极光开发者沙龙 之 移动应用性能优化实践 【一】旧酒新瓶——换个角度提升 App 性能与质量

　　案例重现：

　　? 单张订单视图作为重用的基本单元

　　? 视图层级复杂，且采用动布局技术

　　? 视图不固定，且存在强依赖关系

　　? 商品列表在滚动时产生严重回流

　　二、解决方案

　　? 调整视图关系，合理利用重用机制，避免滚动时回流

　　? ADK 方案，异步计算布局并缓存，细腻的线程控制

　　节流(Throttle)/ 防抖(Debounce)

　　案例重现

　　失败重试导致的 Self-DDoS　　

　　? 在保证服务前提下的自动重试，且固定重试频率

　　? 忽略错误类型，“一刀切”式的 DFF 设计

　　? 重试周期同步，从而导致恶性循环

　　解决方案：

　　? 指数回退 —— 固定重试间隔加倍

　　? 添加抖动 —— 随机抖动间隔，避免锁定同步周期

　　? 标记重试 —— 优先处理高重试请求

　　? “黄金”重试节流策

　　扩展运用

　　? 实时查询防抖 —— 减少网络请求

　　? 事件响应节流 —— 避免冗余资源消耗

　　? 界面渲染节流 —— 避免大量 CPU 消耗

　　渐进增强(PE)/ 优雅降级(GD)
　　

　　 案例重现：

　　基于三方服务的推送系统

　　? 同业务对推送的实时性、可靠性要求高且存在差异

　　---? 利用更优的组件作为首选，三方作为备选

　　? 三方服务不可控，且在实时性、可靠性上都存在不足

  ---? 操作的效率和速度随着失效部件的增加逐渐下降

　　解决方案：

　　Taco 混合推送框架

　　稳 => 快 => 省，普适法则

　　? 0崩溃&0错误!=好 

　　? 启动时间:main() 后 main() 前重要

　　? 包体积优化: 进制 > 资源

　　? 耗电优化:硬件 > 软件

　　0 崩溃 & 0 错误 != 好用

　　0 崩溃 & 0 错误 != 好用

　　启动时间:main() 后 main() 前重要

　　? main() 前优化点

　　　　? dylib loading —— 多为系统动态库，普遍使用静态库

　　　　? rebase / binding —— 占比低，减少 Class 等行为违反软件工程原则

　　　　? Objc Setup —— 受工程量影响，盲目优化违反工程原则

　　　　? Initializer —— + load 优化，影响工程设计

　　? main() 后优化点

　　　　? 屏渲染优化

　　　　? 避免主线程阻塞

　　　　? 关键路径线程优化

　　　　包体积优化: 二进制 > 资源　　　　　　　　　　　　　　　　　耗电优化:硬件 > 软件

　　耗电优化:硬件 > 软件