构师?

escray

技术人写作 21 天技术人写作行动营

inBuilder低代码平台新特性推荐-第十五期

inBuilder低代码平台

低代码

IT外包对中小企业的独特优势

Ogcloud

外包 IT 外包公司 外包项目 IT 运维

【技术人的 2023】 ——我的AI学习之旅年度总结

YoLo

AI

2024营销日历新鲜出炉!提前规划,赢在起跑线!

彭宏豪95

互联网 营销 在线白板 活动策划 效率软件

企业IT外包的四种类型

Ogcloud

外包 IT 外包公司 外包项目 IT 运维

Java多线程系列5:sleep()

BigBang!

Java多线程

软件测试/人工智能|一文告诉你Python元组相关操作

霍格沃兹测试开发学社

关于Android中工作者线程的思考_Android/iOS_段建华_InfoQ精选文章