写点什么

正确使用 Core Data 多线程的 3 种方式

  • 2015-11-30
  • 本文字数:1535 字

    阅读完需:约 5 分钟

#Pragma Conference 2015 会议上,Marcus Zarra,撰写过关于 Core Data Core Animation 的书,叙述了三种在多线程环境下使用 Core Data 的方法并且设法解决在 2015 年应如何使用 Core Data 的问题。实际上,Zarras 说道,当用一个拥有十一年历史的技术比如 Core Data 工作时,你所面临的问题之一是有大量的信息是可用的,不过查明哪一份信息依旧精确以及哪一份不精确并不是一件简单的事。

根据 Zarras 所言,当我们知道我们仍旧有空余的 CPU 时我们应该使用多线程,那样我们可以预先处理用户接下来要使用的数据。多线程另外一个很重要的用例是通过允许用户不必等待一个冗长的操作来完成,来改进一个 app 的灵敏程度,比如网络操作。多线程几乎从来不是解决性能问题的办法并且它是一种基础设计决策,而不是一个事后的想法。

最初的方法

最初的方法是在 iOS 6 推出之前唯一可用的方法。这个方法现在依然可以使用,尽管 Zarra 建议除了在某些极端情况以外不要使用它。它基于四个主要的原则:

  • 一个 _NSPersistentStoreCoordinator_(PSC) 处理所有磁盘之间的相互影响。
  • NSManagedObjectContext__s (MOCs) 与 PSC 对话并且不知道对方的任何情况。
  • 其中一个 MOCs 负责 UI 的更新并且在单一可信来源上起作用。
  • 一个 MOC 开始意识到另一个 MOC 的变化的唯一方法是通过 merging 合并处理一个 _NSNotification_。

这个设计有一些不足之处,比如需要写很多公式化的代码,线程规则不明确会导致不定时发生崩溃以及意外线程阻塞。随着推出了 iOS 8,这些问题改善了一些。并且多亏了一个 debug flag 调试标志,Yosemite 才能在它违反 Core Data 并发模型的时候让应用程序崩溃。

艰难的方法

Zarras 称之为艰难的方法的是一个依赖于用于多进程访问 SQLite 的方法。这就意味着我们可以拥有多个 PSC,让每个 MOC 都可以拥有自己的 PSC。这会对摆脱任何锁定问题起到很好的作用并且启用几乎所有异步访问——除非你没有写相同的表以及同时把两个 PSC 排成一行。

即使有了这个设计,只用一个 MOC 来把数据反馈到 UI 是可取的。这个方法会让用 PSC 来同步数据变得艰难,因为它们不知道对方的任何情况。此外,线程和可维护性也会被损害。这个方法有趣的一面在于,这就是 iCloud 如何运作的真实写照。

最好的方法

根据 Zarra 所言,最好的办法并不是速度最快的,但它是到目前为止最简单和最可持续的方法。它依靠苹果和 iOS 6 一起推出的 new APIs ,new APIs 允许定义子 MOC 并且详细描述一个 MOC 的并发类型。Zarra 呈现的这个设计是基于 _NSManagedDocument_ 如何运作和使用的:

  • 一个单独的持久性数据协调器。
  • 唯一能实际访问 PSC 的一个私有的 MOC。
  • 一个主要的 MOC 联合 UI,它是私有的 MOC 的子设备。
  • 多个子 MOC 具体到辅助线程。

这个设计的好处是子 MOC 所有的变化会自动传送到其主 MOC 上,因此消除了合并的需求。

这个设计的主要缺陷是它速度缓慢,尽管只是慢了百分之几,Zarra 说道。它有一个很棘手的问题就是如果进行太多的异步操作,有可能会在 UI 上起连锁反应,因为其相关的 MOC 会受到序列的多重变化,这可能与另一个并不相干。

这个设计一个很重要的细节就是最好不要重复使用很便宜就能创造的子 MOC。另一方面,能用很久的子 MOC 应该与主 MOC 手动保持同步,因为变化仅仅是从子 MOC 到主 MOC 而反之则不行。

Zarra 的最后评论是使用 _NSManagedDocument_ 会锁定 UI,所以你最好做好准备

查看英文原文: Three Ways to Get Core Data Multithreading Right


感谢张龙对本文的审校。

给InfoQ 中文站投稿或者参与内容翻译工作,请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博( @InfoQ @丁晓昀),微信(微信号: InfoQChina )关注我们,并与我们的编辑和其他读者朋友交流(欢迎加入 InfoQ 读者交流群(已满),InfoQ 读者交流群(#2))。

2015-11-30 18:003931
用户头像

发布了 218 篇内容, 共 75.9 次阅读, 收获喜欢 76 次。

关注

评论

发布
暂无评论
发现更多内容

人脸识别技术的挑战和未来发展

数据堂

强化学习从基础到进阶-常见问题和面试必知必答[8]:近端策略优化(proximal policy optimization,PPO)算法

汀丶人工智能

人工智能 深度学习 强化学习 6 月 优质更文活动 ppo算法

PoseiSwap IDO、IEO 结束,即将登录 BNB Chain

BlockChain先知

2023-06-28:你想要用小写字母组成一个目标字符串 target。 开始的时候,序列由 target.length 个 ‘?‘ 记号组成 而你有一个小写字母印章 stamp。 在每个回合,你可

福大大架构师每日一题

Go rust 算法、 福大大架构师每日一题

精选|Dubbo异步化实践

得物技术

如何在 NGINX 中安全地分发 SSL 私钥

NGINX开源社区

nginx ssl

升哲科技受邀出席第十四届夏季达沃斯论坛

SENSORO

“多云“和”私有化“,企业级刚需推动 DataBricks 和 MosaicML的13亿美金 AI 交易

B Impact

用友BIP全球司库十问之资金结算如何统一管理?

用友BIP

全球司库 资金管理

有奖问卷 | 2023 中国软件研发效能调查问卷即将截止

CODING DevOps

软件测试/测试开发丨Python内置库学习笔记

测试人

Python 程序员 软件测试 内置库

共识算法揭秘:理解分布式系统的关键

Steven

Zilliz Cloud 明星级功能详解|解锁多组织与角色管理功能,让你的权限管理更简单!

Zilliz

SaaS 非结构化数据 Zilliz AIGC zillizcloud

人脸识别技术的历史发展及未来趋势

数据堂

PoseiSwap IDO、IEO 结束,即将登录 BNB Chain

股市老人

Flutter卡片分享功能实现:将你的内容分享给世界

编程的平行世界

flutter android

当金融风控遇上人工智能,众安金融的实时特征平台实践

NebulaGraph

人工智能 风险控制 金融风控

数据湖系列之三 | 打造高性能云原生数据湖,层级 namespace 对象存储加速大数据计算

Baidu AICLOUD

数据湖 对象存储 层级namespace

C++实现工资管理中的随机教师信息生成功能

芯动大师

【AI 充电】KServe + Fluid 加速大模型推理

阿里巴巴云原生

阿里云 Kubernetes 云原生

AI 2.0来袭,AIGC如何重新定义招聘?

用友BIP

AI 招聘

浅显易懂传统开发与低代码开发的区别

互联网工科生

低代码 JNPF 传统开发

人脸识别技术的原理及其应用

数据堂

阿里云顺利通过云原生中间件成熟度评估

阿里巴巴云原生

阿里云 云原生 中间件 成熟度

国产替代,本质是价值替代

用友BIP

人脸识别技术的优缺点及实际应用

数据堂

亚马逊实践 | 构建可持续发展的架构模型

亚马逊云科技 (Amazon Web Services)

DevOps

正确使用Core Data多线程的3种方式_移动_Sergio De Simone_InfoQ精选文章