HarmonyOS开发实战（ Beta5版）ArrayBuffer序列化拷贝和转移最佳实践规范

场景示例

在应用开发中，会遇到需要进行图片处理的场景（比如需要调整一张图片的亮度、饱和度、大小等），为了避免阻塞主线程，可以将图片传递到子线程中执行这些操作。下面将分别通过拷贝和转移的方式，将图片传递到子线程中，并对比两种方式的性能数据。

使用拷贝方式传递

在ArkTS中，TaskPool传递ArrayBuffer数据时，默认使用转移的方式，通过调用task.setTransferList([])接口，可以切换成拷贝的方式。

首先，实现一个需要在Task中执行的用于调整饱和度的接口。

  1. // code/Performance/PerformanceLibrary/feature/ThreadDataTransfer/src/main/ets/utils/TreadUtil.ets
  2. @Concurrent
  3. function adjustImageValue(arrayBuffer: ArrayBuffer, lastAdjustData: number, currentAdjustData: number): ArrayBuffer {
  4.   return execColorInfo(arrayBuffer, lastAdjustData, currentAdjustData);
  5. }

然后，通过拷贝的方式将图片数据传递到Task中，并在Task中将图片进行饱和度调整。

  1. // code/Performance/PerformanceLibrary/feature/ThreadDataTransfer/src/main/ets/utils/TreadUtil.ets
  2. // 创建Task，传入数据
  3. function createImageTask(arrayBuffer: ArrayBuffer, lastAdjustData: number, currentAdjustData: number, isParamsByTransfer: boolean): taskpool.Task {
  4.   let task: taskpool.Task = new taskpool.Task(adjustImageValue, arrayBuffer, lastAdjustData, currentAdjustData);
  5.   if (!isParamsByTransfer) { // 是否使用转移方式
  6.     task.setTransferList([]);
  7.   }
  8.   return task;
  9. }
  10. // ...
  11. // 创建taskNum个Task
  12. for (let i: number = 0; i < taskNum; i++) {
  13.   let arrayBufferSlice: ArrayBuffer = arrayBuffer.slice(arrayBuffer.byteLength / taskNum * i, arrayBuffer.byteLength / taskNum * (i + 1));
  14.   // 使用拷贝方式传入ArrayBuffer，所以isParamsByTransfer是false
  15.   taskPoolGroup.addTask(createImageTask(arrayBufferSlice, lastAdjustData, currentAdjustData, isParamsByTransfer));
  16. }
  17. let start: number = new Date().getTime();
  18. // 执行Task
  19. taskpool.execute(taskPoolGroup).then((data: ArrayBuffer[]) => {
  20.   if (callback !== undefined) {
  21.     let end : number = new Date().getTime();
  22.     AppStorage.set<String>('timeCost', util.format('%s s', ((end - start) / 60).toFixed(2).toString()));
  23.     callback(concatenateArrayBuffers(data));
  24.   }
  25. }).catch((e: BusinessError) => {
  26.   Logger.error(e.message);
  27. })
  28. // ...

最后，主线程接收到Task执行完毕后返回的ArrayBuffer数据，转换为PixelMap后在Image组件上显示。

  1. // code/Performance/PerformanceLibrary/feature/ThreadDataTransfer/src/main/ets/view/AdjustImageView.ets
  2. // ...
  3. // 将处理后的ArrayBuffer转换为PixelMap，并在Image组件上显示
  4. pixelMapProcessByTaskPool(this.pixelMap, this.lastAdjustData, this.currentAdjustData, this.currentTaskNum, 
  5.   this.isParamsByTransfer, (data: ArrayBuffer) => {
  6.     if (this.pixelMap !== undefined) {
  7.     const newPixel: image.PixelMap = this.pixelMap;
  8.     newPixel.writeBufferToPixels(data).then(() => {
  9.       this.pixelMap = newPixel;
  10.       this.lastAdjustData = Math.round(value);
  11.       this.isPixelMapChanged = !this.isPixelMapChanged;
  12.       this.deviceListDialogController.close();
  13.       this.postState = true;
  14.     });
  15.   }
  16. });
  17. // ...

编译运行后，通过脚本工具抓取Trace并在SmartPerf Host中查看，如图1所示。其中，All Heap表示应用占用的内存，BeforePassParameter表示ArrayBuffer开始从主线程传递到子线程，AfterPassParameter表示子线程收到完整的ArrayBuffer数据。

图1 拷贝方式Trace泳道图

image-20240702184652708

图1中可以看到，ArrayBuffer传递到TaskPool时，内存有2.5M的上升，耗时是19ms。

使用转移方式传递

在TaskPool中，传递ArrayBuffer数据，是默认使用转移方式的，所以在上面示例的基础上，去除task.setTransferList([])接口就可以实现。

  1. // code/Performance/PerformanceLibrary/feature/ThreadDataTransfer/src/main/ets/utils/TreadUtil.ets
  2. // 创建Task，传入数据
  3. function createImageTask(arrayBuffer: ArrayBuffer, lastAdjustData: number, currentAdjustData: number, isParamsByTransfer: boolean): taskpool.Task {
  4.   let task: taskpool.Task = new taskpool.Task(adjustImageValue, arrayBuffer, lastAdjustData, currentAdjustData);
  5.   if (!isParamsByTransfer) { // 是否使用转移方式
  6.     task.setTransferList([]);
  7.   }
  8.   return task;
  9. }
  10. // ...
  11. // 创建taskNum个Task
  12. for (let i: number = 0; i < taskNum; i++) {
  13.   let arrayBufferSlice: ArrayBuffer = arrayBuffer.slice(arrayBuffer.byteLength / taskNum * i, arrayBuffer.byteLength / taskNum * (i + 1));
  14.   // 使用转移方式传入ArrayBuffer，所以isParamsByTransfer是true
  15.   taskPoolGroup.addTask(createImageTask(arrayBufferSlice, lastAdjustData, currentAdjustData, isParamsByTransfer));
  16. }
  17. let start: number = new Date().getTime();
  18. // 执行Task
  19. taskpool.execute(taskPoolGroup).then((data: ArrayBuffer[]) => {
  20.   if (callback !== undefined) {
  21.     let end : number = new Date().getTime();
  22.     AppStorage.set<String>('timeCost', util.format('%s s', ((end - start) / 60).toFixed(2).toString()));
  23.     callback(concatenateArrayBuffers(data));
  24.   }
  25. }).catch((e: BusinessError) => {
  26.   Logger.error(e.message);
  27. })
  28. // ...

编译运行后，通过脚本工具抓取Trace并在SmartPerf Host中查看，如图2所示。

图2 转移方式Trace泳道图

image-20240726120720219

在图2中可以看到，ArrayBuffer传递到TaskPool时，内存并没有明显的变化，耗时只有5.2ms。

性能对比

通过对比上面两个场景中的Trace数据可以发现，相对于拷贝，转移的内存占用明显变少，耗时也减少了72%。

使用拷贝方式传递数据时，会将ArrayBuffer对象拷贝一次。不仅会多占用了一部分内存，还会消耗一定的时间进行拷贝对象的序列化操作。而通过转移的方式传递数据时，并不需要将传递的对象拷贝一次，而是通过地址转移进行序列化，将ArrayBuffer的内存资源从原始的缓冲区分离出来，附加到子线程TaskPool创建的缓冲区对象中，也就是将ArrayBuffer的所有权从主线程移交给了子线程。

所以，使用转移方式，可以减少线程间传递数据时的内存占用和CPU耗时。

使用建议

在ArkTS的多线程中传递数据时，应保证线程间的通信数据量尽可能的小，输入输出都要简单，避免传输影响耗时；而且并发任务要相对独立，不要频繁跨线程交互。上一部分的例子中，虽然将图片处理的操作放在了TaskPool子线程中，但是由于图片数据较大，处理时间还是较长，如图3所示。其中，BeforePassParameter表示ArrayBuffer开始从主线程传递到子线程，AfterPassParameter表示子线程收到完整的ArrayBuffer数据，AfterImageDarken表示计算（图片饱和度调节）结束。在图中可以看到，有5.8s的耗时，虽然在这段时间内并不会阻塞主线程中的操作，但是对于用户来说，等待时间依然较长。

图3 子线程计算耗时泳道图

img

下面将通过示例代码说明如何进一步优化图片处理的时间。详细代码请参考ThreadDataTransfer。

  1. // code/Performance/PerformanceLibrary/feature/ThreadDataTransfer/src/main/ets/utils/TreadUtil.ets
  2. // ...
  3. // 根据传入的taskNum，创建对应数量的Task
  4. export async function pixelMapProcessByTaskPool(pixelMap: image.PixelMap, lastAdjustData: number, currentAdjustData: number, taskNum: number, isParamsByTransfer: boolean, callback?: Callback<ArrayBuffer>): Promise<void> {
  5.   let arrayBuffer: ArrayBuffer = await convertPixelMapToArrayBuffer(pixelMap);
  6.   let taskPoolGroup: taskpool.TaskGroup = new taskpool.TaskGroup();
  7.   for (let i: number = 0; i < taskNum; i++) {
  8.     let arrayBufferSlice: ArrayBuffer = arrayBuffer.slice(arrayBuffer.byteLength / taskNum * i, arrayBuffer.byteLength / taskNum * (i + 1));
  9.     taskPoolGroup.addTask(createImageTask(arrayBufferSlice, lastAdjustData, currentAdjustData, isParamsByTransfer));
  10.   }
  11.   let start: number = new Date().getTime();
  12.   taskpool.execute(taskPoolGroup).then((data: ArrayBuffer[]) => {
  13.     if (callback !== undefined) {
  14.       let end : number = new Date().getTime();
  15.       AppStorage.set<String>('timeCost', util.format('%s s', ((end - start) / 60).toFixed(2).toString()));
  16.       // 将Task处理完成的数据合并在一个ArrayBuffer中
  17.       callback(concatenateArrayBuffers(data));
  18.     }
  19.   }).catch((e: BusinessError) => {
  20.     Logger.error(e.message);
  21.   })
  22. }

在这段代码中，将图片转换为ArrayBuffer后，并没有直接传递到子线程中，而是先进行了切片处理，分成taskNum个独立的ArrayBuffer。之后分别传入到taskNum个Task中，并通过TaskGroup统一管理。在图片饱和度调节完成后，再将taskNum个处理结果拼接成一个ArrayBuffer，并转换为PixelMap在Image组件上显示。此示例代码也是使用了转移方式进行传递，因为上一部分的示例已经说明了转移比拷贝的方式更加高效，所以这里不再进行重复的对比。编译运行代码后，通过脚本工具抓取Trace并在SmartPerf Host中查看，如图4所示。

图4 图片切成3份处理后的泳道图

image-20240702185135759

通过图4可以看到，将原ArrayBuffer切成3段，分别放在3个子线程中处理，图片饱和度调节的操作耗时只有3.4s，计算时间减少了44%。因为有3个线程在同时进行操作，大大减少了计算的耗时。但是，这并不代表可以随意增加Task的数量。由于在TaskPool中，并不是创建了多少个Task，就会有多少个Task在同时执行。随着Task的增多，同时执行的线程也会越多，并发执行的任务就会增多，CPU的占用率就会升高，从而影响到其他需要CPU计算的任务。虽然在硬件配置高的设备上表现不明显，但是对于低配置的设备，影响会较大。下面的表格，列出了示例中不同数量Task时的CPU耗时供开发者参考。

任务数实际子线程数序列化时间（ms）计算时间（s）
113.307923.967
222.623452.646
336.112581.875
437.252952.579
532.70322.266
633.2131.970
735.2602.096
832.7042.067
933.9862.116
1053.8111.844
1552.8792.079
2053.5262.015

因此，在分段传输大数据时，需要合理调整子线程的数量和传入子线程的数据量，加快子线程处理速度，同时减少对其他功能的影响，提升用户的应用体验。

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：

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.视频学习教程+学习PDF文档

HarmonyOS Next 最新全套视频教程

  纯血版鸿蒙全套学习文档（面试、文档、全套视频等）       

​​

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

鸿蒙NEXT全套学习资料
微信名片
注：本文转载自blog.csdn.net的让开，我要吃人了的文章"https://blog.csdn.net/weixin_55362248/article/details/141822390"。版权归原作者所有，此博客不拥有其著作权，亦不承担相应法律责任。如有侵权，请联系我们删除。
复制链接
相关推荐
发表评论

评论记录：

未查询到任何数据！