مدیریت حافظه و تمرین‌های GC در برنامه‌های چند رشته‌ای در HarmonyOS Next

Summarize this content to 400 words in Persian Lang

هدف این مقاله بررسی عمیق جزئیات فنی سیستم Huawei HarmonyOS Next (تا API 12 تا کنون) است و بر اساس شیوه‌های توسعه واقعی خلاصه می‌شود.این عمدتا به عنوان وسیله ای برای اشتراک گذاری و ارتباطات فنی عمل می کند. اشتباه و کوتاهی اجتناب ناپذیر است. از همکاران استقبال می شود که نظرات و سوالات ارزشمندی را مطرح کنند تا بتوانیم با هم پیشرفت کنیم.این مقاله محتوای اصلی است و هر نوع تجدید چاپ باید منبع و نویسنده اصلی را ذکر کند.

هنگام ساخت برنامه های کاربردی با کارایی بالا، به ویژه در سناریوهایی که نیاز به انجام تعداد زیادی کار همزمان دارند، معماری چند رشته ای از اهمیت ویژه ای برخوردار است. Huawei HarmonyOS Next مکانیزم های پردازش و مدیریت حافظه قدرتمند چند رشته ای را ارائه می دهد. این مقاله، در ترکیب با زبان برنامه‌نویسی ArkTS و ویژگی‌های GC (جمع‌آوری زباله) سیستم HarmonyOS، کاوش عمیقی را در مورد نحوه طراحی و بهینه‌سازی مدیریت حافظه و استراتژی‌های جمع‌آوری زباله در برنامه‌های چند رشته‌ای انجام می‌دهد.

پیشینه پروژه

ما سناریویی خواهیم ساخت که یک برنامه کاربردی چند رشته ای بزرگ را با وظایفی از جمله جمع آوری و پردازش آنی داده ها شبیه سازی می کند. این برنامه باید به طور موثر تعداد زیادی از وظایف همزمان را انجام دهد و اطمینان حاصل کند که مدیریت حافظه و GC در یک محیط چند رشته ای تأثیر نامطلوبی بر عملکرد ندارند.

طراحی معماری

1. طراحی معماری چند رشته ای

در ArkTS، طراحی چند رشته ای را می توان از طریق به دست آورد Worker و حوضچه های نخ در زیر طرح اولیه معماری چند رشته ای در ArkTS آمده است:

تخصیص وظایف: وظایف جمع آوری و پردازش داده ها را به چندین مورد اختصاص دهید Worker thread ها، با هر موضوعی که وظیفه ای مستقل را انجام می دهد.

ارتباطات بین رشته ای: دستیابی به همگام سازی داده ها و ارتباط بین رشته ها از طریق مکانیزم ارسال پیام.

پردازش همزمان: استفاده کنید Promise، async/await برای اطمینان از اجرای منظم وظایف همزمان.

مثال کد: ایجاد یک موضوع کارگر و توزیع وظایف

@Entry
@Component
struct MainWorkerComponent {
build() {
// Create a worker instance
let worker = new Worker(‘worker.js’);

// Listen for the message return of the worker
worker.onMessage = (message) => {
console.info(“Main thread received:”, message.data);
};

// Send task data to the worker
worker.postMessage({ task: ‘processData’, data: someLargeData });
}
}

وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

در worker.js، منطق پردازش چند رشته ای تعریف شده است:

// The worker receives the message from the main thread
onmessage = function(event) {
let data = event.data;

if (data.task === ‘processData’) {
let result = processData(data.data);
// Return the processing result
postMessage({ result });
}
};

function processData(data) {
// Simulate the data processing logic
return data.map(item => item * 2);
}

وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

2. Thread Pool Management

برای مدیریت کارآمد وظایف چند رشته ای، می توانیم یک استخر نخ برای کنترل تعداد نخ ها و جلوگیری از اتلاف منابع ناشی از ایجاد و تخریب بیش از حد نخ ها. در HarmonyOS، اندازه thread pool را می توان به صورت پویا با توجه به پیچیدگی کار و منابع سیستم تنظیم کرد.

مثال کد: استفاده از Thread Pool برای اجرای وظایف

class ThreadPool {
constructor(public maxThreads: number) {
this.pool = [];
}

// Start a new thread
runTask(task) {
if (this.pool.length < this.maxThreads) {
let worker = new Worker(‘worker.js’);
this.pool.push(worker);
worker.onMessage = (message) => {
console.info(“Task completed:”, message.data);
this.releaseWorker(worker);
};
worker.postMessage({ task });
} else {
console.info(“All threads are busy, retrying…”);
setTimeout(() => this.runTask(task), 1000);
}
}

// Release the thread
releaseWorker(worker) {
this.pool = this.pool.filter(w => w!== worker);
worker.terminate();
}
}

وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

3. زمانبندی و توزیع وظایف

در برنامه های چند رشته ای، زمان بندی کار کارآمد بسیار مهم است. با طراحی یک صف اولویت کار و استراتژی توزیع کار، می توان از تضاد منابع جلوگیری کرد و از پردازش به موقع وظایف با اولویت بالا اطمینان حاصل کرد.

استراتژی های مدیریت حافظه

1. تخصیص حافظه در نسل جوان و پیر

در مکانیزم GC سیستم HarmonyOS، حافظه به دو تقسیم می شود نسل جوان و نسل قدیم. نسل جوان برای نگهداری اشیاء با عمر کوتاه استفاده می شود، در حالی که نسل قدیمی برای نگهداری اشیاء با عمر طولانی استفاده می شود. ما می توانیم با تخصیص منطقی اشیا به نسل های مختلف، استفاده از حافظه و کارایی بازیافت را بهینه کنیم.

نسل جوان (نیمه فضا): اشیاء کوتاه مدت را ذخیره می کند و از آن استفاده می کند copying الگوریتم

نسل قدیمی (OldSpace): اشیاء با عمر طولانی را ذخیره می کند و از یک الگوریتم ترکیبی استفاده می کند.

جدول: تولیدات حافظه و الگوریتم های بازیافت

نوع نسل
نوع شی
الگوریتم استفاده شده
خصوصیات

نسل جوان (نیمه فضا)
اشیاء کوتاه مدت
کپی کردن
فرکانس بازیافت بالا، عمدتاً برای اشیاء تازه اختصاص داده شده

نسل قدیمی (OldSpace)
اشیاء با عمر طولانی
علامت گذاری – جارو کردن – فشرده
نرخ بقای بالا، فرکانس GC کمتر

اشیاء بزرگ (HugeObject)
اشیاء بزرگ
هندلینگ ویژه
فضای مستقل، کاهش حرکت سربار

2. استراتژی های بهینه سازی GC

در یک محیط چند رشته ای، راه اندازی مکرر GC می تواند بر عملکرد برنامه تأثیر بگذارد. بنابراین، ما باید GC را بهینه کنیم. با تنظیم پارامترهایی مانند تعداد رشته های GC (gcThreadNum) و اندازه پشته (HeapSize، تأثیر GC بر عملکرد را می توان به طور موثر کاهش داد.

{
“gc-options”: {
“gcThreadNum”: 8, // Allocate more GC threads
“heapSize”: 1024 // Increase the heap size
}
}

وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

3. استفاده از Smart GC

Smart GC مکانیزم بهینه سازی در سیستم هارمونی او اس است. می‌تواند جمع‌آوری زباله‌ها را در سناریوهای حساس به عملکرد (مانند عملیات رابط کاربری، انیمیشن‌ها) به تأخیر بیاندازد تا از عملکرد روان کاربر اطمینان حاصل کند. ما می توانیم قابلیت های Smart GC را در برنامه ترکیب کنیم تا از لکنت UI ناشی از GC مکرر جلوگیری کنیم.

مثال کد: استفاده از Smart GC برای به تاخیر انداختن بازیافت

ArkTools.hintGC(); // Manually prompt the system to perform GC, but only trigger it in appropriate scenarios

وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

تمرین موردی

1. نظارت بر حافظه و اشکال زدایی

از طریق عکس‌های فوری حافظه و گزارش‌های GC، می‌توانیم استفاده از حافظه را نظارت کرده و بهینه‌سازی را انجام دهیم. سیستم HarmonyOS گزارش‌های دقیق GC را ارائه می‌کند تا به توسعه‌دهندگان کمک کند نشت‌های حافظه و اشغال حافظه غیرضروری را شناسایی کنند.

نمونه ای از GC Log:

وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

2. اجرای کد جمع آوری زباله

ما می توانیم به صورت دستی جمع آوری زباله را در ArkTS از طریق راه اندازی کنیم ArkTools و لاگ ها را برای رفع اشکال اشغال حافظه برنامه ترکیب کنید.

@Entry
@Component
struct TriggerGCComponent {
build() {
Button(“Trigger GC”)
.onClick(() => {
ArkTools.hintGC();
console.info(“Manual GC triggered”);
});
}
}

وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

ملاحظات معماری

رابطه بین استراتژی های تخصیص حافظه و طراحی معماری کاربردی

هنگام طراحی برنامه های کاربردی چند رشته ای، استراتژی های تخصیص حافظه از طراحی معماری جدایی ناپذیر هستند. اشیاء با عمر کوتاه باید تا حد امکان برای بازیافت سریع به نسل جوان اختصاص داده شود. در حالی که اشیاء با عمر طولانی باید به نسل قدیم اختصاص داده شود تا دفعات بازیافت کاهش یابد. از طریق مدیریت حافظه معقول، می توان عملکرد کلی سیستم را بهبود بخشید.

در یک معماری پیچیده چند رشته ای، مدیریت استخر رشته، زمان بندی وظایف و بهینه سازی حافظه همگی پیوندهای کلیدی هستند. تنها با طراحی معقول این ماژول ها می توان از عملکرد پایدار و مدیریت حافظه کارآمد برنامه در سناریوهای با همزمانی بالا اطمینان حاصل کرد.

@Entry
@Component
struct MainWorkerComponent {
    build() {
        // Create a worker instance
        let worker = new Worker('worker.js');

        // Listen for the message return of the worker
        worker.onMessage = (message) => {
            console.info("Main thread received:", message.data);
        };

        // Send task data to the worker
        worker.postMessage({ task: 'processData', data: someLargeData });
    }
}

// The worker receives the message from the main thread
onmessage = function(event) {
    let data = event.data;

    if (data.task === 'processData') {
        let result = processData(data.data);
        // Return the processing result
        postMessage({ result });
    }
};

function processData(data) {
    // Simulate the data processing logic
    return data.map(item => item * 2); 
}

class ThreadPool {
    constructor(public maxThreads: number) {
        this.pool = [];
    }

    // Start a new thread
    runTask(task) {
        if (this.pool.length < this.maxThreads) {
            let worker = new Worker('worker.js');
            this.pool.push(worker);
            worker.onMessage = (message) => {
                console.info("Task completed:", message.data);
                this.releaseWorker(worker);
            };
            worker.postMessage({ task });
        } else {
            console.info("All threads are busy, retrying...");
            setTimeout(() => this.runTask(task), 1000);
        }
    }

    // Release the thread
    releaseWorker(worker) {
        this.pool = this.pool.filter(w => w!== worker);
        worker.terminate();
    }
}

{
  "gc-options": {
    "gcThreadNum": 8,         // Allocate more GC threads
    "heapSize": 1024          // Increase the heap size
  }
}

ArkTools.hintGC(); // Manually prompt the system to perform GC, but only trigger it in appropriate scenarios

[gc] [ HPP YoungGC ] 32.1176 (35) -> 12.1005 (10.5) MB, 160ms
[gc] [ CompressGC ] 48.2131 (50) -> 18.2004 (15.8) MB, 220ms

@Entry
@Component
struct TriggerGCComponent {
    build() {
        Button("Trigger GC")
       .onClick(() => {
            ArkTools.hintGC();
            console.info("Manual GC triggered");
        });
    }
}