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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112