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3.0，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3.0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 {
// 假如大于并发上限，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。那么假如让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;
}
}
}
/**
* 假如缓存是有效的，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());
}
}
}