当下游观察者使用Schedulers.io(),并且中执行的异步任务过多(比如往100份文件中写入),因为IO scheduler是一个无上限线程池,如果短时间并发量过大,上述情况就是开了100个线程里去执行操作,在手机端大概率可能出现OOM。
解决方案是另设固定大小线程池 ,参考:RxJava自带线程池监控和管理的探索之旅 - 掘金 ,线程池的线程总数设一个比较少的上限(比如2),避免开辟大量的线程。如果待执行任务超出总数就需要在队列中等待了。
1. 声明线程池:
private ExecutorService executor;
executor = Executors.newFixedThreadPool(2);
2. 下游观察者使用线程池:
private Observable<Integer> checkPathAndMakeTask(File jsonFile) {
return Observable.create(emitter ->
mRidingLogRepository.getCountByRidinglogPath(jsonFile.getAbsolutePath())
.subscribeOn(Schedulers.io())
.observeOn(Schedulers.from(executor)) //重点行
.subscribe(new SingleObserver<Integer>() {
@Override
public void onSubscribe(@NonNull Disposable d) {
}
@Override
public void onSuccess(@NonNull Integer integer) {
if (integer == 0) {
singleTransformTask(jsonFile, emitter);
} else {
emitter.onComplete();
}
}
@Override
public void onError(@NonNull Throwable e) {
emitter.onComplete();
}
}));
}
3. 使用完毕后释放关闭线程池
// all task obserables
Observable.mergeArray(list.toArray(new Observable[0])).subscribe(new Observer<Object>() {
@Override
public void onSubscribe(@NonNull Disposable d) {
Log.v(TAG, "onSubscribe");
}
@Override
public void onNext(@NonNull Object o) {
}
@Override
public void onError(@NonNull Throwable e) {
Log.v(TAG, e.getMessage());
isDataMigration.postValue(false);
}
@Override
public void onComplete() {
isDataMigration.postValue(false);
sharedPreferences.edit().putBoolean(SharedPreferenceStore.KEY_OLD_DDCD_DATA_CONVERTED, true).apply();
ridingLogStore.getAllLogAndJudge();
//使用完毕后释放
if (executor != null) {
executor.shutdownNow();
executor = null;
}
}
});
}
当使用 RxJava2 的 Schedulers.io() 进行大量并发任务时,可能导致OOM,因无上限线程池会开启过多线程。解决方法是定制固定大小的线程池,限制并发执行的任务数量,防止内存过度消耗。通过声明并使用自定义线程池,然后在完成任务后释放关闭,可以有效避免此类问题。

599

被折叠的 条评论
为什么被折叠?



