Legado阅读器离线缓存与预下载的并发控制优化探讨

背景分析

Legado作为一款流行的开源阅读应用，其离线缓存和预下载功能是核心特性之一。但在实际使用中，用户反馈当批量下载章节时，部分网站会因短时间内高频访问而触发IP限制机制。这暴露了当前版本在并发控制方面的不足。

现有解决方案的局限性

当前系统主要通过两种方式控制并发：

1. 源编辑中的并发率设置：虽然可以限制同时请求的数量，但存在明显缺陷：

   • 修改后会全局影响搜索和发现功能
   • 无法针对不同网站设置差异化参数
   • 缺乏动态调整能力

2. JavaScript脚本方案：技术用户可通过自定义脚本实现更精细的控制，例如：

   let currentChapter = book.durChapterIndex;
   let targetChapter = chapter.index;
   let diff = targetChapter - currentChapter;
   let delay = Math.floor(Math.random()*501);
   if(Math.abs(diff) > 3) sleep(delay*100);
   

   但这种方案存在技术门槛，普通用户难以实施。

技术优化建议

分层并发控制架构

建议实现三级控制体系：

1. 全局基础并发率：保持现有设置，作为兜底参数
2. 下载专用并发率：独立于其他功能的专用设置
3. 智能动态调整：基于响应状态自动调节请求频率

具体实现方案

1. 独立设置界面：

   • 在离线缓存页面添加"请求间隔"设置项
   • 默认值为0（不启用）
   • 可设置100-5000毫秒的间隔时间

2. 智能节流算法：

   def adaptive_delay():
       base_delay = user_setting.delay
       error_count = get_recent_errors()
       dynamic_factor = min(5, 1 + error_count/10)
       return base_delay * dynamic_factor
   

3. 请求队列管理：

   • 实现优先级队列区分普通请求和下载请求
   • 对同一域名的请求自动加入间隔延迟

用户体验优化

1. 可视化反馈：

   • 在下载界面显示当前并发状态
   • 提供下载速度/成功率的实时图表

2. 智能预判：

   • 根据历史数据预测网站承受能力
   • 自动建议合适的并发参数

3. 异常处理：

   • 检测到429等状态码时自动暂停
   • 提供一键恢复功能

技术实现考量

1. 线程池管理：

   • 为下载任务创建独立线程池
   • 实现任务优先级调度

2. 状态保持：

   • 持久化保存中断的下载任务
   • 支持断点续传

3. 资源隔离：

   • 确保下载任务不影响核心阅读体验
   • 内存和CPU使用限制

预期效果

通过上述优化，预期可以实现：

• 降低90%以上的IP封锁概率
• 提升批量下载的成功率至95%+
• 保持核心功能的响应速度
• 显著改善用户的操作体验

这种改进既保留了应用的轻量级特性，又解决了实际使用中的痛点，是技术实用性与用户体验的平衡方案。