“8小时内拼工作，8小时外拼成长”这是大家共同的理想。除了每天忙于工作外，我们都希望能更多地区吸收领域内的新知识与新技能，从而走向人生巅峰。

Dev Club 是一个交流移动开发技术，结交朋友，扩展人脉的社群，成员都是经过审核的移动开发工程师。每周都会举行嘉宾分享，话题讨论等活动。

上一期我们邀请了腾讯SNG工程师“王少鸣”分享了《React Native项目实战总结》。

本期，我们邀请了腾讯WXG iOS开发工程师“姚海波”为大家分享《微信读书iOS性能优化》。

分享内容简介

微信读书作为一款阅读类的新产品，目前还处于快速迭代，不断尝试的过程中，性能问题也在业务的不断累积中逐渐体现出来。最近的1.3.0版本发布后，关于性能问题的用户反馈逐渐增多，为此，团队开始做一些针对性的性能问题优化。本次分享主要介绍我们发现问题、解决问题和预防问题的历程。

内容的大体框架：

如何发现性能问题

性能问题的解决方法

如何预防性能问题

优化成果

总结

分享人介绍：

姚海波 广州研发部 iOS开发工程师。负责过的产品：QQ邮箱iOS客户端，目前主要负责微信读书iOS客户端的开发。

下面是本期分享内容整理。

大家晚上好，我是来自广研的姚海波，大家可以叫我hypo。目前是微信读书项目中的iOS开发，主要负责阅读器相关的模块，还有APP整体性能优化方面的工作。

今天分享的内容是关于微信读书iOS开发过程中，我们解决性能问题的基本思路和方法，包括发现问题、解决问题和预防问题三个方面。

一、发现问题

首先，根据个人的开发经验，我不得不承认，当应用发展到一定程度后，性能问题就不可能完全避免。以往我们总是希望能寻找一种解决性能问题的一劳永逸的方法，其实是不太现实的。所以我们换个思路，如何尽早的发现性能问题，然后解决问题。

在发现问题方面，我们项目也并没有什么高招，主要有两个方面

用户反馈(包括测试人员) 受限于测试时间和用户反馈的积极性，性能问题往往到了比较严重的程度，开发人员才真正发现问题。

在线监控 主要有业务性能监控和卡顿监控

业务性能监控，主要在我们认为非常关键的操作路径，例如：

卡顿监控，是用了Bugly的工具，然后通过动态下发开关，用抽样的方法进行上报

还有一些反馈卡顿的用户，我们也会通过这个方法来查找问题

二、解决问题

然后，在解决性能问题方法，相信大家都累积了很多经验。

产生性能问题的原因多种多样，所以解决的办法也不尽相同，各种奇技淫巧都有可能派上用场，这里我大概介绍一下我们项目中用到的一些方面：

优化业务流程

合理的线程分配

预处理和延时加载

缓存

使用正确的API

1. 优化业务流程

性能优化看似高深，真正落到实处才会发现，最大的坑往往都隐藏在于业务不断累积和频繁变更之处。优化业务流程就是在满足需求的同时，提出更加高效优雅的解决方案，从根本上解决问题。从实践来看，这种方法解决问题是最彻底的，但通常也是难度最大的。

这是我们其中一个业务优化的案例

看似挺简单的优化，但真正落到实处，才会出现其中的坑有多大，所以重构优化的时候，还得有颗坚强的心！

2. 合理的线程分配

由于GCD实在太方便了，如果不加控制，大部分需要抛到子线程操作都会被直接加到global队列，这样会导致两个问题：

开的子线程越来越多，线程的开销逐渐明显，因为开启线程需要占用一定的内存空间(默认的情况下，主线程占1M,子线程占用512KB)。

多线程情况下，网络回调的时序问题，导致数据处理错乱，而且不容易发现。为此，我们项目定了一些基本原则：

UI操作和DataSource的操作一定在主线程。

DB操作、日志记录、网络回调都在各自的固定线程。

不同业务，可以通过创建队列保证数据一致性。例如，想法列表的数据加载、书籍章节下载、书架加载等。

合理的线程分配，最终目的就是保证主线程尽量少的处理非UI操作，同时控制整个App的子线程数量在合理的范围内。

3. 预处理和延时加载

预处理，是将初次显示需要耗费大量线程时间的操作，提前放到后台线程进行计算，再将结果数据拿来显示。

延时加载，是指首先加载当前必须的可视内容，在稍后一段时间内或特定事件时，再触发其他内容的加载。这种方式可以很有效的提升界面绘制速度，使体验更加流畅。(UITableView就是最典型的例子)

这两种方法都是在资源比较紧张的情况下，优先处理马上要用到的数据，同时尽可能提前加载即将要用到的数据。在微信读书中阅读的排版是优先级最高的，所在在阅读过程中会预处理下一页、下一章的排版，同时可能会延时加载阅读相关的其它数据(如想法、划线、书签等)。

4. 缓存

cache可能是所有性能优化中最常用的手段，但也是我们极不推荐的手段。cache建立的成本低，见效快，但是带来维护的成本却很高。如果一定要用，也请谨慎使用，并注意以下几点：

并发访问cache时，数据一致性问题。

cache线程安全问题，防止一边修改一边遍历的crash。

cache查找时性能问题。

cache的释放与重建，避免占用空间无限扩大，同时释放的粒度也要依实际需求而定。

5. 使用正确的 API

选择合适的容器;

了解imageNamed与imageWithContentsOfFile的差异(_imageNamed_适用于会重复加载的小图片，因为系统会自动缓存加载的图片;_imageWithContentsOfFile_仅加载图片)

缓存NSDateFormatter的结果。

寻找__(NSDate *)dateFromString:(NSString )string__的替换品

不要随意使用NSLog();

这方面主要还是靠经验的累积。上面只是列举了几种常规手段，相信大家在实践过程中，肯定还有很多的高招。

三、预防问题

经过一段时间的性能优化工作，我们团队达成了一项共识，与其花那么时间去发现问题，查问题，还不如多开发一些工具，让问题尽量暴露在开发阶段，最好达到避免共性问题。所以，我们总是想开发一些有意思小工具来做这种事情。

下面列举几个我们认识还挺有帮忙的工具：

1.内存泄露检测工具。

2.FPS/SQL性能监测工具条

3.UI/DataSource主线程检测工具

4.排版引擎自动化检测工具

5.书源检测工具

1. 内存泄漏检测工具

MLeakFinder，这个已经开源了，是我们团队中zeposhe的杰作。

在此之前，内存泄露引起的性能问题是很难被察觉的，只有泄露到了相当严重的程度，然后通过Instrument工具，不断尝试才得以定位。MLeakFinder能在开发阶段，把内存泄露问题暴露无遗，减少了很多潜在的性能问题。

2. FPS/SQL性能监测工具条

工具条是在DEBUG模式下，以浮窗的形式，实时展示当前可能存在问题的FPS次数和执行时间较长的SQL语句个数，是团队成员tower开发的。

FPS监测的原理并不复杂，虽然不是百分百准确，但非常实用，因为可以随时查看FPS低于某个阈值时的堆栈信息，再结合当时的使用场景，开发人员使用起来非常便利，可以很快定位到引起卡顿的场景和原因。SQL语句的监测也非常实用，对于微信读书，DB的读写速度是影响性能的瓶颈之一。因此在DEBUG阶段，我们监测了每一条SQL语句的执行速度，一旦执行时间超出某个阈值，就会表现在工具条的数字上，点击后可以进一步查询到具体的SQL操作以及实际耗时。

顶部工具条点击后，就可以查到具体是哪条sql语句慢

这个工具帮助我们在开发阶段发现了很多卡顿问题，尤其是一些不合理的SQL语句，例如：

在想法圏的优化过程中，利用这个工具，我们就发现想法圈第一次加载更多，执行的SQL语句耗时竟然达到了1000多毫秒。

_SELECT * FROM WRReview INNER JOIN WRUser ON WRReview.fromId = WRUser.vid WHERE WRReview.type & ? AND WRReview.createTime <= ? ORDER BY WRReview.createTime DESC , WRReview.itemId ASC LIMIT ?_

通过explain，可以发现这条SQL效率之低:

SEARCH TABLE WRReview

SEARCH TABLE WRUser USING INTEGER PRIMARY KEY (rowid=?)

USE TEMP B-TREE FOR ORDER BY

没有建立合适的索引，导致WRReview全表扫描。

排序字段没有索引，导致SQLite需要再一次B-TREE排序。

两字段排序，性能更低。

优化：给WRReview的 fromId _createTime_ 两个字段增加了索引，并去掉一个排序字段

_SELECT * FROM WRReview INNER JOIN WRUser ON WRReview.fromId = WRUser.vid WHERE WRReview.type & ? ORDER BY WRReview.createTime DESC LIMIT ?_

Explain的结果：

SCAN TABLE WRReview USING INDEX WRReview_createTime

SEARCH TABLE WRUser USING INTEGER PRIMARY KEY (rowid=?)

SQL执行时间直接降了一个数量级，到100毫秒左右。

3. UI/DataSource 主线程检测工具

该工具是为了保证所有的UI的操作和DataSource操作一定是在主线程进行。实现原理是通过hook UIView的setNeedsLayout，setNeedsDisplay，setNeedsDisplayInRect三个方法，确保它们都是在主线程执行。子线程操作UI可能会引起什么问题，苹果说得并不清楚，实际开发中我们遇到几种神奇的问题似乎都是跟这个有关。

app突然丢动画，似乎iOS系统也有这个bug。虽然没有确切的证据，但使用这个工具，改完所有的问题后，bug也好了(不止一次是这样)。

UI操作偶尔响应特别慢，从代码看没有任何耗时操作，只是简单的push某个controller。

莫名的crash，这当然是因为UI操作非线程安全引起的。

更多时候，子线程操作UI也并不一定会发生什么问题，也正因为不知道会发生什么，所以更需要我们警惕，这个工具替我们扫除了这些隐患。虽然，苹果表示，现在部分的UI操作也已经是线程安全了，但毕竟大部分还不是。DataSource的监测是因为我们业务定下的原则，保证列表DataSource的线程安全。

4. 排版引擎自动化检测工具

排版引擎是微信读书最核心的功能，排版引擎检测工具原本是为了检验排版引擎改进过程中准确性，防止因为业务变更，而影响原来的排版特性。实现原理是结合自动化脚本和App本身的排版引擎，给书库中的每一本书建立一个镜像，镜像的内容包括书籍的每一章每一页的截图。然后分析同一页码的两个不同版本的图片差异，就可以知道不同版本的排版引擎渲染效果。但是我发现，只要稍加改进，排版后记录每个章节排版耗时，就可以知道每个版本变化后同一个章节的耗时变化，以此作为排版引擎的性能指标。这个工具保证了微信读书，即使在快速迭代过程中也不会丢失阅读的核心体验。虽然这个工具无法在其它项目中复用，但是提醒了我们，可以通过自动化工具来保证产品最核心功能的体验。

这个虽然业务相关性比较强，但是对于某些应用的自动化测试也是有效的

5. 书源检测工具

微信读书为了支持正版版权，目前书源完全依赖于后台，不允许本地导入。书源的优劣的直接影响排版的效果和性能。为了解决了部分书籍无法打开或者乱码的问题，我们借助了后台同学的书源检测工具。对线上所有epub书籍(大概13,000本)进行扫描，按照章节大小进行排序。对于章节内容特别大的书籍重点检测，重新排版，解决了一批epub书籍无法打开的问题。同时针对章节内容乱码的问题，对所有txt的书籍进行了一次全量扫描，发现了一些问题，但还无法准确找出所有乱码的章节，这一点还在努力改善中。

四、优化成果

整体使用感受上，已经可以明显区分两个版本的性能差异，这一点也可以通过每天的用户反馈数据中得到验证。1.3.0和1.3.1分别发布一周后反馈的卡顿数从10个降到了3个，从总体反馈比例的2.8%降到0.8%。

某些关键业务，耗时也有明显改善。

极端案例的修复。超大的epub书籍已通过后台进行拆分，解决了无法打开书籍的情况。

针对低端机型，去掉了某些动画，交互更加流畅。

五、总结

通过上述介绍，我们可以看出，性能问题普遍存在，无可避免，与其花费大量时间，查找线上版本的性能问题，不如提高整体团队成员性能优化意识，借助性能查找工具，将性能问题尽早暴露在开发阶段，达到预防为主的效果。

问答环节

Q1：想问下你们 DB 操作这部分涉及到多线程读写是怎么处理的？

我们用了FMDB，它已经处理了这种情况。

Q2：主线程检测工具有开源吗？

这个暂时没有开源，但是会推动开源。

Q3：除了 sqlite 语句的优化之外，db 这部分还有没有其他方面的优化工作？

我们有一个自己的DB框架，是ORM的，做了很多优化的工作，最近刚开源，大家可以看看。

Q4：请问你们选择用sqlite的考量是什么, 有没有考虑过使用其他的db如realm?

选择sqlite是历史原因，因为我们已经基于sqlite做了一个高性能的DB框架，而且也是经过QQMail App验证的。realm有考虑过，但是因为不是开源，所以估计不用采用。

Q5：FMDB 的解决方案，我理解是放到一个队列里，虽然可以解决多线程读写的问题，但是队列的处理还是会阻塞住来自不同线程的请求，对么？

是的。我们一直也是读写都在同一条队列，其实并没有太明显的性能瓶颈, 因为在sqlite之上我们还有一层基于model的cache。

Q6：合理的使用线程，多线程之间的同步这块儿有什么方案或建议？

这里我们也并没有什么通用的方案，原则是尽量避免使用多线程。一定要用的时候，也是根据业务谨慎选择。

或者我们私下可以再具体讨论一些业务场景。

Q7：业务场景里会不会涉及到有读操作依赖写操作完成的情况，否则会出现读操作的数据不准确的情况。FMDB 感觉不能很好的解决这个问题。

读操作 依赖写操作完成，这种场景一定会有的。但是这种问题应该是业务流程自己控制，而不是DB应该考虑的事情，DB性一能保证的就是按照业务提交的顺序，顺序执行。

Q8：能不能问下 微信读书的数据库的记录 一般是在什么级别，百、千？有没有尝试去做过一些压测，数据量达到多少的时候会遇到瓶颈？

微信读书的数据库记录并不是很大，单表记录最多可能也就10w的数据级别。QQ邮箱的mailApp跟我们是用的同一套，但是数量级别远大于微信读书。目前发现的瓶颈是DB文件达到200M以上时，sqlite的性能会明显受到影响，不过具体原因还在调查中。有做过一些压力测试，用来对比CoreData，但是具体数据我这里暂时没有。

Q9：卡顿监控这块能详细说说么，用的是Bugly的哪个工具呢，抽样上报具体是怎么样的？

Bugly库里有这个接口可以用+ (void)enableBlockMonitor:(BOOL)enable

另外再动态下发一个开关，设置这个值就好了。

Q10：微信读书这么成功，方便说下她的架构吗？我觉得架构好才是她可优化的第一步。

哈哈，现在还远谈不上成功啦。架构要用图来画才方便看，我暂时还没总结整个app的架构, 可以看看关于阅读器epub渲染的一个架构。

Q11：sql对于版本升级时表结构发生变化时如何处理？特别是跨版本升级！

https://github.com/Zepo/GYDat... 这个是基本ORM的一个框架，会自动把model和sqlite表的字段做一个映射，升级的时候，如果发现sqlite缺少的字段,会自动创建。但是，因为sqlite不能修改字段，所以我们也只能用于新增字段。

Q12：你们的 db 是只有一个文件，还是尝试分文件存储的？

看业务需求，目前是多个DB文件。

更多精彩内容欢迎关注bugly的微信公众账号：