ZLPhotoBrowser中AVAsset.tracks(withMediaType:)性能问题分析与优化
问题背景
在iOS多媒体开发中,处理视频资源时经常需要获取视频轨道信息。ZLPhotoBrowser作为一款功能强大的图片选择器,在预览视频时使用了AVFoundation框架中的tracks(withMediaType:)方法来获取视频轨道信息。然而,随着iOS系统的更新,这个方法在iOS 18上出现了明显的性能问题。
问题分析
AVAsset.tracks(withMediaType:)是AVFoundation框架中用于获取特定类型媒体轨道的方法。在iOS 15之前,这是获取视频轨道信息的常用方式。然而,随着系统更新,这个方法在性能上出现了以下问题:
- 同步加载问题:该方法会同步加载轨道信息,可能导致主线程阻塞
- 资源消耗大:对于某些视频格式,解析轨道信息需要较多计算资源
- 兼容性问题:在iOS 15及更高版本中,苹果已标记该方法为不推荐使用
技术细节
在ZLPhotoBrowser的ZLNetVideoPreviewCell中,原始代码使用如下方式获取视频轨道:
if let videoTrack = item.asset.tracks(withMediaType: .video).first {
// 处理视频轨道信息
}
这种方式在iOS 18上会导致明显的卡顿,特别是在处理多个视频或高分辨率视频时。卡顿的主要原因包括:
- 主线程阻塞:同步加载轨道信息会阻塞UI线程
- 资源加载延迟:AVAsset可能需要先加载媒体数据才能获取轨道信息
- 变换计算开销:获取naturalSize和preferredTransform需要额外计算
优化方案
针对这个问题,我们可以采用以下几种优化策略:
1. 使用异步加载方式
苹果推荐使用loadValuesAsynchronously(forKeys:completionHandler:)异步加载资源属性:
asset.loadValuesAsynchronously(forKeys: ["tracks"]) {
DispatchQueue.main.async {
if asset.statusOfValue(forKey: "tracks", error: nil) == .loaded {
let tracks = asset.tracks(withMediaType: .video)
// 处理轨道信息
}
}
}
2. 使用推荐的替代API
iOS 15引入了新的AVAssetTrack查询API,性能更优:
let videoTracks = try await asset.load(.tracks)
let videoTrack = videoTracks.first(where: { $0.mediaType == .video })
3. 缓存计算结果
对于重复访问的视频资源,可以缓存轨道信息计算结果:
struct VideoTrackCache {
static let shared = VideoTrackCache()
private var cache = [URL: CGRect]()
mutating func getFrame(for url: URL, completion: @escaping (CGRect) -> Void) {
if let frame = cache[url] {
completion(frame)
return
}
// 异步计算并缓存结果
}
}
实现建议
针对ZLPhotoBrowser的具体场景,建议修改calculatePlayerFrame(for:)方法的实现:
- 将同步调用改为异步方式
- 添加默认帧大小作为fallback
- 考虑使用新的Swift并发模型(如async/await)
- 添加错误处理和超时机制
示例改进代码:
private func calculatePlayerFrame(for item: AVPlayerItem, completion: @escaping (CGRect) -> Void) {
let asset = item.asset
asset.loadValuesAsynchronously(forKeys: ["tracks"]) { [weak self] in
guard let self = self else { return }
DispatchQueue.main.async {
if asset.statusOfValue(forKey: "tracks", error: nil) == .loaded,
let videoTrack = asset.tracks(withMediaType: .video).first {
let size = videoTrack.naturalSize.applying(videoTrack.preferredTransform)
let videoRect = self.calculateFrame(with: size)
completion(videoRect)
} else {
completion(self.bounds)
}
}
}
}
private func calculateFrame(with videoSize: CGSize) -> CGRect {
let videoWHRatio = abs(videoSize.width) / abs(videoSize.height)
let cellWHRatio = zl.width / zl.height
if videoWHRatio > cellWHRatio {
let videoH = zl.width / videoWHRatio
return CGRect(x: 0, y: (zl.height - videoH) / 2, width: zl.width, height: videoH)
} else {
let videoW = zl.height * videoWHRatio
return CGRect(x: (zl.width - videoW) / 2, y: 0, width: videoW, height: zl.height)
}
}
兼容性考虑
在实现优化方案时,需要考虑不同iOS版本的兼容性:
- 对于iOS 15+设备,优先使用新的异步API
- 对于旧版系统,保持原有逻辑但改为异步执行
- 添加适当的API可用性检查
性能测试建议
实施优化后,建议进行以下测试:
- 主线程响应时间测试
- 内存使用情况监控
- 多视频连续预览的流畅度测试
- 不同分辨率和格式视频的处理测试
总结
在ZLPhotoBrowser中处理视频预览时,应当避免在主线程同步调用tracks(withMediaType:)方法。通过采用异步加载、使用新API和合理缓存等优化策略,可以显著提升视频预览的流畅度和用户体验。随着iOS系统的更新,开发者需要及时跟进AVFoundation框架的最新变化,采用推荐的最佳实践来保证应用的性能和稳定性。
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-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