iOS Realm数据持久化--数据分页与复用原理 (二)

上篇介绍了一些Realm数据库的基础知识,本篇将介绍数据分页与列表复用原理,希望对大家有所帮助,如有错误请指正。
iOS Realm数据持久化--Realm基础知识 (一)
iOS Realm数据持久化--数据分页与复用原理 (二)
iOS Realm数据持久化--List容器分页(三)
iOS Realm数据持久化--Realm集合分页(四)

1、数据分页

1.1 为何要分页加载

随着智能设备的普及,信息以指数级增长,移动设备与后台交互复杂度也不断上升:
(1)移动设备容纳海量服务器数据。
(2)带宽优先、流量资源宝贵,不适宜一次拉取过多的数据。
(3)设备性能不足,一次载入过多数据会导致处理时间过长,影响交互体验。
(4)设备内存占用过多将会导致APP被系统Kill。

要解决上述问题,提高App交互体验,我们需要做多方面的功课:
(1)客户端限量依次拉取数据
(2)对数据压缩编码,减少冗余
(3)服务器节点和带宽优化

就客户端而言主要还是解决数据冗余和拉取问题,JSON是目前通用数据格式,解决冗余问题只需减少无用字段即可(如果要求非常高可以使用非Http协议并采用二级制数据编码,如protocolBuffer方案),数据拉取则需要采用分页方案解决:
(1)首次进入App从服务器或者磁盘读取最新的M条数据,M不益过大
(2)浏览到第一条,触发分页交互,加载最新的M条数据到内存
(3)浏览到最后一条数据,触发分页交互,加载之后的M条历史数据到内存
(4)响应数据只提供基本概要,避免将无用的内容加载到内存
(5)根据所在地区寻找最新的服务器节点提高访问速度

1.2 常见的分页交互方案

分页设计几乎是联网App的标配,常见的有Feed流IM消息等,交互流程大致如下:

IM分页(IM消息列表通常只有下拉刷新)
(1)进入会话加载最新M条数据M通常为10-20
(2)滚动到列表顶部触发下拉刷新或者自动加载M条历史数据(通常使用timeStamp作为查询标志)
(3)发送文本、图片、位置等插入一条或多条新消息数据

Feed流分页(Feed流通常包含上、下拉刷新或者只有上拉刷新等操作)
(1)进入页面加载最新M条数据M通常为10-20
(2)滚动到页面底部触发上拉刷新或者自动加载M条历史数据到内存
(3)滚动到页面顶部触发下拉刷新或者自动加载最新M条数据到内存

实际上很多App受复杂的数据缓存、数据提取算法等影响,实际分页策略不尽相同,但基础交互并无差异,这里不做详细讨论。有兴趣的可以去了解微信朋友圈微信聊天新浪微博等分页逻辑。

2、表视图

设计数据分页不得不提到表视图,表视图是移动开发最重要的一章,使用极为频繁,CocoaTouch框架提供了UITableViewUICollectionView两种类型的表视图,使用简洁方便,熟练掌握好表视图的相关特性和原理有助于我们更好的自定义表视图。

2.1 为何要进行数据复用

移动设备的CPUGPU硬件配置和运算性能远不如桌面电脑,早期的iOS设备只有256M内存,可供App使用的不到30M,超出这个限制App就会被系统杀掉,目前最新的iOS设备如果内存占用400M以上依然可能因为内存警告被系统Kill。为了减少内存占用,我们需要尽可能的利用已分配的资源来展示信息,UITableViewUICollectionView正是基于此考虑采用了复用模式

2.2 复用的原理

UITableViewUICollectionView并非将每一个Item都绑定一个对应的单元格Cell,如果你非要这么干(弃用复用模式),虽然数据可以正常显示,但已背离了设计初衷,更糟糕的是过多的数据会导致同等量的Cell载入内存,并且列表滚动时新的Cell不断生成,内存消耗也不断增加,App很快会变得卡顿然后被系统终结,这一定是你不愿意遇见的。

下图展示了UITableViewCell的复用的基本原理(实际要复杂很多):

UITaleView复用原理.gif

如上图,UITableView只在屏幕可见区域申请若干个UITableViewCell(具体申请数量跟Cell 的identifier也相关),滚动的时候将Cell绑定新的数据源,这种设计可以保持内存占用在一个较低的水平。

2.2 如何提高列表滚动的流畅性

列表滚动卡顿是一个很糟糕的体验,应该尽量避免以下操作:
(1)列表数据占用太多内存资源,触发内存警告或App闪退
(2)消耗大量CPUGPU资源进行界面渲染与绘制
(3)计算结果不做预缓存,每次复用都反复计算
(4)在主线程执行耗时的任务

避免卡顿有助于提高列表滚动流畅性,可以从以下几个方面着手:
(1)减少界面渲染与绘制的资源消耗,如优化圆角与阴影,减少透明图层,避免子视图的反复申请,子线程异步处理。
(2)缓存计算结果 ,避免对非动态变化数据反复计算,如将高度、格式化时间、富文本、转换后的数据模型等做内存缓存。
(3)减少内存占用,如采用分页加载、懒加载,缓存失效、单元格复用等。

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 216,258评论 6 498
  • 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 92,335评论 3 392
  • 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 162,225评论 0 353
  • 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 58,126评论 1 292
  • 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 67,140评论 6 388
  • 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 51,098评论 1 295
  • 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 40,018评论 3 417
  • 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 38,857评论 0 273
  • 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 45,298评论 1 310
  • 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 37,518评论 2 332
  • 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 39,678评论 1 348
  • 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 35,400评论 5 343
  • 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 40,993评论 3 325
  • 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 31,638评论 0 22
  • 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 32,801评论 1 268
  • 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 47,661评论 2 368
  • 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 44,558评论 2 352

推荐阅读更多精彩内容