【图像】FastImageCache 研究

概述

要点总结

  • FastImageCache 做了三件事:内存映射、解码图片、字节对齐
  • 内存映射是避免了内存复制。传统的图片使用方式中读取一张图片是先从磁盘读取到内核缓冲区,再由内核缓冲区复制到用户空间。内存映射免除了这一步复制。
  • 解码图片是避免的解码过程。提前将图片解码成位图,存储在磁盘中。
  • 字节对齐是避免 Core Animation 在使用图像数据前拷贝数据。Core Animation 使用的数据是需要对齐字节的,传统过程中提供给 Core Animation 的数据未必是对齐的,那么就需要做一次拷贝将字节对齐。(还有一层含义,下文有详细说明)

内存映射

解码图片

  • 这个地方的实现有点绕,首先创建一个 entry,这个 entry 内部的 bytes 已经做好内存映射了
  • 然后用 entry 的 bytes 创建一个 bitmap,这个位图使用 bytes 中的数据,反过来如果我们在位图中绘制内容,也会同步到 bytes 对应的内存中
  • 将图片绘制到 bitmap 上,这相当于将已经解码的图片数据对应到 bytes 中,然后调用 entry 的 flush 方法,进行 mmap 机制的同步(即写入磁盘)

字节对齐

  • 字节对齐有两层含义,第一层是字节块对齐,第二层是 Core Animation 使用图像数据时的字节对齐(去除杂质)
  • 字节块对齐处理的是 CPU 获取字节块时的优化工作,例如 CPU 需要获取的数据在两个字节块中,CPU 就需要加载两个字节块,然后将需要的字节保留组成所需的字节块,对齐后则直接加载所需的字节块即可。
  • 在 FastImageCache 中是在 FICImageTableChunk 中实现的,据我不靠谱的观察,字节块对齐不需要额外的工作,图像数据对齐后这里自动就对齐了
  • 使用图像数据时的字节对齐是指,如果图像数据的字节块中包含杂质(例如一个字节块 64 字节,其中有 60 字节是图像数据,最后 4 字节是其它数据,对于 Core Animation 来说这 4 字节就是杂质),Core Animation 会复制这个字节块的前 60 字节图像数据,最后 4 字节以 0 填充
  • 图像数据的对齐是用 FICByteAlignForCoreAnimation 实现的,有意思的是这里是按照图像的行数据进行对齐,而不是整个图像的数据进行对齐,猜测是绘制时是按行进行取用数据的,只有按行对齐才能避免 Core Animation 复制数据

使用流程

  • 我们来简单总结一下 FastImageCache 是如何工作的
  • 核心类是 FICImageCache 和 FICImageTable,FICImageTable 是数据存储的基本框架结构,FICImageCache 是管理类,我们主要与 FICImageCache 打交道
  • 我们通过 FICImageCache 的 retrieveImageForEntity 等方法获取 image,取到后直接给 imageView 等组件赋值即可
  • 那么 FICImageCache 是如何获取原始数据的呢?通过其 FICImageCacheDelegate 类型的代理获取。这也是 FastImageCache 不够方便的地方,我们需要自己实现代理方法,处理图片下载等工作。
  • FICImageCache 通过代理拿到数据后调用 _processImage 方法来处理图片,将图片数据放在一个 FICEntityImageDrawingBlock 中传递给 imageTable 的 setEntryForEntityUUID 方法
  • 在 setEntryForEntityUUID 方法中,imageTable 会生成对应的 chunk 与 entry,使用 entry 的 bytes 创建位图,使用传进来的 FICEntityImageDrawingBlock 将图像绘制在位图上,那么解压后的图像数据就对应到了 bytes 中,然后调用 entry 的 flush 方法将数据映射回磁盘文件中
  • retrieveImageForEntity 方法内部真正获取图片的地方调用了 newImageForEntityUUID ,这里面就比较简单了,找到对应的 entry,将其 bytes 转换成 UIImage。这时候拿到的 UIImage 就是已经解压过且字节对齐的数据了。

资料

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,080评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,422评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,630评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,554评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,662评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,856评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,014评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,752评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,212评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,541评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,687评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,347评论 4 331
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,973评论 3 315
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,777评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,006评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,406评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,576评论 2 349

推荐阅读更多精彩内容