原生移动开发 / 系统课时

排查序列化与磁盘 I/O

排查序列化与磁盘 I/O

当页面进入后出现短暂卡顿、启动变慢或 CPU 使用率突然升高时,问题不一定来自网络请求本身。大量 JSON 解析、文件读取、配置写入都可能把 CPU 与磁盘等待叠加到关键线程上。本课用可测量的方式定位这些成本,并判断应该优化数据量、执行线程还是 I/O 方式。

学习目标

  • 能区分 JSON 序列化耗时与文件 I/O 等待
  • 能定位主线程上的大对象解析和同步文件访问
  • 能通过分段计时判断优化是否真正降低了总耗时

先把 CPU 和 I/O 分开测

排查时不要只记录“整个函数用了 200 ms”。更有价值的是把读取、解析、业务转换、写入分别计时,这样才能判断主要成本到底在哪里。

下面示例用 Kotlin 的 measureTimeMillis 测量一次完整文件读取与 JSON 解析流程。示例假设文件内容是一个 JSON 数组,并使用 kotlinx.serialization 完成解析。

kotlin
import android.content.Context
import android.util.Log
import kotlinx.serialization.Serializable
import kotlinx.serialization.json.Json
import java.io.File
import kotlin.system.measureTimeMillis

@Serializable
data class UserConfig(val id: Long, val name: String)

fun loadConfig(context: Context): List<UserConfig> {
    val file = File(context.filesDir, "config.json")
    var jsonText = ""
    var users: List<UserConfig> = emptyList()

    val readMs = measureTimeMillis {
        jsonText = file.readText()
    }
    val parseMs = measureTimeMillis {
        users = Json.decodeFromString(jsonText)
    }

    Log.d("ConfigPerf", "readMs=$readMs parseMs=$parseMs count=${users.size}")
    return users
}

预期结果

text
D/ConfigPerf: readMs=8 parseMs=24 count=5000

实际耗时与设备、文件大小、存储介质和数据结构有关。这个结果只用于说明如何拆分成本,不代表固定性能指标。

判断是不是主线程问题

即使单次读取只需要几十毫秒,也可能因为调用发生在主线程、数据量较大或操作频繁而造成掉帧。尤其要注意 File.readText()、同步写文件和一次性解析大 JSON:它们都会在当前调用线程直接执行。

真正的优化目标不是简单地“把所有东西丢到后台”,而是先判断结果是否允许异步化。界面线程只应保留必要的 UI 工作;文件读取、JSON 解析和大对象转换通常可以放入 Dispatchers.IO 或合适的后台执行上下文,再把最终结果切回主线程更新界面。

识别序列化的 CPU 成本

JSON 解析属于 CPU 工作。数据越大、嵌套越深、对象数量越多,解析和对象创建的成本通常越高。一个常见误区是只测文件读取时间:磁盘可能很快,但解析 5 万个对象本身就足以成为主要耗时来源。

可以比较三个指标:输入字节数、解析耗时和产生的对象数量。若文件读取只占总耗时的一小部分,而解析占大头,就应优先减少载荷、避免重复解析或改进数据模型,而不是先调整文件系统参数。

检查重复写入和同步刷盘

配置保存也是常见热点。例如用户连续修改设置时,每次按键都立即写完整 JSON 文件,会产生大量序列化和磁盘写入。更合理的做法通常是合并短时间内的变化,再执行一次写入。

对于需要持续可靠保存的数据,应明确写入时机和一致性要求;对于可以延迟保存的 UI 配置,则可以采用去抖或批量更新。不要为了减少 I/O 而无限延迟持久化,否则可能在进程被终止时丢失本应保存的数据。

用分段数据判断修复是否有效

性能修复后必须重新测量,而且要保持相近的数据规模和调用次数。可以记录 readMs、parseMs、writeMs 三个阶段,再比较优化前后的总耗时与长尾表现。

例如原来一次加载为 8 ms 读取、120 ms 解析;优化后变成 10 ms 读取、45 ms 解析,那么主要收益来自减少解析成本,而不是文件读取。这样的证据比单纯观察页面“感觉变快了”更可靠。

定位序列化与磁盘 I/O 时,应沿着“数据量 → 调用频率 → 执行线程 → 分段耗时 → 是否存在重复工作”的顺序排查。先找到真正占时的阶段,再决定是异步化、减少数据、合并操作还是调整序列化方式,才能避免只移动问题而没有降低成本。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

排查序列化与磁盘 I/O

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通