Multidex（二）之Dex预加载优化

一、前言

在Multidex（一）之源码解析中我们介绍到MultiDex极有可能出现ANR（Application No Response）的问题，秒秒钟卡死我们的应用，用户肯定忍不了要怒卸载啊！作为追（被）求（逼）完（无）美（耐）的程序员哥哥，我们怎能作壁上观？Google不做好的事情，我们就自己扛起来！那么如何对MultiDex这个方案做优化让它变成好同志呢？

本文就带你实战MultiDex的预加载优化。

二、分析

Multidex（一）之源码解析中分析过MultiDex第一次加载出现ANR的原因是因为提取Dex以及DexOpt这两个过程都是耗时的操作，而且他们还都发生在主进程。稍等：主进程，ANR，脑袋里好像闪现一道灵光，既然在主进程执行会产生ANR，那能不能换个进程执行呢？橘生淮南则为橘，生于淮北则为枳；换个进程说不定就有突破点。说干就干，凭借程序员机智的大脑，分毫之间，一个优化方案的雏形已经了然于胸：****App第一次启动时单独开一个额外优化的进程率先进行Dex提取以及DexOpt的操作，与此同时主进程在后台等待，优化的进程执行完毕之后通知主进程继续往下执行，主进程在执行MultiDex.install时发现已经是提前优化好了Dex，直接执行，非常快，毫秒级别，不会造成卡顿，愉快的往下继续执行。****

三、优化方案工作流程图

屏幕快照 2016-12-18 下午7.34.12.png

四、代码实战

在Application的attachBaseContext中执行优化方案；

@Override
protected void attachBaseContext(Context base) {
    super.attachBaseContext(base);
    //只有主进程以及SDK版本5.0以下才走。
    if (isMainProcess(Application.this) && Build.VERSION.SDK_INT < Build.VERSION_CODES.LOLLIPOP) {
        if (!dexOptDone(base)) {
            preLoadDex(base);
        }
        long startTime = System.currentTimeMillis();
        MultiDex.install(this);
        LogUtil.i(TAG,"MainProcessCostTime:"+(System.currentTimeMillis() - startTime));
    }
}

/**
 * 当前版本是否进行过DexOpt操作。
 * @param context
 * @return
 */
private boolean dexOptDone(Context context) {
    SharedPreferences sp = context.getSharedPreferences(
            DeviceUtil.getVersionName(context), MODE_MULTI_PROCESS);
    return sp.getBoolean("dexoptdone", false);
}

/**
 * 在单独进程中提前进行DexOpt的优化操作；主进程进入等待状态。
 *
 * @param base
 */
public void preLoadDex(Context base) {
    Intent intent = new Intent(Application.this, PreLoadDexActivity.class);
    intent.addFlags(Intent.FLAG_ACTIVITY_NEW_TASK);
    base.startActivity(intent);
    while (!dexOptDone(base)) {
        try {
            //主线程开始等待；直到优化进程完成了DexOpt操作。
            Thread.sleep(100);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
    }
}

然后在PreLoadDexActivity中执行优化的操作，完成后修改标示；

@Override
public void onCreate(Bundle savedInstanceState) {
    requestWindowFeature(Window.FEATURE_NO_TITLE);
    super.onCreate(savedInstanceState);
    overridePendingTransition(0, 0);//取消掉系统默认的动画。
    getWindow().setFlags(WindowManager.LayoutParams.FLAG_FULLSCREEN, WindowManager.LayoutParams.FLAG_FULLSCREEN);
    setContentView(R.layout.predexlayout);

    new Thread() {
        @Override
        public void run() {
            super.run();
            try {
                long time = System.currentTimeMillis();
                MultiDex.install(getApplication());
                LogUtil.i("lz", "PreLoadDexActivityCostTime:" + (System.currentTimeMillis() - time));
                SharedPreferences sp = getSharedPreferences(
                        DeviceUtil.getVersionName(PreLoadDexActivity.this), MODE_MULTI_PROCESS);
                sp.edit().putBoolean("dexoptdone", true).commit();
                killCurrentProcess();
            } catch (Exception e) {
                LogUtil.e("loadDex", e.getLocalizedMessage());
                killCurrentProcess();
            }
        }
    }.start();
}

在AndroidManifest中配置：

运行看一下效果

屏幕快照 2016-12-18 下午6.04.32.png

可以通过Log看到，在优化进程中Dex的提取以及Dexopt的操作耗时近4秒，而在主进程的第二次执行则耗时16毫秒，耗时发生在优化进程中的线程中，主进程实际执行MultiDex.install的时候耗时极其短暂；再也不会出现ANR的困扰了。

• 第一次打开App，会出现PreLoadDexActivity，略显突兀，可以再应用的闪屏页加上这段逻辑，根据标示判断究竟执行正常逻辑还是优化的逻辑。
• 关于SharedPreferences进程间不安全的问题：此处的使用只是单向的读写，因而不会有这个场景。

五、问题

1、为什么执行优化操作的时候判断只有在主进程以及SDK版本5.0以下才执行呢？
如果App是多进程架构的话，Application会执行多次，这个优化过程无需执行多次；而在SDK版本5.0及以上，默认使用ART虚拟机，与Dalvik的区别在于安装时已经将全部的Class.dex转换为了oat文件，优化过程在安装时已经完成；因此无需执行。

2、为什么主进程此时不会ANR？
回忆下ANR的发生场景：Service、BroadCastReceiver、ContentProvider的TimeOut；输入事件的TimeOut等。当出现ANR时，都会最终调用到AMS的appNotResponding()方法。
因为主进程此时已经进入后台，不响应Android屏幕事件。同时也不存在以上发生ANR的场景，因此主进程在后台Sleep，不会产生ANR。

3、在优化的进程中只是开启了一个线程提前做了MultiDex的工作，那为什么不直接在主进程中开启一个子线程做同样工作呢？
Good Question，不愧是善于思考的程序猿！在主进程中直接开启一个子线程确实是可以避免ANR的问题，但是有没有想到，此时主进程中调用到的类，可能会因为SecondaryDex的优化尚未完成或者没有被加入到ClassLoader中而导致画面太美不敢看的ClassNotFoundException。

那是不是就宣判了这个想法的死刑呢？No，No，No，程序猿就是为了解决挑战而生的，异步加载确实是个正常又合理的想法，那这个想法怎么落地呢？欢迎关注下一篇文章。


欢迎关注微信公众号：定期分享Java、Android干货！

欢迎关注