[TOC] ## SharedPreferences存在的问题 ### SP的效率比较低 1.读写方式：直接I/O 2.数据格式：xml 3.写入方式：全量更新  由于SP使用的xml格式保存数据，所以每次更新数据只能全量替换更新数据 这意味着如果我们有100个数据，如果只更新一项数据，也需要将所有数据转化成xml格式，然后再通过io写入文件中 这也导致SP的写入效率比较低 ### commit导致的ANR ~~~ public boolean commit() { // 在当前线程将数据保存到mMap中 MemoryCommitResult mcr = commitToMemory(); SharedPreferencesImpl.this.enqueueDiskWrite(mcr, null); try { // 如果是在singleThreadPool中执行写入操作，通过await()暂停主线程，直到写入操作完成。 // commit的同步性就是通过这里完成的。 mcr.writtenToDiskLatch.await(); } catch (InterruptedException e) { return false; } /* * 回调的时机： * 1. commit是在内存和硬盘操作均结束时回调 * 2. apply是内存操作结束时就进行回调 */ notifyListeners(mcr); return mcr.writeToDiskResult; } ~~~ 如上所示 1.commit有返回值，表示修改是否提交成功 2.commit提交是同步的，直到磁盘操作成功后才会完成 所以当数据量比较大时，使用commit很可能引起ANR ### Apply导致的ANR commit是同步的，同时SP也提供了异步的apply apply是将修改数据原子提交到内存, 而后异步真正提交到硬件磁盘, 而commit是同步的提交到硬件磁盘，因此，在多个并发的提交commit的时候，他们会等待正在处理的commit保存到磁盘后在操作，从而降低了效率。而apply只是原子的提交到内容，后面有调用apply的函数的将会直接覆盖前面的内存数据，这样从一定程度上提高了很多效率 但是apply同样会引起ANR的问题 ~~~ public void apply() { final long startTime = System.currentTimeMillis(); final MemoryCommitResult mcr = commitToMemory(); final Runnable awaitCommit = new Runnable() { @Override public void run() { mcr.writtenToDiskLatch.await(); // 等待 ...... } }; // 将 awaitCommit 添加到队列 QueuedWork 中 QueuedWork.addFinisher(awaitCommit); Runnable postWriteRunnable = new Runnable() { @Override public void run() { awaitCommit.run(); QueuedWork.removeFinisher(awaitCommit); } }; SharedPreferencesImpl.this.enqueueDiskWrite(mcr, postWriteRunnable); } ~~~ * 将一个 `awaitCommit` 的 `Runnable` 任务，添加到队列 `QueuedWork` 中，在 `awaitCommit` 中会调用 `await()` 方法等待，在 `handleStopService` 、 `handleStopActivity` 等等生命周期会以这个作为判断条件，等待任务执行完毕 * 将一个 `postWriteRunnable` 的 `Runnable` 写任务，通过 `enqueueDiskWrite` 方法，将写入任务加入到队列中，而写入任务在一个线程中执行 为了保证异步任务及时完成，当生命周期处于 `handleStopService()` 、 `handlePauseActivity()` 、 `handleStopActivity()` 的时候会调用 `QueuedWork.waitToFinish()` 会等待写入任务执行完毕 ~~~ private static final ConcurrentLinkedQueue<Runnable> sPendingWorkFinishers = new ConcurrentLinkedQueue<Runnable>(); public static void waitToFinish() { Runnable toFinish; while ((toFinish = sPendingWorkFinishers.poll()) != null) { toFinish.run(); // 相当于调用 `mcr.writtenToDiskLatch.await()` 方法 } } ~~~ * `sPendingWorkFinishers` 是 `ConcurrentLinkedQueue` 实例，`apply` 方法会将写入任务添加到 `sPendingWorkFinishers`队列中，在单个线程的线程池中执行写入任务，线程的调度并不由程序来控制，也就是说当生命周期切换的时候，任务不一定处于执行状态 * `toFinish.run()` 方法，相当于调用 `mcr.writtenToDiskLatch.await()` 方法，会一直等待 * `waitToFinish()` 方法就做了一件事，会一直等待写入任务执行完毕，其它什么都不做，当有很多写入任务，会依次执行，当文件很大时，效率很低，造成 ANR 就不奇怪了 所以当数据量比较大时，`apply`也会造成ANR ### getXXX() 导致ANR 不仅是写入操作，所有 getXXX() 方法都是同步的，在主线程调用 get 方法，必须等待 SP 加载完毕，也有可能导致ANR 调用 `getSharedPreferences()` 方法，最终会调用 `SharedPreferencesImpl#startLoadFromDisk()` 方法开启一个线程异步读取数据。 ~~~kotlin private final Object mLock = new Object(); private boolean mLoaded = false; private void startLoadFromDisk() { synchronized (mLock) { mLoaded = false; } new Thread("SharedPreferencesImpl-load") { public void run() { loadFromDisk(); } }.start(); } 复制代码 ~~~ 正如你所看到的，开启一个线程异步读取数据，当我们正在读取一个比较大的数据，还没读取完，接着调用 `getXXX()` 方法。 ~~~kotlin public String getString(String key, @Nullable String defValue) { synchronized (mLock) { awaitLoadedLocked(); String v = (String)mMap.get(key); return v != null ? v : defValue; } } private void awaitLoadedLocked() { ...... while (!mLoaded) { try { mLock.wait(); } catch (InterruptedException unused) { } } ...... } ~~~ 在同步方法内调用了 `wait()` 方法，会一直等待 `getSharedPreferences()` 方法开启的线程读取完数据才能继续往下执行，如果读取几 KB 的数据还好，假设读取一个大的文件，势必会造成主线程阻塞。 ## MMKV的使用 MMKV 是基于 mmap 内存映射的 key-value 组件，底层序列化/反序列化使用 protobuf 实现，性能高，稳定性强。从 2015 年中至今在微信上使用，其性能和稳定性经过了时间的验证。近期也已移植到 Android / macOS / Win32 / POSIX 平台，一并开源。 ### MMKV优点 1.MMKV实现了SharedPreferences接口，可以无缝切换 2.通过 mmap 内存映射文件，提供一段可供随时写入的内存块，App 只管往里面写数据，由操作系统负责将内存回写到文件，不必担心 crash 导致数据丢失。 3.MMKV数据序列化方面选用 protobuf 协议，pb 在性能和空间占用上都有不错的表现 4.SP是全量更新，MMKV是增量更新，有性能优势 详细的使用细节可以参考文档：[github.com/Tencent/MMK…](https://link.juejin.cn?target=https%3A%2F%2Fgithub.com%2FTencent%2FMMKV%2Fwiki "https://github.com/Tencent/MMKV/wiki") ## MMKV原理 ### 为什么MMKV写入速度更快 #### IO操作 我们知道，SP是写入是基于IO操作的，为了了解IO，我们需要先了解下用户空间与内核空间 虚拟内存被操作系统划分成两块：用户空间和内核空间，用户空间是用户程序代码运行的地方，内核空间是内核代码运行的地方。为了安全，它们是隔离的，即使用户的程序崩溃了，内核也不受影响。  **写文件流程:** 1、调用write，告诉内核需要写入数据的开始地址与长度 2、内核将数据拷贝到内核缓存 3、由操作系统调用，将数据拷贝到磁盘，完成写入  #### MMAP Linux通过将一个虚拟内存区域与一个磁盘上的对象关联起来，以初始化这个虚拟内存区域的内容，这个过程称为内存映射(memory mapping)。  对文件进行mmap，会在进程的虚拟内存分配地址空间，创建映射关系。 实现这样的映射关系后，就可以采用指针的方式读写操作这一段内存，而系统会自动回写到对应的文件磁盘上 #### MMAP优势 * MMAP对文件的读写操作只需要从磁盘到用户主存的一次数据拷贝过程，减少了数据的拷贝次数，提高了文件读写效率。 * MMAP使用逻辑内存对磁盘文件进行映射，操作内存就相当于操作文件，不需要开启线程，操作MMAP的速度和操作内存的速度一样快； * MMAP提供一段可供随时写入的内存块，App 只管往里面写数据，由操作系统如内存不足、进程退出等时候负责将内存回写到文件，不必担心 crash 导致数据丢失。  可以看出，MMAP的写入速度基本与内存写入速度一致，远高于SP，这就是MMKV写入速度更快的原因 ### MMKV写入方式 #### SP的数据结构 SP是使用XML格式存储数据的，如下所示  但是这也导致SP如果要更新数据的话，只能全量更新 #### MMKV数据结构 MMKV数据结构如下  MMKV使用Protobuf存储数据，冗余数据更少，更省空间，同时可以方便地在末尾追加数据 #### 写入方式 **增量写入** 不管key是否重复，直接将数据追加在前数据后。 这样效率更高，更新数据只需要插入一条数据即可。 当然这样也会带来问题，如果不断增量追加内容，文件越来越大，怎么办？ 当文件大小不够，这时候需要全量写入。将数据去掉重复key后，如果文件大小满足写入的数据大小，则可以直接更新全量写入，否则需要扩容。（在扩容时根据平均每个K-V大小计算未来可能需要的文件大小进行扩容，防止经常性的全量写入） ### MMKV三大优势 * mmap防止数据丢失，提高读写效率; * 精简数据，以最少的数据量表示最多的信息，减少数据大小; * 增量更新，避免每次进行相对增量来说大数据量的全量写入。