ArkUI的AtomGit框架仓 · 测量分布台完整源码 · 鸿蒙 PC 开发者社区

前言

直方图上有一根柱子比旁边的高一格,起初未必是工艺有偏差。质检读数正好踩到区间边界时,统计代码选错一边,也会改变柱形。还有一种更难发现的错,已经点到 B 线,图里的计数却来自刚算完的 A 线。第一种要拿小样本手算,第二种得看设备实际处理两次点击的顺序。

我在鸿蒙 PC 上用 ArkUI 做了一个测量分布台。它可以用主线程和 TaskPool 对同一批数据分桶,用独立的时间线记录开始计数、切换样本、接收或丢弃结果。业务测量用的是合成数据,适合复现边界和线程调度。检查重点是算法是否算对、换页时是否还能接收点击、异步结果是否仍对应当前样本。

从 140 μm 开始检查

固定小样本有十六个读数。最左应包含八十和八十九,九十进入下一桶。右侧最后一桶有一百三十、一百三十九、一百四十。如果机械地用差值除以十再取整,一百四十会映射到第七个区间。这里先明确八十至一百四十均在范围内,再把合法范围内的索引限制在最后一个桶。七十九和一百四十一各记为一个范围外读数,另外一个 NaN 记为无效值。这样加回柱内外所有计数,可以和输入数量十六逐个对上。

图中的六块蓝柱紧邻,直接标计数和区间。无效、低于下界和高于上界的数字放在图下方。NIST 的直方图例子把测量值放在横轴,把频数放在纵向。这份页面沿用同一读法,又把异常值单列出来,避免过滤后的柱子总数看起来像原批次的总数。实际工程要先约定最后一个边界在图里如何表达。本例输入是整数微米,所以最后一桶比前面多包含一个合法整数点。若用于估计概率密度,还需要按所选分箱宽度与定义作转换。本次图上直接显示件数。 NIST 直方图示例

// Counts are [under, 80–89, 90–99, 100–109, 110–119, 120–129, 130–140, over, invalid].
@Concurrent
export function countMeasurements(sample: number, count: number): number[] {
  const reference: number[] = [79, 80, 89, 90, 99, 100, 109, 110, 119, 120, 129, 130, 139, 140,
    141, Number.NaN];
  const totals: number[] = [0, 0, 0, 0, 0, 0, 0, 0, 0];
  let state = 7327 + sample;
  for (let i = 0; i < count; i++) {
    let value = reference[i % reference.length];
    if (sample !== 0) {
      state = state * 48271 % 2147483647;
      value = 75 + (state % 32);
      state = state * 48271 % 2147483647;
      value += (state % 32) + (sample === 2 ? 9 : 0);
      if (i % 809 === 0) {
        value = Number.NaN;
      }
    }
    if (!Number.isFinite(value)) {
      totals[8]++;
    } else if (value < 80) {
      totals[0]++;
    } else if (value > 140) {
      totals[7]++;
    } else {
      totals[Math.min(Math.floor((value - 80) / 10), 5) + 1]++;
    }
  }
  return totals;
}

A 线和 B 线的数量均为一百五十万。生成路径从固定状态起步,模拟两条量测分布,在固定间隔替换一条读数为 NaN,方便测试无效项。应用每次数到一个值就累加对应项,因此没有在主线程先分配一百五十万个对象再交给后台。对照的输入条件是相同的样本编号、数量及生成算法。真实现场如果要接收已经载入的测量数组,应把拷贝或传输成本纳入计时。这里的数字只描述这个工程中从点击到写回结果的时间。

同一组点击,先看谁处理了切换

本轮新包在 MateBook 14 上先算 A 线主线程统计,再切到 B 线。日志中 A 线完成耗时 1052 ms,切换回调排在完成之后,pending 为 false。再把 A 线放到 TaskPool,仍接着点 B 线,这一次开始 286 ms 后已经处理切换,当时 pending 为 true;旧 A 线在 1042 ms 返回并被丢弃。两个记录要一起看,不能因为 TaskPool 也算了一秒左右,就判断页面同样只能等一秒。

这两个时间分别从开始计算计时,包含发出下一次点击前的间隔,不是从手指按下到屏幕变化的硬件响应时间。它们能支持的结论是:后台计算没结束时,页面已经执行了换样本回调。当前计时也不是多轮性能测试,不能直接推广为真实设备读取一百五十万条业务记录的吞吐,因为本例在计数函数里同时生成合成输入。

我接着在 B 线上发起新统计,结果为一百五十万条,其中高于上限 31,010,无效 1,855。A 线最后一个合法桶是 52,681,高于上限为零;B 线同一桶为 192,846。除了看上方按钮变成 B 线,还能利用这组不同计数核对图的归属。两条线总量相同,所以只看「统计总数」会漏掉旧数据盖回来的错误。

本轮操作或对照

MateBook 14 结果

核对意义

16 个边界读数,两种路径

都为 1,2,2,2,2,2,3,1,1

上下界、最后一桶与 NaN 可手算

A 线主线程

1052 ms,完成后处理切换

回调顺序与后台对照

A 线后台,途中切 B

286 ms 进入切换;1042 ms 丢弃 A

新样本不被旧结果覆盖

B 线后台完成

1046 ms,总数 1,500,000

高于上限 31,010,无效 1,855

A 线后台单独完成

1041 ms,九项与主线程逐项相同

迁移线程没有改变计数规则

已经回到 A,也不能收下第一次的 A

仅比较样本编号会漏掉一次往返。我补测 A 开始后台计数,先切 B,再回 A。第二次回到 A 时没有重新启动统计,旧 A 任务随后返回。日志显示 sample=1、active=1,却仍然执行 discard,耗时 1044 ms。因为这已经是另一次选择,当前请求号与最初的请求号不同,不能把那份旧统计自动填进来。图保持待计数状态,直到我再次点击 TaskPool,才生成新的 A 线结果。

启动时保存样本编号、请求号和开始时间,后台只接收两个数字参数并返回九项计数。页面不把组件对象或可变状态交给任务持有。切换样本及重新开始都会增加请求号;结果和错误回来时都先核对它,再决定是否更新画面。下面是 Index 组件中完整的选择、应用结果及发起任务方法,计数函数由前面的 @Concurrent 修饰。

private choose(sample: number): void {
    const pending = this.busy;
    const elapsed = pending ? Date.now() - this.pendingAt : -1;
    this.selection = sample;
    this.request++;
    this.busy = false;
    this.counts = [];
    this.message = pending ? '已切换样本,旧统计结束后将丢弃。' : '已切换样本,等待计数。';
    this.addHistory('切换 → ' + TITLES[sample] + (pending ? ' · 后台已运行 ' + elapsed + ' ms' : ''));
    hilog.info(0x0412, 'QualityHistogram',
      'select sample=%{public}d pending=%{public}s since_start_ms=%{public}d', sample, pending.toString(), elapsed);
  }

  private apply(request: number, sample: number, mode: string, start: number, counts: number[]): void {
    const ms = Date.now() - start;
    if (request !== this.request) {
      this.addHistory(TITLES[sample] + ' · 旧结果丢弃 ' + ms + ' ms');
      hilog.info(0x0412, 'QualityHistogram',
        'discard mode=%{public}s sample=%{public}d active=%{public}d elapsed_ms=%{public}d',
        mode, sample, this.selection, ms);
      return;
    }
    this.busy = false;
    this.counts = counts;
    this.message = mode + '完成 · ' + ms + ' ms';
    this.addHistory(TITLES[sample] + ' · ' + this.message);
    hilog.info(0x0412, 'QualityHistogram',
      'complete mode=%{public}s sample=%{public}d elapsed_ms=%{public}d counts=%{public}s',
      mode, sample, ms, counts.join(','));
  }

  private start(background: boolean): void {
    const sample = this.selection;
    const count = sample === 0 ? 16 : SAMPLE_SIZE;
    const ticket = ++this.request;
    const at = Date.now();
    const mode = background ? 'TaskPool' : '主线程';
    this.pendingAt = at;
    this.busy = true;
    this.counts = [];
    this.message = mode + '计数中';
    hilog.info(0x0412, 'QualityHistogram', 'start mode=%{public}s sample=%{public}d n=%{public}d', mode, sample, count);
    if (background) {
      taskpool.execute<[number, number], number[]>(countMeasurements, sample, count)
        .then((output: number[]) => this.apply(ticket, sample, mode, at, output))
        .catch((error: Error) => {
          if (ticket !== this.request) {
            return;
          }
          this.busy = false;
          this.message = '计数失败 · ' + error.message;
          hilog.error(0x0412, 'QualityHistogram', '%{public}s', error.message);
        });
    } else {
      this.apply(ticket, sample, mode, at, countMeasurements(sample, count));
    }
  }

丢弃只禁止旧结果更新柱图,旧计算本身仍会结束,诊断时间线也会记录它。在经常切换、任务更重的应用中,还应考虑合并请求或设计真正的取消路径,不能把请求号校验说成已经节省了后台计算。错误回调同样要检查请求号,否则旧样本的异常消息也可能污染新页面。

宽窗把柱图与记录并排,窄窗先显示图,再往下排时间线。本轮缩窄后重新运行十六个边界样本,最后一桶仍为三,低于范围、高于范围和无效各为一。这里用窄窗截图保留布局与重新计数结果,异步演示的重点仍是样本切换、旧请求丢弃及最终图表归属。

本轮模拟器已经启动,并安装本机生成的1.0.1调试包,重算16个边界读数确认总数16。下面早期双端视频的计时仍属于各自批次;上面的旧结果丢弃新GIF来自MateBook 14,不能拿两台设备的单次耗时直接作为线程性能比。

MateBook 14 真机分桶和切换样本。回放可见主线程完成后切换,以及后台处理途中切换、A 线旧结果被丢弃。重录平均 15.69 fps,业务段按不同解码画面计 16.61 fps,无音轨。

这段新录像先把16个边界读数分别交给主线程和TaskPool,图下总数都为16。接着在A线启动后台计数,立即切B线并提交新的计数。右侧同时留下A线旧结果丢弃和B线完成记录,柱图总数为1500000。判断是否切换成功,要看记录里的样本身份,不能仅凭柱图动过一次。

本次原片平均60.03 fps,GIF保留555帧、9.25秒,平均60.00 fps,无插帧、无额外复制补帧。画面静止时原片仍采集,不把这些静止帧解释为额外的统计事件。

MateBook Pro 模拟器分桶和切换样本。连续全屏截帧保留时间戳,平均 3.42 fps,业务段按不同解码画面计 3.27 fps,无音轨。

源码与安装包在鸿蒙电脑上对齐

本机工程是 ~/Documents/ugc-native-57/ArkUITaskpoolHistogram。用 MateBook 14 的 DevEco Studio 打开根目录,Index.ets 负责页面、请求号和状态回写,同目录 Histogram.ets 定义并发计数函数。两种按钮调用的是同一个函数,复现时应先核对这两个文件,而不是分别维护一份主线程算法和一份后台算法。AppScope/app.json5 设置 1.0.1,入口模块继续声明 2in1,构建目标为 HarmonyOS API 24。

cd ArkUITaskpoolHistogram
uname -m
ohpm install --all
hvigorw --mode module -p product=default -p module=entry@default -p buildMode=debug assembleHap --no-daemon
ls -l entry/build/default/outputs/default/*.hap

这些命令在工程根目录的本机 DevEco 终端执行。首次构建完成 34 项任务,耗时 9.421 秒,未签名 HAP 为 88,857 字节。随后用本机已授权账号在项目结构的签名配置为当前包名生成调试签名,再构建得到 120,256 字节签名包。第二次完成 33 项任务,用时 9.212 秒;这次耗时描述的是构建,不是界面里 TaskPool 的统计时间。

安装明确指定 MateBook 14,选择 entry/build/default/outputs/default/entry-default-signed.hap。包信息读回 1.0.1(1000001)后,启动 EntryAbility,等待页面就绪及三个样本入口出现。先用小样本核对桶数,再进行大样本切换。本轮业务 ArkTS、资源与 HAP 在鸿蒙电脑编译,没有借助另一台电脑提前生成应用包;验收到调试签名安装和业务操作,没有上传 AppGallery Connect。

环境和产物

本轮核对

鸿蒙电脑

HUAWEI MateBook 14,MNTXM-24B,aarch64

系统

HarmonyOS 7.0.0,7.0.0.115(SP11C00E103R12P2patch01),API 26.0.0

本机 IDE

DevEco Studio 26.0.0.220,ArkTS、ArkUI、Stage

编译目标

HarmonyOS API 24,2in1

包与版本

com.aasd23.ugchistogram,1.0.1(1000001)

本机 HAP

未签名 88,857 字节,签名 120,256 字节

模拟器范围

MateBook Pro 2in1;配置HarmonyOS6.1.1(API24),运行软件6.1.0.125(SP12DEVC00E47R1P3),API24,x86_64。已安装同一次本机构建的1.0.1调试包,本轮复核16个边界读数;后台竞争的新GIF来自真机。

FAQ

编译器为什么拒绝名为 width 的状态? 第一个版本把自定义组件的状态命名成 width,编译器给出 10505001,指出该属性和 CustomComponent 基类属性的类型不兼容。将状态变量改为 viewWidth 后编译通过。布局仍然读取 onAreaChange 的宽度,只是页面保存的数字不再与设置宽度的组件方法同名。

为什么两种跑法都在一秒左右? 两种路径调用同一段生成与计数逻辑。TaskPool 允许页面在后台计算时处理切换,单个任务的耗时还包含队列调度和跨线程返回。用本次少量计时可以核对事件顺序和结果一致性。若要比较吞吐,应分别测冷启动、预热后多轮以及并发请求的分位时间,并报告运行条件。

图里为什么有那么多无效值? 合成数据每八百零九条在固定位置替换一个值,包括从零开始的第一条。对一百五十万条样本,共有一千八百五十五次替换。这给了对照数据一个可以盘点的数字。实际测量还应按采集设备支持的状态区分超范围、缺失和解析失败,对异常样本保留原始记录。

总结

十六个读数解决了边界归属的问题,大批次把线程与界面切换的顺序放大到能实际观察。TaskPool 跑完后仍要校验请求归属,才能把 B 线的柱图交给正在看 B 线的人。以后要替换测量来源时,可以先保留固定边界样本和这组换页操作,确认新输入与新的调度路径也能通过同样的检查。

Logo

作为“人工智能6S店”的官方数字引擎,为AI开发者与企业提供一个覆盖软硬件全栈、一站式门户。

更多推荐