第4章 避免重复计算技巧：memoization 缓存、键值分片、条件触发、惰性求值

4.1 重复计算问题的根源

derivedStateOf 在每次状态读取时都会重新求值，即使底层状态未发生实质性变化。若计算逻辑包含高开销操作（大对象遍历、字符串拼接、数学运算等），频繁的无效求值会触发严重的帧率抖动。避免重复计算的核心思路是：仅在必要时刻计算，且只计算一次。

4.2 四种规避策略概览

策略	适用场景	核心思想	实现代价
memoization 缓存	纯函数计算结果可复用	以输入为键缓存输出	运行时内存 + 键比较
键值分片	输入为集合/列表，变化稀疏	将大键拆分为多个小键，按分片独立缓存	代码结构复杂度 ↑
条件触发	仅在特定标记变化时求值	用显式布尔标记控制求值开关	需手动维护标记
惰性求值	计算结果并非每次都需要	延迟求值直到首次读取	需额外状态管理

4.3 Memoization 缓存实现

将计算结果与输入参数建立映射，相同参数直接返回缓存结果。Compose 中推荐使用 remember + 自定义缓存容器，避免使用全局静态 HashMap（内存泄漏风险）。

// 自定义带缓存的 derivedStateOf
fun <T, R> rememberCacheDerivedState(
    key: T,
    compute: (T) -> R
): State<R> {
    val cache = remember { mutableMapOf<T, R>() }
    return derivedStateOf {
        cache.getOrPut(key) { compute(key) }
    }
}

调试要点：通过日志观察缓存命中率，避免缓存无限增长 — 建议使用 LRUCache 或限制缓存容量。

4.4 键值分片：降低缓存粒度

当输入是 Map 或 List 整体时，任何一项改变都会触发全局求值。将键按维度拆分为多个子键，每个子键独立计算。

// 原始：整个列表作为键
val allItems = listOf(...)
val totalPrice = remember(allItems) {
    allItems.sumOf { it.price * it.quantity }
}

// 分片后：为每个 item 维护独立 derivedStateOf
val itemStates = allItems.map { item ->
    derivedStateOf { item.price * item.quantity }
}
val totalPrice = derivedStateOf {
    itemStates.sumOf { it.value }
}

性能对比：分片后单个 item 变化仅重算该分片，总价聚合仅做加法。

4.5 条件触发：手动控制求次

对高频变化但无需立即更新的场景（如滚动位置、动画中间值），引入一个布尔标记 shouldCompute，仅在标记翻转时才执行高开销计算。

var shouldCompute by remember { mutableStateOf(false) }
var rawValue by remember { mutableStateOf(0f) }

// 只在标记为 true 时重新计算
val computed = derivedStateOf {
    if (shouldCompute) {
        heavyOperation(rawValue)
    } else {
        null
    }
}

// 在适当时机（如手指抬起）翻转标记
fun onGestureEnd() {
    shouldCompute = true
}

常见错误：忘记在标记翻转后将 shouldCompute 重置为 false，导致下次仍然计算。

4.6 惰性求值：推迟计算到读取点

利用 by lazy 或 mutableStateOf 的 get() 逻辑实现懒加载。组合 derivedStateOf 与惰性代理可以避免在状态写入时立即求值。

val lazyComputed: State<String> = remember {
    derivedStateOf {
        // 该 lambda 仅在首次读取时执行一次
        heavyComputation()
    }
}
// 如果从来不读取，则 heavyComputation 永远不会执行

适用场景：计算结果用于可选展示（如 Tooltip 内容、日志详情）。

4.7 四种策略的决策流程图

4.8 综合代码示例：组合使用两种策略

以下示例在商品列表中同时使用“键值分片”和“memoization 缓存”：每个商品的价格 × 数量计算独立缓存，商品列表变化时仅更新对应分片。

data class Item(val id: Int, val price: Double, val quantity: Int)

@Composable
fun ItemList(items: List<Item>) {
    // 每个 item 使用 memoization 缓存单商品计算
    val itemAmounts = remember(items.map { it.id }) {
        items.associateBy { it.id }.mapValues { (_, item) ->
            derivedStateOf { item.price * item.quantity }
        }
    }
    // 总价仅从各分片读取
    val total = derivedStateOf {
        itemAmounts.values.sumOf { it.value }
    }
    // UI 展示 ...
}

4.9 常见错误汇总

• 缓存键使用可变对象：data class 的 equals / hashCode 必须稳定，否则缓存永不命中。
• 忽略惰性求值的副作用：lazy 内部不应包含副作用（如写数据库），否则可能因首次访问时机不确定导致状态不一致。
• 条件触发下忘记解除标记：持续保持 true 导致每次状态都重复高开销计算。

4.10 性能验证手段

使用 Android Studio 的 Layout Inspector 查看重组次数，配合 derivedStateOf 内部插入日志可精确确认求值频率。建议在 CI 中集成 Baseline Profile 测试，确保优化后帧率提升 ≥15%。