HarmonyOS 6学习：视频录制后处理性能优化——多线程与TaskPool实战

在视频录制类应用（如相机、视频会议）中，用户常遇到这样的体验痛点：点击“停止录制”后，界面长时间卡在“正在加载...”状态，无法立即预览或编辑视频。根据行业实践反馈，这通常是因为应用在主线程中同步处理视频数据（如编码、写入、生成封面），导致UI线程被阻塞。

本文将深入分析HarmonyOS 6中视频后处理的性能瓶颈，并基于TaskPool多线程任务池技术，提供一套从“串行阻塞”到“并行流畅”的完整优化方案。

问题诊断：为什么录制完会“卡”？

用户点击停止录制后，应用需要完成一系列耗时操作才能将视频数据持久化并更新UI。若设计不当，整个流程会像“单车道堵车”一样串行执行：

1. 视频编码与封包：将缓存的原始帧数据编码为H.264/H.265等格式，并写入MP4等容器。

2. 生成预览图：从视频流中提取关键帧，解码并生成封面图片（PixelMap）。

3. 写入媒体库：调用photoAccessHelper将视频文件写入系统相册，并更新媒体数据库。

4. UI状态更新：隐藏“加载中”提示，显示预览界面。

核心矛盾：上述步骤中，编码、解码、文件IO均为CPU/IO密集型任务。若全部放在主线程（UI线程）执行，会直接导致界面无法响应，表现为“假死”或长时间转圈。

核心武器：TaskPool 任务池

HarmonyOS 6提供了TaskPool（任务池）作为推荐的多线程并发方案。相比传统的Worker，TaskPool基于Actor模型，具备自动线程管理和负载均衡能力，更适合处理分散的独立任务。

优化实战：四步重构视频后处理流程

我们将以“录制完成后的视频保存与预览”场景为例，展示如何将单线程阻塞逻辑重构为多线程异步流程。

第一步：剥离耗时任务（并发函数）

将视频处理的核心逻辑（编码、写入）封装成独立的并发函数，并使用@concurrent装饰器标记。关键点：此函数必须放在独立的.ets文件中。

// video/VideoProcessTask.ets import { photoAccessHelper } from '@kit.MediaLibraryKit'; import { image } from '@kit.ImageKit'; // 1. 标记为并发函数 @concurrent export async function processVideoAndSave(rawFrames: ArrayBuffer, config: VideoConfig): Promise<string> { try { // 2. 视频编码与封包（模拟耗时） const encodedVideoData = await doEncodeVideo(rawFrames, config); // 3. 生成预览封面 const thumbnail = await generateThumbnail(encodedVideoData); // 4. 写入媒体库 const helper = photoAccessHelper.getPhotoAccessHelper(getContext()); const videoUri = await helper.createAsset(photoAccessHelper.PhotoType.VIDEO, 'mp4'); await writeFile(videoUri, encodedVideoData); // 5. 保存封面图（可选） if (thumbnail) { const imageUri = await helper.createAsset(photoAccessHelper.PhotoType.IMAGE, 'jpg'); await writeImage(imageUri, thumbnail); } return videoUri; // 返回文件URI } catch (err) { console.error(`视频处理失败: ${JSON.stringify(err)}`); throw err; } } // 具体的编码、生成缩略图实现... async function doEncodeVideo(frames: ArrayBuffer, config: VideoConfig): Promise<ArrayBuffer> { // 调用AVRecorder或Codec相关API进行编码 await new Promise(resolve => setTimeout(resolve, 100)); // 模拟耗时 return new ArrayBuffer(1024); }

第二步：主线程异步派发任务

在录制完成的回调中，使用TaskPool执行上述耗时任务，确保主线程立即释放。

// VideoRecorderPage.ets import { processVideoAndSave } from '../video/VideoProcessTask'; import { taskpool } from '@kit.TaskPoolKit'; @Entry @Component struct VideoRecorderPage { @State isProcessing: boolean = false; @State previewUri: string = ''; private videoData: ArrayBuffer | null = null; // 录制完成回调 async onRecordingStop(rawData: ArrayBuffer) { this.isProcessing = true; // 显示“处理中”状态 try { // 1. 使用TaskPool执行耗时任务，不阻塞UI const task = taskpool.execute(processVideoAndSave, rawData, this.getVideoConfig()); // 2. 等待任务完成（异步非阻塞） this.previewUri = await task; // 3. 更新UI（自动回到主线程） this.isProcessing = false; this.showPreview(); } catch (error) { console.error('处理失败', error); this.isProcessing = false; promptAction.showToast({ message: '视频处理失败，请重试' }); } } build() { Column() { if (this.isProcessing) { LoadingProgress() // 显示加载指示器 .width(40) .height(40) Text('视频处理中...') } else if (this.previewUri) { Video({ src: this.previewUri }) // 显示预览 } // ... 录制按钮等UI } } }

第三步：优化大文件与内存管理

对于长时间录制的视频，直接传递ArrayBuffer可能因数据量过大而影响性能。建议采用分块处理或文件流方式。

// 优化：传递文件路径而非内存数据 @concurrent export async function processVideoByPath(filePath: string): Promise<string> { // 通过fileIo逐块读取文件并处理，避免一次性加载到内存 }

第四步：支持取消操作

用户可能在处理中途取消保存，需利用TaskPool的取消机制。

// VideoRecorderPage.ets private currentTask: taskpool.Task | null = null; async onRecordingStop() { // ... 同上 this.currentTask = taskpool.execute(processVideoAndSave, ...); this.previewUri = await this.currentTask; } onCancel() { if (this.currentTask) { taskpool.cancel(this.currentTask); // 取消任务 this.isProcessing = false; } }

关键避坑指南

1. @concurrent 函数约束：被@concurrent装饰的函数不能直接访问主线程的this、状态变量（@State）或UI组件。所有数据必须通过参数传递，结果通过Promise返回。

2. 上下文获取：在并发函数内，getContext()获取的是任务线程的上下文。若需访问photoAccessHelper等系统服务，需确保在函数内部调用getContext()，而非使用主线程的上下文。

3. 内存泄漏：TaskPool会自动管理线程，但需注意大对象的传递。对于超大视频文件，优先使用文件路径作为参数，而非ArrayBuffer，避免内存复制开销。

4. 错误边界：并发函数内的异常不会自动冒泡到主线程。务必使用try/catch捕获异常，并通过Promise.reject()抛出，在主线程的await处捕获处理。

总结

通过引入TaskPool多线程机制，我们可以将视频录制后的“加载等待时间”从阻塞性耗时转化为后台异步任务。优化前后的对比如下：

最佳实践：对于视频编码、图像滤镜、大数据分析等CPU密集型任务，务必使用@concurrent+TaskPool将其剥离出主线程。这不仅是性能优化的关键，更是保证应用流畅体验和稳定性的基石。

©著作权归作者所有，如需转载，请注明出处，否则将追究法律责任。