App瘦身、性能优化总结

2019 年 1 月 29 日 CocoaChina

App瘦身


资源瘦身


  • 使用tinypng压缩PNG图片。视频可以通过 Final cut等软件进行分辨率压缩。音频则降低码率即可。

  • 非必须资源文件可以放到自己服务器上

  • 启动图使用 LaunchScreen.storyboard,启动图在一个项目资源中占比其实蛮大的,但是使用 LaunchScreen.storyboard 只需要设置一张ImageView即可。

  • IconFont的使用很方便,项目中图标太多或者随时需要转换图标颜色的话,建议使用


放弃使用 Realm


Realm,据说是目前是性能最好的移动端数据库。但是在三方库中可以看到,Realm 的支持占了很大的比重,大约在 8M 左右。但是如果使用 FMDB 话只需要192KB,而 CoreData 几乎可以忽略不计。


删除重复代码


重复代码的审核、无用的开源库删除


性能优化


imageWithContentsOfFile 、 Assets.xcassets


  • 对于大的图片且偶尔需要显示的应放到工程目录下,不要放到Assets.xcassets中;并使用imageWithContentsOfFile加载不让系统缓存

  • 对于经常需要展示的小图片放到Assets.xcassets中让系统缓存,使用imageNamed加载


尽量使用非逃逸闭包


非逃逸闭包是有利于内存优化的,所以尽量使用非逃逸闭包


NSSet、NSArray


NSSet(用hash实现)和NSArray功能性质一样,用于存储对象,属于集合。但是和NSArray不一样的是它属于 “无序集合”,在内存中存储方式是不连续的,而NSArray是“有序集合”它内存中存储位置是连续的。

所以在集合中寻找一个元素的时候使用NSSet,而如果需要循环集合中的所有对象来找到所需要的目标则使用NSArray


页面卡顿


屏幕显示图像的原理


  • CPU(中央处理器)

对象的创建和销毁,对象属性的调整、布局计算、文本的计算和排版、图片格式转码和解码、图像的绘制(Core Graphics)

  • GPU(图形处理器)

纹理的渲染(OpenGL)

  • FrameBuffer(帧缓存)



1、CPU计算控件的位置、大小

2、计算完成后CPU会将这些数据提交给GPU来进行渲染

3、GPU将收到的数据转成屏幕能显示的数据格式,缓存到在FrameBuffer

4、然后视频控制器从FrameBuffer读取的数据显示在显示器上

卡顿产生的原因和解决方案



由于垂直同步的机制,如果在一个 VSync 时间内,CPU 或者 GPU 没有完成内容提交,则那一帧就会被丢弃,等待下一次机会再显示,而这时显示屏会保留之前的内容不变。这就是界面卡顿的原因。


从上面的图中可以看到,CPU 和 GPU 不论哪个阻碍了显示流程,都会造成掉帧现象。所以开发时,也需要分别对 CPU 和 GPU 压力进行评估和优化。


卡顿优化-CPU


  • 1、尽量用轻量级的对象,比如用不到事件处理的地方,可以考虑使用CAlayer取代UIView

  • 2、不要频繁地跳用UIVIew的相关属性,比如frame、bounds、transform等属性,尽量减少不必要的修改

  • 3、尽量提前计算好布局,在有需要时一次性调整对应的布局,不要多次修改属性

  • 4、Autolayout会比直接设置frame消耗更多的CPU资源

  • 5、图片的size最好刚好跟UIImageView的size保持一致

  • 6、控制一下线程的最大并发数量

  • 7、尽量把耗时的操作放到子线程

  • 8、文本处理(尺寸的计算,绘制)

  • 9、图片处理(解码、绘制)


卡顿优化-GPU


  • 1、尽量减少视图数量和层次

  • 2、GPU能处理的最大纹理尺寸是4096x4096,一旦超过这个尺寸,就会占用CPU资源进行处理,所以纹理尽量不要超过这个尺寸

  • 3、尽量避免短时间内大量图片的显示,尽可能将多张图片合成一张图片显示

  • 4、减少透明的视图(alpha<1),不透明的就设置opaque为yes

  • 5、尽量避免出现离屏渲染


离屏渲染


指的是在GPU在当前屏幕缓冲区以外开辟一个缓冲区进行渲染操作

导致产生离屏渲染的原因:

  • shouldRasterize(光栅化)

  • shadows(阴影)

  • edge antialiasing(抗锯齿)

  • group opacity(不透明)

  • 圆角(当和maskToBounds一起使用时才会触发)

  • 渐变

可通过 Instruments 的 Core Animation 检测离屏渲染。


TableView 调优


  • 提前计算好cell的高度,缓存在相应的数据源模型中,减少CPU的计算时间

  • 尽可能的降低Storyboard、Xib等使用度

  • 异步绘制

  • 减少层级

  • Cell中的view尽可能不要使用透明

  • 避免离屏渲染


作者:LuckyRoc

链接:https://juejin.im/post/5c3855486fb9a04a07309684


本公众号转载内容已尽可能注明出处,如未能核实来源或转发内容图片有权利瑕疵的,请及时联系本公众号进行修改或删除【联系方式QQ : 3442093904  邮箱:support@cocoachina.com】。文章内容为作者独立观点,不代表本公众号立场。版权归原作者所有,如申请授权请联系作者,因文章侵权本公众号不承担任何法律及连带责任。

---END---

登录查看更多
0

相关内容

ACM SIGACCESS Conference on Computers and Accessibility是为残疾人和老年人提供与计算机相关的设计、评估、使用和教育研究的首要论坛。我们欢迎提交原始的高质量的有关计算和可访问性的主题。今年,ASSETS首次将其范围扩大到包括关于计算机无障碍教育相关主题的原创高质量研究。官网链接:http://assets19.sigaccess.org/
【CMU】深度学习模型中集成优化、约束和控制,33页ppt
专知会员服务
45+阅读 · 2020年5月23日
【实用书】Python爬虫Web抓取数据,第二版,306页pdf
专知会员服务
117+阅读 · 2020年5月10日
深度神经网络实时物联网图像处理,241页pdf
专知会员服务
76+阅读 · 2020年3月15日
专知会员服务
41+阅读 · 2020年2月20日
在K8S上运行Kafka合适吗?会遇到哪些陷阱?
DBAplus社群
9+阅读 · 2019年9月4日
硬核实践经验 - 企鹅辅导 RN 迁移及优化总结
IMWeb前端社区
5+阅读 · 2019年5月6日
7 款实用到哭的App,只说一遍
高效率工具搜罗
84+阅读 · 2019年4月30日
已删除
AI科技评论
4+阅读 · 2018年8月12日
keras系列︱深度学习五款常用的已训练模型
数据挖掘入门与实战
10+阅读 · 2018年3月27日
优化哈希策略
ImportNew
5+阅读 · 2018年1月17日
前端高性能计算(4):GPU加速计算
前端大全
7+阅读 · 2017年10月26日
漫画:什么是Bitmap算法?
程序猿
3+阅读 · 2017年8月19日
A Survey on Deep Learning for Named Entity Recognition
Arxiv
26+阅读 · 2020年3月13日
Arxiv
17+阅读 · 2018年4月2日
VIP会员
相关资讯
在K8S上运行Kafka合适吗?会遇到哪些陷阱?
DBAplus社群
9+阅读 · 2019年9月4日
硬核实践经验 - 企鹅辅导 RN 迁移及优化总结
IMWeb前端社区
5+阅读 · 2019年5月6日
7 款实用到哭的App,只说一遍
高效率工具搜罗
84+阅读 · 2019年4月30日
已删除
AI科技评论
4+阅读 · 2018年8月12日
keras系列︱深度学习五款常用的已训练模型
数据挖掘入门与实战
10+阅读 · 2018年3月27日
优化哈希策略
ImportNew
5+阅读 · 2018年1月17日
前端高性能计算(4):GPU加速计算
前端大全
7+阅读 · 2017年10月26日
漫画:什么是Bitmap算法?
程序猿
3+阅读 · 2017年8月19日
Top
微信扫码咨询专知VIP会员