鸿蒙 Sendable 的共享边界(第五讲):引用传递省掉了拷贝,也省掉了“两个线程各改各的”的安全感
把一万条数据的数组传给 TaskPool 任务,主线程卡了 200 毫秒。卡顿的原因不是任务本身重,而是传参时做了深拷贝:普通 ArkTS 对象跨并发实例传递,默认走结构化克隆,数据量越大,主线程在拷贝上阻塞越久。@Sendable 解决的就是这个开销——被 @Sendable 装饰的对象在 UI 主线程、TaskPool、Worker 之间默认以引用方式传递,对象放在 SharedHeap 里,不整体拷贝。
但引用传递是一笔交换。你省掉了拷贝,同时失去了“每个线程拿到的是独立副本”这层隔离。两个线程同时读写同一个 Sendable 实例,就是数据竞争;Sendable 提供的是共享能力,不是线程安全,这两件事经常被混为一谈。
先看边界。把一个普通 Array<SendableItem> 传给 TaskPool,外层原生数组仍然会走结构化克隆,因为原生 Array 本身不是 Sendable 容器。大量数据要真正吃到引用传递的收益,应该用 collections.Array<SendableItem>。如果传递的是带方法的 class 实例、数据量超过 100KB,@Sendable 的引用传递才是在该场景下对的选择;如果只是传几个数字和字符串,结构化克隆的开销本来就不值得为此改动类型体系。
引用传递意味着两端看到的是同一份内存。主线程在 TaskPool 任务执行期间修改同一个 Sendable 对象的字段,任务线程读到的值可能在两次读取之间变掉。官方对 Sendable 的并发纪律说得很直接:同一 Sendable 实例不能多线程并发访问,多数“Sendable 数据错了”的根因就是这条被绕过了。
解决方式不是加锁保护所有访问,而是先把访问模式收窄成“单写者”或“只读共享”。高频写入的场景,把写集中在一个线程或一个明确的时序点上;需要多线程读、偶尔写的共享状态,用 ArkTSUtils.locks.AsyncLock 把临界区包起来,锁必须放在共享模块里,保证全局唯一。
typescript
// shared_state.ets —— 声明为共享模块,只能导出 Sendable 数据
'use shared';
import { ArkTSUtils } from '@kit.ArkTS';
@Sendable
export class MetricsState {
private count_: number = 0;
private lock_: ArkTSUtils.locks.AsyncLock = new ArkTSUtils.locks.AsyncLock();
async increment(): Promise<number> {
return this.lock_.lockAsync(() => {
this.count_ += 1;
return this.count_;
});
}
async read(): Promise<number> {
return this.lock_.lockAsync(() => this.count_);
}
}
lockAsync 的回调是异步的,持锁期间 await 不会把整个线程卡死,但临界区里只放最必要的读写,不要把网络请求或重计算塞进去。MetricsState 通过共享模块导出后,主线程和 TaskPool 拿到的是同一个实例的引用,AsyncLock 保护的是这个全局唯一的状态,而不是每个线程各自 new 出来的副本。
另一个常见的误判是“任务结束了,Sendable 对象的内存应该马上降”。TaskPool 执行结束后,对象在所有线程都不可达之前不具备回收条件,而且 SharedGC 本身有延迟;即使对象被回收,SharedHeap 的 committed 空间也可能继续由运行时保留。排查 @Sendable 是否泄漏,要看 SharedHeap 的 used 和 [SharedGC] 日志,而不是盯进程 RSS。如果反复执行任务、经过 SharedGC 之后 used 仍然持续增长,才需要怀疑存在长期持有。
Sendable 的适用面可以压缩成一句话:数据量大到拷贝成为瓶颈,且访问模式能收敛为单写者或受锁保护的共享读。两个条件缺一个,要么收益不够覆盖改造成本,要么共享本身带来的竞争风险超过了拷贝开销。跨线程传递的默认安全姿势仍然是结构化克隆——它慢,但它不共享;Sendable 是用共享换性能,换之前先把“谁写、谁读、什么时候写”这三件事定下来。
更多推荐


所有评论(0)