加强版异步任务框架
一、前言
为了提高流畅性，耗时任务放后台线程运行，已是APP开发的常识了。
关于异步有很多方案，当前最流行的，莫过于RxJava了；
更早一些时候，还有AsyncTask（骨灰级的API）。
总的来说，AsyncTask构思精巧，代码简洁，使用方便，有不少地方值得借鉴。
当然问题也有不少，比如不能随Activity销毁而销毁导致的内存泄漏，还有不适合做长时间的任务等。
笔者以AsyncTask为范本，写了一个“加强版的异步任务框架”：
保留了AsyncTask的所有用法，解决了其中的一些问题，同时引入了一些新特性。
接下来给大家介绍一下这“加强版”的框架，希望对各位有所启发。
二、任务调度
2.1 AsyncTask的Executor
AsyncTask的任务调度主要依赖两个Executor：ThreadPoolExecutor 和 SerialExecutor。
代码如下：
private static final int CPU_COUNT = Runtime.getRuntime().availableProcessors();
private static final int CORE_POOL_SIZE = Math.max(2, Math.min(CPU_COUNT - 1, 4));
private static final int MAXIMUM_POOL_SIZE = CPU_COUNT * 2 + 1;
public static final Executor THREAD_POOL_EXECUTOR;
public static final Executor SERIAL_EXECUTOR = new SerialExecutor();
static {
ThreadPoolExecutor threadPoolExecutor = new ThreadPoolExecutor(
CORE_POOL_SIZE, MAXIMUM_POOL_SIZE, 30, TimeUnit.SECONDS,
new LinkedBlockingQueue<Runnable>(128), sThreadFactory);
threadPoolExecutor.allowCoreThreadTimeOut(true);
THREAD_POOL_EXECUTOR = threadPoolExecutor;
}
private static class SerialExecutor implements Executor {
final ArrayDeque<Runnable> mTasks = new ArrayDeque<Runnable>();
Runnable mActive;
public synchronized void execute(final Runnable r) {
mTasks.offer(new Runnable() {
public void run() {
try {
r.run();
} finally {
scheduleNext();
}
}
});
if (mActive == null) {
scheduleNext();
}
}
protected synchronized void scheduleNext() {
if ((mActive = mTasks.poll()) != null) {
THREAD_POOL_EXECUTOR.execute(mActive);
}
}
}关于线程池，估计大家都很熟悉了，参数就不多作解释了。
如果不是很熟悉，推荐阅读笔者的另一篇文章《速读Java线程池》。
上面代码中，通过巧用“装饰者模式”，增加“串行调度”的功能。
装饰者模式有以下特点：
- 装饰对象和真实对象有相同的接口，这样客户端对象就能以和真实对象相同的方式和装饰对象交互。
- 装饰对象包含一个真实对象的引用。
- 装饰对象接受所有来自客户端的请求，它把这些请求转发给真实的对象。
- 装饰对象可以在转发这些请求以前或以后增加一些附加功能。
SerialExecutor只有二十来行代码，却用了两次装饰者模式：Runnable和Executor。
- Runnable部分，往队列添加的匿名Runnable对象（装饰对象），当被Executor调用run()方法时，先执行“真实对象”的run()方法，然后再调用scheduleNext()；
- Executor部分，通过增加一个任务队列，实现串行调度的功能，而具体的任务执行转发给“真实对象”THREAD_POOL_EXECUTOR。
想要串行调度，为什么不多加一个coreSize=1的ThreadPoolExecutor呢？
两个ThreadPoolExecutor，彼此线程不可复用。
虽然SerialExecutor的方案很不错，但是THREAD_POOL_EXECUTOR的coreSize太小了（不超过4），
这导致AsyncTask不适合执行长时间运行的任务，否则多几个任务就会堵塞。
因此，如果要改进AsyncTask，首先要改进Executor。
2.2 通用版Executor
实现思路和 SerialExecutor 差不多，加一个队列, 实现另一层调度控制。
首先，把 Runnable 和 scheduleNext 两部分都抽象出来：
interface Trigger {
fun next()
}
class RunnableWrapper constructor(
private val r: Runnable,
private val trigger: Trigger) : Runnable {
override fun run() {
try {
r.run()
} finally {
trigger.next()
}
}
}接下来的实现和SerialExecutor类似：
class PipeExecutor @JvmOverloads constructor(
windowSize: Int,
private val capacity: Int = -1,
private val rejectedHandler: RejectedExecutionHandler = defaultHandler) : TaskExecutor {
private val tasks = PriorityQueue<RunnableWrapper>()
private val windowSize: Int = if (windowSize > 0) windowSize else 1
private var count = 0
private val trigger : Trigger = object : Trigger {
override fun next() {
scheduleNext()
}
}
fun execute(r: Runnable, priority: Int) {
schedule(RunnableWrapper(r, trigger), priority)
}
@Synchronized
internal fun scheduleNext() {
count--
if (count < windowSize) {
startTask(tasks.poll())
}
}
@Synchronized
internal fun schedule(r: RunnableWrapper, priority: Int) {
if (capacity > 0 && tasks.size() >= capacity) {
rejectedHandler.rejectedExecution(r, TaskCenter.poolExecutor)
}
if (count < windowSize || priority == Priority.IMMEDIATE) {
startTask(r)
} else {
tasks.offer(r, priority)
}
}
private fun startTask(active: Runnable?) {
if (active != null) {
count++
TaskCenter.poolExecutor.execute(active)
}
}
}解析一下代码中的参数和变量：
- tasks：任务缓冲区
- count：正在执行的任务的数量
- windowSize：并发窗口，控制Executor的并发
- capacity：任务缓冲区容量，小于等于0时为不限容量，超过容量触发rejectedHandler
- rejectedHandler：默认为AbortPolicy（抛出异常）
- priority：调度优先级
当count>=windowSize时，priority高者先被调度；
优先级相同的任务，遵循先进先出（FIFO）的调度规则。
需要注意的是，调度优先级不同于线程优先级，线程优先级更底层一些。
比如AsyncTask的doInBackground()中就调用了：
Process.setThreadPriority(Process.THREAD_PRIORITY_BACKGROUND)
这可以使得后台线程的线程优先级低于UI线程。
以下是PipeExecutor的流程图：
定义了PipeExecutor了之后，我们可以实现多个实例。
例如，可以仿照 RxJava 的 Schedulers，定义适用于“IO密集型”任务和“计算密集型”任务的Executor。
val io = PipeExecutor(20, 512)
val computation = PipeExecutor(Math.min(Math.max(2, cpuCount), 4), 512)也可以定义串行调度的Executor：
val single = PipeExecutor(1)不过我们不建议定义全局的串行调度Executor，因为会有相互阻塞的风险。
但是可以根据场景定义专属的串行调度Executor，比如给日志收集创建一个，给数据上报创建一个……
不同实例，犹如不同的水管，往同一个池子进水，故而命名为PipeExecutor。
2.3 去重版Executor
我们项目中，页面更新用的是“发布订阅模式”：
数据层有变更，发布更新消息；
上层收到消息，异步加载数据，刷新页面。
然后就碰到一个问题：若短时间内有多次数据更新，就会有多个消息发往上层。
不做特殊处理，就会几乎同时启动多个异步任务，浪费计算资源；
多个线程对并发读取同一数据，多线程问题也随之而来，若处理不好，结果不可预知。
用串行执行器？所有任务串行的话，无法利用任务并发的优势。
所以经过比较多种方案，最终的结论是：
- 1、任务分组，不同组并行，同组串行
- 2、同组的任务，如果有任务在执行，最多只能有一个在等待，丢弃后面的任务
所谓分组，就是给任务打tag, 比如刷新A数据的任务叫ATask, 刷新B任务的叫BTask。
关于第2点，其实有考虑过其他一些方案，比如下面两个:
-
取消正在执行的任务
- 首先不是所有任务都可以中断的，可以不接收其结果，但是不一定能中断其执行
- 即使能取消（比如中断网络请求），也不是最佳方案。
比方说当前线程或许已经快要下载完了，在等一会后面的任务就可以读缓存去结果了；
任务2取消任务1，任务3取消任务2……等到最后一个任务执行，用户可能已经不耐烦了。
- 如果有任务在执行，丢弃后面的任务
比方说任务1读取了数据，在计算的时候，数据源变更，然后发送事件，启动任务2……
直接丢弃后面的任务，最终页面显示的是旧的数据。
我们定义了一个LaneExecutor来实现这个方案，示意图如下：
各组任务就像一个个车道（Lane）, 故而命名为LaneExecutor。
洋葱似地一层包一层，很明显，也是装饰者模式。
职责分配：
LaneExecutor负责任务去重；
PipeExecutor负责任务并发控制和调度优先级；
ThreadPoolExecutor负责分配线程来执行任务。
但后来又遇到另一个问题：
有多个控件要加载同一个URL的数据，然后很自然地我们就以 URL作为tag了，以避免重复下载（做有缓存，第一任务下载完成之后，后面的任务可以读取缓存）。
但是用LaneExecutor来执行时，只保留一个任务在等待，然后最终只有两个控件能显示数据。
查到问题后，笔者给LaneExecutor加了一种模式，该模式下，不丢弃任务。
如此，所有任务都会被执行，但是只有第一个需要下载数据，后面任务读缓存就好了。
2.4 统一管理Executor
当项目复杂度到了一定程度，如果没有统一的公共定义，可能会出现各种冗余实例。
分散的Executor无法较好地控制并发；
如果各自创建的是ThreadPoolExecutor，则还要加上一条：降低线程复用。
故此，可以集中定义Executor，各模块统一调用。
代码如下：
object TaskCenter {
internal val poolExecutor: ThreadPoolExecutor = ThreadPoolExecutor(
0, 256,
60L, TimeUnit.SECONDS,
SynchronousQueue(),
threadFactory)
// 常规的任务调度器，可控制任务并发，支持任务优先级
val io = PipeExecutor(20, 512)
val computation = PipeExecutor(Math.min(Math.max(2, cpuCount), 4), 512)
// 带去重策略的 Executor，可用于数据刷新等任务
val laneIO = LaneExecutor(io, true)
val laneCP = LaneExecutor(computation, true)
// 相同的tag的任务会被串行执行，相当于串行的Executor
// 可用于写日志，上报统计信息等任务
val serial = LaneExecutor(PipeExecutor(Math.min(Math.max(2, cpuCount), 4), 1024))
}2.5 Executor的使用
TaskCenter.io.execute{
// do something
}
TaskCenter.laneIO.execute("laneIO", {
// do something
}, Priority.HIGH)
val serialExecutor = PipeExecutor(1)
serialExecutor.execute{
// do something
}
TaskCenter.serial.execute ("your tag", {
// do something
})- PipeExecutor的使用和常规的Executor是一样的，execute中传入Runnable即可，
然后由于Runnable只有一个方法，也没有参数，lambda的形式就显得更加简洁了。 - LaneExecutor由于要给任务打tag, 所以要传入tag参数；
如果不传，则没有分组的效果，也就是回退到PipeExecutor的特性； - 两种Executor都可以传入优先级。
很多开源项目都设计了API来使用外部的Executor，比如RxJava可以这样用：
object TaskSchedulers {
val io: Scheduler by lazy { Schedulers.from(TaskCenter.io) }
val computation: Scheduler by lazy { Schedulers.from(TaskCenter.computation) }
val single by lazy { Schedulers.from(PipeExecutor(1)) }
}Observable.range(1, 8)
.subscribeOn(TaskSchedulers.computation)
.subscribe { Log.d(tag, "number:$it") }这样有一个好处，各种任务都在一个线程池上执行任务，可复用彼此创建的线程。
三、流程控制
3.1 AsyncTask的执行流
上一章我们分析了任务调度，构造了一系列Executor，增强任务处理方面的通用性。
不过任务调度只是AsyncTask的一部分，AsyncTask的精髓其实在于流程控制：在任务执行的不同阶段，回调相应的方法。
下面是AsyncTask的流程图：
通过使用FutureTask和Callable，使得AsyncTask具备对任务执行更强的控制力，比如cancel任务。
有的文章说cancel()不一定的立即中断任务，但其实Futuret.cancel()确实已经是最好的方案了，
如果强行调用Thread.stop()，则犹如关掉空中飞机的引擎，后果不堪设想。
通过与Handler的配合，AsyncTask可以在任务执行过程中和执行结束后发布数据到UI线程，
这使得AsyncTask尤其适用于“数据加载+界面刷新”的场景。
而这类场景在APP开发中较为常见，这也是AsyncTask一度被广泛使用的原因之一。
3.2 生命周期
AsyncTask其中一个广为诟病的问题就是内存泄漏：
若AsyncTask持有Activity引用，且生命周期比Activity的长，则Activity无法被及时回收。
这个问题其实不是AsyncTask独有，Handler，RxJava等都存在类似问题。
解决方案有多种，静态类、弱引用、Activity销毁时取消等。
RxJava提供了dispose方法来取消任务，同时也有很多集成生命周期的开源方案，比如RxLifecycle、AutoDispose等。
AsyncTask也提供了cancel方法，但是比较命苦，吐槽者众，助力者寡。
其实要实现自动cancel不难，建立和Activity/Fragment的关系即可，可通过观察者模式来实现。
UITask是参考AsyncTask写的一个类, 使用了上一章介绍的Executor。
结构上，UITask为观察者，Activity/Fragment为被观察者，LifecycleManager为 UITask 和 Activity/Fragment 构建关系的桥梁。
实现上需要两个数据结构：一个SparseArray，一个List。
SparseArray的key为被观察者的identityHashCode， value为观察者列表。
UITask提供了host()方法，方法中获取宿主(也就是Activity/Fragment)的identityHashCode，
通过register()方法，添加 “Activity->UITask” 到SparseArray中。
abstract class UITask<Params, Progress, Result> : LifeListener {
fun host(host: Any): UITask<Params, Progress, Result> {
LifecycleManager.register(System.identityHashCode(host), this)
return this
}
override fun onEvent(event: Int) {
if (event == LifeEvent.DESTROY) {
cancel(true)
} else if (event == LifeEvent.SHOW) {
changePriority(+1)
} else if (event == LifeEvent.HIDE) {
changePriority(-1)
}
}
}override fun onCreate(savedInstanceState: Bundle?) {
TestTask().host(this).execute("hello")
}需要在BaseActivity中通知事件：
abstract class BaseActivity : Activity() {
override fun onDestroy() {
super.onDestroy()
LifecycleManager.notify(this, LifeEvent.DESTROY)
}
override fun onPause() {
super.onPause()
LifecycleManager.notify(this, LifeEvent.HIDE)
}
override fun onResume() {
super.onResume()
LifecycleManager.notify(this, LifeEvent.SHOW)
}
}调用notify()方法时，会根据Activity索引到对应观察者列表，然后遍历列表，回调观察者onEvent()方法。
其中，当通知的事件为DESTROY时，UITask执行cancel()方法，从而取消任务。
3.3 动态调整优先级
上一节，我们看到UITask除了关注DESTROY事件，还关注 Activity/Fragment 的HIDE和SHOW,
并根据可见状态调整优先级。
调整优先级有什么用呢？ 下面先看两张图感受一下。
为了凸显效果，我们把加载任务的并发量控制为1（串行）。
第一张是不会自动调整优先级的，完全的先进先出：
可以看到，切换到第二个页面，由于上一页的任务还没执行完，
所以要一直等到上一页的任务都完成了才轮到第二个页面加载。
很显然这样体验不太好。
接下来我们看下动态调整优先级是什么效果：
切换到第二个页面之后，第一个页面的任务的“调度优先级”被降低了，所以会优先加载第二个页面的图片；
再次切换回第一个页面，第二个页面的优先级被降低，第一个页面的优先级恢复，所以优先加载第一个页面的图片。
那可否进入第二个页面的时暂停第一个页面的任务？
暂停的方案不太友好，比方说用户在第二个页面停留很久，第二个页面的任务都完成了，然后切换回第一个页面，发现只有部分图片（其他被暂停了）。
而如果只是调整优先级，则第二个页面的任务都执行完之后，会接着执行第一个页面的任务，返回第一个页面时就能够看到所有图片了。
这就好比赶车，让其他人给插个队，没有问题，但是不能不给别人排队了吧。
3.4 链式调用
UITask的用法和AsyncTask大同小异，回调方法和参数泛型都是一样的，所以就不多作介绍了。
如今很多开源库都提供了链式API，使用起来确实灵活方便，视觉上也比较连贯。
喜欢冰糖葫芦一样的链式调用？
我们提供了一个ChainTask类，拓展了UITask，提供链式调用的API。
override fun onCreate(savedInstanceState: Bundle?) {
val task = ChainTask<Double, Int, String>()
task.tag("ChainTest")
.preExecute { result_tv.text = "running" }
.background { params ->
for (i in 0..100 step 2) {
// do something
task.publishProgress(i)
}
"result is：" + (params[0] * 100)
}
.progressUpdate { values ->
val progress = values[0]
progress_bar.progress = progress
progress_tv.text = "$progress%"
}
.postExecute { result_tv.text = it }
.cancel { showTips("ChainTask cancel") }
.priority(Priority.IMMEDIATE)
.host(this)
.execute(3.14)
}四、总结
最后，可能会这样的疑问：
既然已经有 RxJava 这样好用的开源库来实现异步了, 为什么还要写这个项目呢？
首先，RxJava 不仅仅是异步而已：“ReactiveX是一个通过使用可观察序列来编写异步和基于事件的程序的库。”
“可观察序列 - 事件 - 异步”加起来才使得 RxJava 如此富有魅力。
有所得，必有所付出，为了实现这些丰富的特性，代码量也是比较可观的（当前版本jar包约2.2M）。
AsyncTask则比较简单，除去注释只有三百多行代码；
功能也比较纯粹：执行异步任务，在任务执行的不同阶段，回调相应的方法。
Task参考了AsyncTask，功能类似，只是做了一些完善；
jar包大小45K，也算是比较轻量的。
这个年头，apk动辄几十M甚至上百M，2.2M的库并非不可接受。
但是也有一些场景，比方说给第三方写SDK的时候，对包大小和依赖比较敏感，而且也不需要这么大而全的特性，这时一些轻量级的方案就比较合适了。
而且，除了包大小之外，Task所实现的功能和RxJava也不尽相同。
如果说AsyncTask是自行车，RxJava是汽车，则Task是摩托车。
各有各的用途，各有各的灵魂。
五、下载
项目已经上传到maven和github, 欢迎大家下载 & star
dependencies {
implementation 'com.horizon.task:task:1.0.4'
}
