一套完善的Android异步任务类
jopen
10年前
集数据并发，异常传递，网络缓存于一身，一套完整的异步任务处理类的实现
今天向大家介绍一个很有用的异步任务类处理类，分别包含了AsyncTask各个环节中的异常处理、大量并发执行而不发生异常、字符串数据缓存等功能。并且感谢@马天宇(http://litesuits.com/)给我的思路与指点。
研究过Android系统源码的同学会发现：AsyncTask在android2.3的时候线程池是一个核心数为5线程，队列可容纳10线程，最大执行128个任务，这存在一个问题，当你真的有138个并发时，即使手机没被你撑爆，那么超出这个指标应用绝对crash掉。 后来升级到4.0，为了避免并发带来的一些列问题，AsyncTask竟然成为序列执行器了，也就是你即使你同时execute N个AsyncTask，它也是挨个排队执行的。 这一点请同学们一定注意，AsyncTask在4.0以后，是异步的没错，但不是并发的。关于这一点的改进办法，我之前写过一篇《Thread并发请求封装——深入理解AsyncTask类》没有看过的同学可以看这里，本文是在这个基础上对AsyncTask做进一步的优化。
根据Android4.0源码我们可以看到，在AsyncTask中默认有两个执行器，ThreadPoolExecutor和SerialExecutor，分别表示并行执行器和串行执行器。但是默认的并行执行器并不能执行大于128个任务的处理，所以我们在此定义一个根据lru调度策略的并行执行器。源码可以看这里。
/** * 用于替换掉原生的mThreadPoolExecutor，可以大大改善Android自带异步任务框架的处理能力和速度。 * 默认使用LIFO（后进先出）策略来调度线程，可将最新的任务快速执行，当然你自己可以换为FIFO调度策略。 * 这有助于用户当前任务优先完成（比如加载图片时，很容易做到当前屏幕上的图片优先加载）。 */ private static class SmartSerialExecutor implements Executor { /** * 这里使用{@link ArrayDequeCompat}作为栈比{@link Stack}性能高 */ private ArrayDequeCompat<Runnable> mQueue = new ArrayDequeCompat<Runnable>( serialMaxCount); private ScheduleStrategy mStrategy = ScheduleStrategy.LIFO; private enum ScheduleStrategy { LIFO, FIFO; } /** * 一次同时并发的数量，根据处理器数量调节 <br> * cpu count : 1 2 3 4 8 16 32 <br> * once(base*2): 1 2 3 4 8 16 32 <br> * 一个时间段内最多并发线程个数： 双核手机：2 四核手机：4 ... 计算公式如下： */ private static int serialOneTime; /** * 并发最大数量，当投入的任务过多大于此值时，根据Lru规则，将最老的任务移除（将得不到执行） <br> * cpu count : 1 2 3 4 8 16 32 <br> * base(cpu+3) : 4 5 6 7 11 19 35 <br> * max(base*16): 64 80 96 112 176 304 560 <br> */ private static int serialMaxCount; private void reSettings(int cpuCount) { serialOneTime = cpuCount; serialMaxCount = (cpuCount + 3) * 16; } public SmartSerialExecutor() { reSettings(CPU_COUNT); } @Override public synchronized void execute(final Runnable command) { Runnable r = new Runnable() { @Override public void run() { command.run(); next(); } }; if ((mThreadPoolExecutor).getActiveCount() < serialOneTime) { // 小于单次并发量直接运行 mThreadPoolExecutor.execute(r); } else { // 如果大于并发上限，那么移除最老的任务 if (mQueue.size() >= serialMaxCount) { mQueue.pollFirst(); } // 新任务放在队尾 mQueue.offerLast(r); } } public synchronized void next() { Runnable mActive; switch (mStrategy) { case LIFO: mActive = mQueue.pollLast(); break; case FIFO: mActive = mQueue.pollFirst(); break; default: mActive = mQueue.pollLast(); break; } if (mActive != null) { mThreadPoolExecutor.execute(mActive); } } } 以上便是对AsyncTask的并发执行优化，接下来我们看对异常捕获的改进。
真正说起来，这并不算是什么功能上的改进，仅仅是一种开发上的技巧。代码过长，我删去了一些，仅留下重要部分。
/** * 安全异步任务，可以捕获任意异常，并反馈给给开发者。<br> * 从执行前，执行中，执行后，乃至更新时的异常都捕获。<br> */ public abstract class SafeTask<Params, Progress, Result> extends KJTaskExecutor<Params, Progress, Result> { private Exception cause; @Override protected final void onPreExecute() { try { onPreExecuteSafely(); } catch (Exception e) { exceptionLog(e); } } @Override protected final Result doInBackground(Params... params) { try { return doInBackgroundSafely(params); } catch (Exception e) { exceptionLog(e); cause = e; } return null; } @Override protected final void onProgressUpdate(Progress... values) { try { onProgressUpdateSafely(values); } catch (Exception e) { exceptionLog(e); } } @Override protected final void onPostExecute(Result result) { try { onPostExecuteSafely(result, cause); } catch (Exception e) { exceptionLog(e); } } @Override protected final void onCancelled(Result result) { onCancelled(result); } } 其实从代码就可以看出，仅仅是对原AsyncTask类中各个阶段的代码做了一次try..catch... 但就是这一个小优化，不仅可以使代码整齐(我觉得try...catch太多真的很影响代码美观)，而且在最终都可以由一个onPostExecuteSafely(xxx)来整合处理，使得结构更加紧凑。
让AsyncTask附带数据缓存功能
我们在做APP开发的时候，网络访问都会加上缓存处理，其中的原因我想就不必讲了。那么如果让AsyncTask自身就附带网络JSON缓存，岂不是更好？其实实现原理很简单，就是将平时我们写在外面的缓存方法放到AsyncTask内部去实现，注释已经讲解的很清楚了，这里就不再讲了
/** * 本类主要用于获取网络数据，并将结果缓存至文件，文件名为key，缓存有效时间为value <br> * <b>注：</b>{@link #CachedTask#Result}需要序列化，否则不能或者不能完整的读取缓存。<br> */ public abstract class CachedTask<Params, Progress, Result extends Serializable> extends SafeTask<Params, Progress, Result> { private String cachePath = "folderName"; // 缓存路径 private String cacheName = "MD5_effectiveTime"; // 缓存文件名格式 private long expiredTime = 0; // 缓存时间 private String key; // 缓存以键值对形式存在 private ConcurrentHashMap<String, Long> cacheMap; /** * 构造方法 * @param cachePath 缓存路径 * @param key 存储的key值，若重复将覆盖 * @param cacheTime 缓存有效期，单位：分 */ public CachedTask(String cachePath, String key, long cacheTime) { if (StringUtils.isEmpty(cachePath) || StringUtils.isEmpty(key)) { throw new RuntimeException("cachePath or key is empty"); } else { this.cachePath = cachePath; // 对外url，对内url的md5值（不仅可以防止由于url过长造成文件名错误，还能防止恶意修改缓存内容） this.key = CipherUtils.md5(key); // 对外单位：分，对内单位：毫秒 this.expiredTime = TimeUnit.MILLISECONDS.convert( cacheTime, TimeUnit.MINUTES); this.cacheName = this.key + "_" + cacheTime; initCacheMap(); } } private void initCacheMap() { cacheMap = new ConcurrentHashMap<String, Long>(); File folder = FileUtils.getSaveFolder(cachePath); for (String name : folder.list()) { if (!StringUtils.isEmpty(name)) { String[] nameFormat = name.split("_"); // 若满足命名格式则认为是一个合格的cache if (nameFormat.length == 2 && (nameFormat[0].length() == 32 || nameFormat[0].length() == 64 || nameFormat[0].length() == 128)) { cacheMap.put(nameFormat[0], TimeUnit.MILLISECONDS.convert(StringUtils.toLong(nameFormat[1]), TimeUnit.MINUTES)); } } } } /** * 做联网操作,本方法运行在线程中 */ protected abstract Result doConnectNetwork(Params... params) throws Exception; /** * 做耗时操作 */ @Override protected final Result doInBackgroundSafely(Params... params) throws Exception { Result res = null; Long time = cacheMap.get(key); long lastTime = (time == null) ? 0 : time; // 获取缓存有效时间 long currentTime = System.currentTimeMillis(); // 获取当前时间 if (currentTime >= lastTime + expiredTime) { // 若缓存无效，联网下载 res = doConnectNetwork(params); if (res == null) res = getResultFromCache(); else saveCache(res); } else { // 缓存有效，使用缓存 res = getResultFromCache(); if (res == null) { // 若缓存数据意外丢失，重新下载 res = doConnectNetwork(params); saveCache(res); } } return res; } private Result getResultFromCache() { Result res = null; ObjectInputStream ois = null; try { ois = new ObjectInputStream(new FileInputStream( FileUtils.getSaveFile(cachePath, key))); res = (Result) ois.readObject(); } catch (Exception e) { e.printStackTrace(); } finally { FileUtils.closeIO(ois); } return res; } /** * 保存数据，并返回是否成功 */ private boolean saveResultToCache(Result res) { boolean saveSuccess = false; ObjectOutputStream oos = null; try { oos = new ObjectOutputStream(new FileOutputStream( FileUtils.getSaveFile(cachePath, key))); oos.writeObject(res); saveSuccess = true; } catch (Exception e) { e.printStackTrace(); } finally { FileUtils.closeIO(oos); } return saveSuccess; } /** * 清空缓存文件（异步） */ public void cleanCacheFiles() { cacheMap.clear(); File file = FileUtils.getSaveFolder(cachePath); final File[] fileList = file.listFiles(); if (fileList != null) { // 异步删除全部文件 TaskExecutor.start(new Runnable() { @Override public void run() { for (File f : fileList) { if (f.isFile()) { f.delete(); } } }// end run() }); }// end if } /** * 移除一个缓存 */ public void remove(String key) { // 对内是url的MD5 String realKey = CipherUtils.md5(key); for (Map.Entry<String, Long> entry : cacheMap.entrySet()) { if (entry.getKey().startsWith(realKey)) { cacheMap.remove(realKey); return; } } } /** * 如果缓存是有效的，就保存 * @param res 将要缓存的数据 */ private void saveCache(Result res) { if (res != null) { saveResultToCache(res); cacheMap.put(cacheName, System.currentTimeMillis()); } } } 来自：http://my.oschina.net/kymjs/blog/350565