JetBrains Skiko 图像加载优化:从 NSData 直接解码的技术解析
2025-07-06 11:14:05作者:苗圣禹Peter
背景与问题
在 iOS 开发中使用 JetBrains Skiko 框架时,开发者经常需要从 NSData 加载图像。传统方法需要先将 NSData 转换为 Kotlin 的 ByteArray,然后再传递给 Skiko 进行图像解码。这个过程存在明显的性能问题:
- 内存拷贝开销:数据需要从 Objective-C/Swift 环境拷贝到 Kotlin 环境
- 内存占用翻倍:同一份图像数据在内存中会存在多个副本
- 性能瓶颈:对于需要处理大量图像的应用(如相册管理应用),这种开销尤为明显
技术实现现状
Skiko 的底层实现依赖于 Skia 图形库。目前 Skia 在解码图像时的行为是:
SKIKO_EXPORT KNativePointer org_jetbrains_skia_Image__1nMakeFromEncoded
(KByte* encodedArray, KInt encodedLen) {
sk_sp<SkData> encodedData = SkData::MakeWithCopy(encodedArray, encodedLen);
sk_sp<SkImage> image = SkImages::DeferredFromEncodedData(encodedData);
return reinterpret_cast<KNativePointer>(image.release());
}
这段代码表明,无论输入是 NSData 还是 ByteArray,Skia 都会创建一个内部拷贝(SkData::MakeWithCopy),以确保它对解码过程中使用的内存有完全的控制权。
优化方案与进展
Skiko 团队已经实现了一项重要优化,允许开发者直接从 NSData 加载图像,而无需先转换为 ByteArray。这项优化:
-
减少了从三份拷贝到两份拷贝的内存占用
- 原始 NSData
- Skia 内部拷贝
- 移除了中间的 ByteArray 拷贝
-
已在多个 Skiko 版本中提供支持
未来优化方向
虽然当前优化已经改善了内存使用情况,但仍有进一步优化的空间:
- 内存共享机制:探索让 Skia 与 NSData 共享内存所有权的可能性
- 零拷贝解码:理想情况下实现完全避免内存拷贝的解码流程
- 生命周期管理:需要确保 NSData 在 Skia 解码完成前保持有效
开发者建议
对于需要处理大量图像的 iOS 应用开发者:
- 升级到支持此优化的 Skiko 版本
- 使用新的 NSData 直接加载 API 替代原有的 ByteArray 转换流程
- 关注后续的内存共享优化进展
这项优化特别适合相册类、图片编辑类等需要高效处理大量图像的应用场景,能够显著降低内存占用并提升性能。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
264
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
378
3.34 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1