Compose性能优化与卡顿排查实战 - 第1节 - 可可精品资料库 [18c506e0]

⚡ Compose 渲染管线 基于 重组(Recomposition) + 三阶段流水线 (组合/布局/绘制)。理解性能模型是优化卡顿的基石。以下拆解核心机制。

🔁 1. 渲染管线 & 重组机制 Recomposition

重组(Recomposition) 当可观察状态 (State/MutableState) 改变时，Compose 重新执行受影响 @Composable 函数体。
智能跳过 如果输入参数未改变（稳定类型），Compose 跳过重组，减少不必要开销。
重组范围 最小化：仅重组读取了变化状态的代码块（lambda/内联），而非整个组件树。
⚠️ 常见卡顿 重组范围过大、不稳定参数导致频繁重组、在重组中执行高耗时计算。

📐 2. 布局与绘制三阶段 Layout · Drawing

阶段	主要工作	性能关键点	优化提示
① 组合 (Composition)	执行 Composable 函数，生成/更新 LayoutNode 树	重组频率、lambda 捕获、稳定性	使用 `remember` / `derivedStateOf` 缩小范围
② 布局 (Layout)	测量 (Measure) + 放置 (Place) 子节点	测量次数、固有特性测量、深层次树	避免多次测量；使用 `Modifier.layout` 自定义
③ 绘制 (Drawing)	Canvas 绘制、Shader、Clip、Path 等	过度绘制、复杂 Path、Bitmap 上传	减少重绘区域；使用 `drawWithCache`

💡 重组与三阶段的关系：

重组仅触发 组合阶段，但可能连带引起布局/绘制。Compose 使用跳过无效阶段优化：若组合结果未改变布局/绘制数据，则跳过后续阶段。

🧪 3. 代码示例 · 重组与性能实践

// 不稳定示例：每次重组都会执行大量计算
@Composable
fun HeavyComposable(counter: Int) {
    val result = remember(counter) {
        // 模拟耗时计算
        (0..1000).sumOf { it * counter }
    }
    Text("结果: $result")
}

// ✅ 稳定优化：使用 derivedStateOf 缩小重组
@Composable
fun OptimizedList(items: List<String>, query: String) {
    val filtered = remember(items, query) {
        derivedStateOf { items.filter { it.contains(query) } }
    }
    LazyColumn {
        items(filtered.value) { item -> Text(item) }
    }
}

类型分类	示例	稳定性	建议
原始类型	Int, Float, Boolean	稳定	直接使用
String	String	稳定	不可变，放心
数据类 (所有参数 var)	data class User(var name: String)	不稳定	使用 `@Stable` 或改为 val
List / Map	List<String>	不稳定	使用 `immutableList` 或 `remember`

📐 Compose 性能模型