Swift Composable Architecture 中 ForEach 滚动性能优化实践
前言
在 iOS 开发中,列表视图的性能优化一直是一个重要课题。最近在使用 Swift Composable Architecture (TCA) 框架时,开发者发现了一个有趣的性能问题:当使用标准的 TCA 方式构建列表时,快速滚动会出现卡顿现象,而通过一种特殊的优化方式可以显著提升性能。
问题现象
在 TCA 框架中,开发者通常会使用以下方式构建列表视图:
ForEach(store.scope(state: \.components, action: \.component)) { store in
CellView(store: store)
}
这种方式在快速滚动时会出现明显的卡顿和跳行现象。经过测试,开发者发现了一种性能更优的实现方式:
let storeScope = store.scope(state: \.components, action: \.component)
ForEach(0 ..< storeScope.count, id: \.self) { index in
let store = storeScope[_offset: index]
CellView(store: store)
}
问题分析
经过深入研究,这个问题实际上与 SwiftUI 在调试构建中的特殊处理有关。在 Xcode 16 的调试构建中,所有 SwiftUI 视图都会被包装在 AnyView 中,这是为了改进预览功能,但同时也带来了性能问题。
通过实验可以验证这一点:在 CellView 的 body 中添加打印语句会发现,所有 300 个视图都会立即"渲染",这与 List 和 ForEach 的预期行为不符。理想情况下,只有出现在屏幕上的行才应该计算其 body。AnyView 的包装使得这种优化行为无法实现,从而导致性能下降。
解决方案
-
发布构建测试:在发布模式下运行应用时,只有可见行的
body会被计算,性能会有显著提升。这是因为发布模式不会添加调试用的AnyView包装。 -
优化实现方式:如前面提到的第二种实现方式,通过预先计算
storeScope并直接使用索引访问,可以减少不必要的计算开销。 -
性能监控:在开发过程中,应该定期在真实设备上进行性能测试,特别是在处理大型列表时。
最佳实践建议
-
区分开发和生产环境:在开发阶段就注意性能差异,不要仅依赖调试模式的测试结果。
-
列表优化技巧:
- 尽量简化单元格视图的复杂度
- 使用
Identifiable协议确保正确的项标识 - 避免在单元格视图中进行复杂的计算
-
性能测试:对于关键性能路径,应该在发布配置下进行充分测试。
结论
这个问题提醒我们,在使用现代 SwiftUI 和 TCA 架构时,需要特别注意调试构建和发布构建之间的行为差异。虽然调试工具很有用,但它们可能会引入额外的开销,影响我们对应用真实性能的评估。通过理解底层机制并采用适当的优化技术,我们可以构建出既功能强大又性能优异的 SwiftUI 应用。
在实际项目中,建议开发者针对性能关键路径进行多环境测试,并保持对 SwiftUI 和 TCA 最新变化的关注,以便及时调整优化策略。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00