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
//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。
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。
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:
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
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
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
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 0THREAD_PRIORITY_LOWEST
,最低的线程级别,值为 19THREAD_PRIORITY_BACKGROUND
后台线程建议设置这个优先级,值为 10THREAD_PRIORITY_MORE_FAVORABLE
相对THREAD_PRIORITY_DEFAULT
稍微优先,值为 -1THREAD_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))。
评论