鴻蒙案例實踐：影像處理應用中多執行緒任務排程與效能最佳化

SameX發表於2024-10-26
鴻蒙執行緒

本文旨在深入探討華為鴻蒙HarmonyOS Next系統（截止目前API12）的技術細節，基於實際開發實踐進行總結。
主要作為技術分享與交流載體，難免錯漏，歡迎各位同仁提出寶貴意見和問題，以便共同進步。
本文為原創內容，任何形式的轉載必須註明出處及原作者。

1. 專案需求與目標分析

背景：
影像處理是一個典型的 CPU 密集型任務，尤其在高解析度影像或需要進行復雜計算（如影像濾波、變換等）時，影像處理的效能會顯著影響應用的響應速度。在這種情況下，透過多執行緒併發處理，可以有效地提升 CPU 利用率，從而最佳化系統效能。

需求：

  • 設計一個影像處理應用，需要對影像進行處理，包括顏色調整、影像濾波等。
  • 影像處理的任務應支援併發執行，以充分利用多核 CPU 的計算能力。
  • 需要確保多執行緒併發中的資料安全，防止出現競爭條件和資料不一致。
  • 支援不同任務的優先順序設定，並最佳化任務的排程策略。
  • 實時監控任務的執行情況，並針對效能瓶頸進行調優。

功能需求：

  • 併發處理影像資料。
  • 支援分片處理大影像。
  • 提供效能監控和調優工具。

2. TaskGroup 的使用與多工排程

TaskGroup 概述：
在 ArkTS 中，TaskGroup 是用於管理和排程多個任務的高階 API。透過 TaskGroup，我們可以將影像處理任務分片執行，每個任務在獨立執行緒中執行，任務組可以併發排程，提升影像處理的效率。

分片影像處理與任務排程示例

為了提升影像處理的效率，可以將影像資料分片，每個片段獨立處理。透過 TaskGroup，我們可以同時啟動多個任務對這些片段進行並行處理。

import { taskpool } from '@kit.ArkTS';

// 模擬影像處理函式，處理影像的一個分片
@Concurrent
function processImageSlice(slice: ArrayBuffer): ArrayBuffer {
  console.log('處理影像分片...');
  // 模擬影像處理操作（例如濾波、顏色調整）
  return slice;
}

// 使用 TaskGroup 管理多個影像分片任務
function processFullImage(image: ArrayBuffer): void {
  const sliceSize = image.byteLength / 3;
  const slice1 = image.slice(0, sliceSize);
  const slice2 = image.slice(sliceSize, sliceSize * 2);
  const slice3 = image.slice(sliceSize * 2);

  let group = new taskpool.TaskGroup();
  group.addTask(processImageSlice, slice1);
  group.addTask(processImageSlice, slice2);
  group.addTask(processImageSlice, slice3);

  // 執行任務組並處理結果
  taskpool.execute(group).then(results => {
    console.log('影像處理完成：', results);
  }).catch(error => {
    console.error('影像處理任務失敗:', error);
  });
}

在這個示例中，影像被分成了三部分，並透過 TaskGroup 併發處理。每個影像分片任務都在獨立的執行緒中執行，最終結果透過 Promise 方式返回。

3. CPU 密集型任務的效能最佳化

CPU 密集型任務的特點：
在影像處理等 CPU 密集型任務中，主要問題在於如何有效利用 CPU 資源，尤其是多核 CPU 的計算能力。透過多執行緒平行計算，可以將影像處理任務分散到多個核心上執行，從而提高計算效率。

最佳化策略：

  • 任務分片：透過將大影像分割為多個小片段，分別處理，能夠顯著減少處理時間。
  • 任務排程：透過 TaskPool 管理任務執行，避免在主執行緒執行耗時操作，從而提高應用響應速度。
  • 避免執行緒競爭：在處理過程中，如果多個執行緒共享同一資源，容易產生競爭和效能瓶頸。我們可以透過資料分片或非同步鎖來避免競爭條件。

CPU 密集型任務示例

@Concurrent
function intensiveImageProcessing(slice: ArrayBuffer): ArrayBuffer {
  // 進行復雜影像處理，如濾波、邊緣檢測等
  console.log('進行 CPU 密集型影像處理...');
  return slice;  // 返回處理後的影像分片
}

function optimizeImageProcessing(image: ArrayBuffer): void {
  const sliceSize = image.byteLength / 4;
  const slices = [
    image.slice(0, sliceSize),
    image.slice(sliceSize, sliceSize * 2),
    image.slice(sliceSize * 2, sliceSize * 3),
    image.slice(sliceSize * 3),
  ];

  slices.forEach(slice => {
    let task: taskpool.Task = new taskpool.Task(intensiveImageProcessing, slice);
    taskpool.execute(task).then(result => {
      console.log('分片處理完成:', result);
    }).catch(error => {
      console.error('分片處理失敗:', error);
    });
  });
}

4. 任務優先順序與任務分發策略

在多工排程中，任務優先順序的設定能夠影響系統的整體效能。優先順序較高的任務將被優先執行，確保關鍵任務能夠及時響應。對於影像處理應用來說，可以將關鍵處理步驟設定為高優先順序任務，其他非關鍵任務設定為低優先順序。

任務優先順序設定：
ArkTS 提供了任務優先順序設定，可以透過 taskpool.Priority 來指定任務的優先順序。

任務優先順序示例

function processImageWithPriority(image: ArrayBuffer): void {
  const slice = image.slice(0, image.byteLength / 2);

  // 設定高優先順序任務
  let highPriorityTask: taskpool.Task = new taskpool.Task(intensiveImageProcessing, slice);
  taskpool.execute(highPriorityTask, taskpool.Priority.HIGH).then(result => {
    console.log('高優先順序任務完成:', result);
  });

  // 設定低優先順序任務
  let lowPriorityTask: taskpool.Task = new taskpool.Task(intensiveImageProcessing, slice);
  taskpool.execute(lowPriorityTask, taskpool.Priority.LOW).then(result => {
    console.log('低優先順序任務完成:', result);
  });
}

透過優先順序設定，系統可以合理排程任務資源，確保關鍵任務的優先執行，從而最佳化使用者體驗。

5. 效能監控與調優

效能監控工具：
在影像處理的過程中，監控任務執行情況是最佳化效能的關鍵。我們可以透過日誌記錄任務的執行時間、結果，以及出現的問題，分析效能瓶頸並最佳化。

調優策略：

  • 分片大小調整：透過調整影像的分片大小，平衡任務粒度與系統負載。
  • 任務優先順序最佳化：合理設定任務的優先順序，確保系統資源的合理分配。
  • 多執行緒效能監控：記錄每個執行緒的處理時間，分析併發執行時的效能瓶頸。

效能監控示例

@Concurrent
async function timedProcess(slice: ArrayBuffer): Promise<ArrayBuffer> {
  const start = Date.now();
  const result = intensiveImageProcessing(slice);
  const duration = Date.now() - start;
  console.log(`任務執行耗時: ${duration} 毫秒`);
  return result;
}

function processImageWithMonitoring(image: ArrayBuffer): void {
  const sliceSize = image.byteLength / 4;
  const slices = [
    image.slice(0, sliceSize),
    image.slice(sliceSize, sliceSize * 2),
    image.slice(sliceSize * 2, sliceSize * 3),
    image.slice(sliceSize * 3),
  ];

  slices.forEach(slice => {
    let task: taskpool.Task = new taskpool.Task(timedProcess, slice);
    taskpool.execute(task).then(result => {
      console.log('分片處理完成:', result);
    }).catch(error => {
      console.error('處理失敗:', error);
    });
  });
}

6. 完整程式碼實現：影像處理應用

以下是結合多執行緒任務排程、優先順序設定和效能監控的影像處理應用的完整實現：

@Entry
@Component
struct ImageProcessor {
  @State resultLog: Array<string> = []

  build() {
    Column() {
      Button('開始影像處理')
        .onClick(() => {
          this.startImageProcessing();
        })

      // 顯示處理結果和日誌
      ForEach(this.resultLog, (log) => {
        Text(log)
      })
    }
  }

  startImageProcessing() {
    const image = this.createDummyImageData();  // 假設有方法生成虛擬影像資料
    processImageWithMonitoring(image);
  }

  createDummy

ImageData(): ArrayBuffer {
    return new ArrayBuffer(4096);  // 模擬 4KB 大小的影像資料
  }
}

7. 總結

至此，我們設計並實現了一個基於 ArkTS 的多執行緒影像處理應用，展示瞭如何透過 TaskGroup 來分片併發處理影像資料，以及如何透過設定任務優先順序來最佳化任務排程。透過效能監控，我們能夠分析每個任務的執行時間並找到效能瓶頸，從而進行針對性的最佳化。

這個案例展示了 ArkTS 強大的併發處理能力和效能調優工具，能夠幫助開發者在 CPU 密集型任務中有效利用多核 CPU 的計算能力，提升系統的整體效能。

相關文章