Ivy Wallet 性能优化:解决Compose组件稳定性问题
引言
在现代Android应用开发中,Jetpack Compose已经成为构建UI的主流方式。然而,随着应用复杂度的提升,性能问题逐渐显现。Ivy Wallet团队近期发现应用中存在大量不稳定的Composable组件,这直接导致了应用在滚动和动画时出现卡顿和丢帧现象。
问题分析
Compose框架通过智能重组机制来优化UI更新性能。当Composable函数的参数或局部变量发生变化时,框架会决定是否需要重新执行该函数。这种机制依赖于参数的稳定性判断——稳定的参数意味着Compose可以安全地跳过不必要的重组。
在Ivy Wallet中,存在以下主要问题:
-
参数类型不稳定:许多Composable函数使用了复杂的数据类型作为参数,如自定义类、集合类型等,这些类型没有明确标记为不可变或稳定。
-
性能影响:不稳定的Composable会导致频繁且不必要的重组,特别是在列表滚动和动画执行时,造成明显的性能下降。
解决方案
1. 识别不稳定Composable
团队建立了自动化检测机制,通过专门的CI工作流来识别所有不稳定的Composable组件。检测结果会明确指出哪些参数导致了不稳定性。
2. 优化策略
针对不同类型的参数,可以采用以下优化方法(按优先级排序):
- 使用基本类型:将复杂对象替换为String、Int、Double等基本类型
- 不可变集合:用kotlinx.collections.immutable中的ImmutableList/ImmutableSet替代标准集合
- 显式标记:为自定义类添加@Immutable或@Stable注解
3. 重点优化区域
特别值得关注的是交易列表组件,它是首页的核心部分。针对这部分,建议进行以下深度优化:
- 将BigDecimal替换为Double类型
- 将LocalDateTime转换为String类型
- 将日期格式化逻辑移至ViewModel层
实施指南
-
准备工作:
- 移除现有的稳定性基准文件
- 创建PR方案触发CI检测
-
修复流程:
- 根据CI报告定位不稳定参数
- 选择合适的优化方法进行改造
- 确保功能不受影响且无崩溃
-
验证标准:
- Compose稳定性CI检测通过
- 至少修复三个不稳定Composable
- 保持应用功能完整性和稳定性
技术原理
Compose的稳定性机制基于以下原则:
- 稳定类型:基本类型、String、函数类型等
- 可变性标记:通过@Immutable和@Stable注解显式声明
- 智能跳过:对于稳定参数,Compose可以安全跳过重组
当参数类型不稳定时,Compose会采取保守策略,假设参数可能在任何时候发生变化,从而导致不必要的重组。
未来展望
随着Kotlin K2编译器的引入,Strong Skipping特性将进一步提升Compose的性能优化能力。届时,许多当前的稳定性问题可能不再需要手动处理。但在现阶段,手动优化仍然是确保应用流畅运行的必要手段。
结语
通过系统性地解决Composable稳定性问题,Ivy Wallet团队显著提升了应用性能,特别是在滚动流畅度和动画表现方面。这一优化过程不仅改善了用户体验,也为开发者提供了宝贵的性能优化实践经验。
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