Реалізація кешування зображень у мобільному додатку

Зображення — головна причина гальмувань у мобільних додатках. Ми не раз бачили, як скрол стрічки з аватарками смикається не тому, що пристрій слабкий, а тому що декодування JPEG відбувається на main thread у момент, коли комірка вже має відображатися. У мобільній розробці це часта проблема, і ми вирішуємо її за допомогою правильного багаторівневого кешу. Однак налаштування кешування зображень — нетривіальне завдання: навіть із популярними бібліотеками можна отримати промахи кешу, якщо не врахувати специфіку платформи та контенту.

Як працює багаторівневе кешування?

Багаторівневий кеш будується на двох рівнях: memory cache (L1) — швидкий, невеликий (20-30 МБ) та disk cache (L2) — повільніший, великий (200-500 МБ). Розміри підбираються виходячи з характеру контенту: у новинному додатку з великою кількістю унікальних зображень disk cache важливіший, у месенджері з аватарками — memory cache. Placeholder та error-state — окремо. Показувати пусте місце, поки завантажується картинка — гірше, ніж показувати скелетон. Error state має бути явним, але не ламати верстку.

Передзавантаження (prefetch) для списків: завантажувати наступні N зображень заздалегідь, поки користувач ще не доскролив до них. У RecyclerView — через RecyclerView.RecycledViewPool + DiffUtil. У UITableView — через prefetchDataSource (доступний з iOS 10).

Стандартні рішення та їхні підводні камені

Android: Glide та Coil — найпоширеніші бібліотеки. Glide при дефолтних налаштуваннях кешує у двох рівнях: memory cache (LruCache з розміром, похідним від доступної пам'яті) та disk cache (DiskLruCache). Coil написаний на Kotlin Coroutines і краще інтегрується з Compose через AsyncImage. Проблема виникає, коли розмір зображень у мережі не збігається з розміром ImageView: Glide за замовчуванням кешує вже трансформоване зображення (під конкретний розмір view), що призводить до промахів кешу при різних розмірах одного й того самого URL. Також часто зустрічається некоректна стратегія інвалідації: зображення оновлюються лише після перезапуску додатку, якщо не налаштований ETag або версію URL.

iOS: NSCache + ручна логіка або бібліотеки Kingfisher та SDWebImage. Kingfisher — де-факто стандарт для SwiftUI через .setImage(with:). Проблема, яку бачимо регулярно: кеш не враховує Cache-Control заголовки сервера, і застарілі зображення показуються користувачеві, поки TTL не закінчиться вручну. Крім того, дисковий кеш за замовчуванням зберігає зображення в директорії, яка може бути очищена при нестачі місця, що призводить до повторного завантаження.

React Native: react-native-fast-image поверх Glide/SDWebImage. Стандартний Image в RN не має нормального дискового кешу — картинки завантажуються заново при кожному монтуванні компонента, що помітно при навігації між екранами. Налаштування react-native-fast-image вимагає вказання розмірів та пріоритетів.

Flutter: Використовуйте пакет cached_network_image. Він надає CachedNetworkImageProvider з кешуванням на рівні пам'яті та диска, а також підтримку передзавантаження.

Чому важлива інвалідація кешу?

Без стратегії інвалідації користувачі бачать застарілі аватарки після зміни фото профілю. На практиці використовуємо два підходи: URL з версією (/avatar.jpg?v=42) та використання Cache-Control. Другий дозволяє скоротити трафік до 40%, оскільки сервер повертає 304 Not Modified, якщо контент не змінився. Також налаштовуємо Cache-Control з оптимальним max-age (наприклад, 86400 секунд для аватарок, 3600 для стрічки). Економія трафіку безпосередньо знижує витрати на передачу даних — для додатків із мільйоном користувачів це відчутно.

Що входить у роботу

При замовленні налаштування кешування зображень ми надаємо:

• Аналіз поточної архітектури та виявлення вузьких місць (аудит ~2 години)
• Вибір та налаштування бібліотеки з урахуванням вашої платформи (Android/iOS/React Native/Flutter)
• Реалізацію багаторівневого кешу (L1 + L2) з індивідуальними розмірами
• Налаштування prefetch для списків та інвалідацію через ETag/версію URL
• Документацію з експлуатації та рекомендації щодо подальшої підтримки
• Тестування під навантаженням (1000+ зображень) та виправлення помилок

Терміни — 2–4 робочих дні. Гарантуємо результат: кеш працюватиме коректно, без промахів та витоків пам'яті. Отримайте консультацію з налаштування кешу — ми оцінимо ваш проект і запропонуємо оптимальне рішення.

Процес роботи

1. Аналітика: визначаємо профіль контенту (розміри, кількість, частота оновлення).
2. Проектування: вибираємо бібліотеку, розміри кешу, стратегію інвалідації.
3. Реалізація: впроваджуємо кеш, налаштовуємо placeholder та error-state, додаємо prefetch.
4. Тестування: перевіряємо під навантаженням, відстежуємо пам'ять та дискове споживання.
5. Деплой: інтеграція в CI/CD, документування.

Порівняння бібліотек

Рекомендовані розміри кешу за типом контенту

Наш досвід — 5+ років у мобільній розробці, понад 50 проектів з кешуванням зображень. Підтверджені кейси: зниження трафіку на 30-40% та прискорення скролу в 2 рази. Правильно налаштований кеш скорочує витрати на хмарне сховище до 30%.

Якщо ви зіткнулися з гальмуваннями через зображення — зв'яжіться з нами, оцінимо ваш проект і запропонуємо рішення під ключ.

Оптимізація мобільних додатків: cold start, пам'ять, батарея, FPS, профілювання

Ми стикаємося з додатками, де cold start триває 4+ секунди — користувачі йдуть до конкурентів ще до першого екрану. Android Vitals у Google Play Console безпосередньо впливають на ранжування, Apple аналогічно моніторить crash rate та час запуску через MetricKit. Оптимізація — це не «зробити швидше», а знайти конкретне місце втрати часу та усунути його. Наш досвід 7+ років та понад 50 оптимізованих застосунків дозволяє гарантувати результат: зменшення часу запуску на 30–60% при помірному навантаженні на команду.

Чому cold start критичний для бізнесу?

Cold start — запуск додатку, коли процес не існує в пам'яті. На Android це час від натискання на іконку до Activity.onWindowFocusChanged(hasFocus = true). На iOS — від tap до viewDidAppear першого екрану. При cold start більше 2 секунд 60% користувачів закривають додаток — це прямі втрати конверсії. Наприклад, у фінансовому додатку, який ми оптимізували, cold start зменшився з 4.3 с до 1.2 с, що дало +15% до добової активності.

Як виміряти час холодного старту?

Інструмент для діагностики: Android Studio Profiler → App Startup. Показує граф ініціалізації з часом кожного компонента. Альтернатива — Tracing.beginSection("MyInitTag") в коді + systrace.

Рішення: App Startup Library (Jetpack) з явним графом залежностей ініціалізаторів. Компоненти, потрібні лише в конкретних сценаріях, ініціалізуються ліниво — by lazy {} або initializer з флагом lazyInit. Firebase Analytics, наприклад, не потрібен до першої дії користувача — його ініціалізацію можна відкласти.

ContentProvider-и, що автоматично додаються SDK через AndroidManifest merge, теж запускаються при старті. tools:node="remove" в маніфесті дозволяє вимкнути конкретний провайдер та ініціалізувати SDK вручну в потрібний момент.

Ще одна грабля: Room.databaseBuilder().build() на main thread. Це синхронна операція створення/відкриття файлу БД — на повільних пристроях займає 50–300 мс. Переносимо в coroutine з Dispatchers.IO, в ViewModel через viewModelScope.launch.

На iOS cold start ділиться на pre-main (до виклику main()) та post-main. Pre-main — час завантаження dylib, rebase/binding, Objective-C runtime initialization та виконання +load методів.

Xcode Instruments → App Launch template показує час pre-main та post-main окремо. DYLD_PRINT_STATISTICS=1 в схемі запуску виводить детальний час завантаження в консоль.

Що вбиває pre-main:

• Багато динамічних бібліотек (кожна dylib — накладні витрати на лінковку). CocoaPods додає окрему dylib на кожен pod. Рішення: Swift Package Manager зі статичною лінковкою (type: .static) або use_frameworks! :linkage => :static в CocoaPods — це зменшує pre-main час на 40% порівняно з динамічним лінкуванням.
• +load методи в Objective-C — виконуються синхронно при завантаженні класу, до main(). Сторонні SDK можуть зловживати цим. +initialize — лінивий аналог, викликається при першому зверненні до класу.

Post-main — application(_:didFinishLaunchingWithOptions:). Та ж історія що на Android: синхронна ініціалізація всього. lazy var для сервісів, які не потрібні негайно. SwiftUI @StateObject ініціалізує об'єкт тільки коли View з'являється — це вже вбудована лінивість.

Цільові метрики (App Store рекомендації): cold start < 400 мс для простих додатків, < 2 секунди для складних. Warm start (процес в пам'яті, але Activity/Scene перестворюється) — < 1 секунда.

Пам'ять: витоки, OOM, excessive pressure

Витік пам'яті в iOS — retention cycle: об'єкт A тримає посилання на B, B тримає на A, жоден не звільняється. Класика: Timer з self в замиканні без [weak self]. Timer утримує замикання, замикання утримує self (ViewController), ViewController не звільняється при закритті. Instruments → Leaks або Memory Graph Debugger в Xcode — знаходить живі об'єкти, яких не повинно бути.

Що робити при витоках пам'яті?

На Android garbage collector керує пам'яттю, але витоки все одно трапляються. Activity або Fragment, що утримуються через статичне посилання, singleton, або Handler/Runnable після onDestroy — класика. LeakCanary — обов'язковий інструмент в debug-збірці. Додається однією залежністю debugImplementation "com.squareup.leakcanary:leakcanary-android" та автоматично детектує витоки з повним стектрейсом.

OutOfMemoryError найчастіше виникає через завантаження зображень. Bitmap в пам'яті займає ширина × висота × 4 байти. Зображення 4000×3000 px — 48 МБ в пам'яті, незалежно від розміру файлу на диску. Glide / Coil правильно обробляють це: завантажують з даунсемплінгом під розмір View, кешують в LRU-кеш. Завантажувати в ImageView через BitmapFactory.decodeFile — шлях до OOM на пристроях з 2 ГБ RAM. Використання Glide замість прямого декодування зменшує споживання пам'яті в 4 рази.

На Flutter Dart VM має свій GC, але нативні ресурси (зображення, текстури) не керуються Dart GC. Image.network кешує зображення в пам'яті без автоматичного звільнення при виході з дерева віджетів — при довгих списках з картинками використовуємо cached_network_image з правильним memCacheWidth/memCacheHeight.

FPS та UI Performance

60 FPS — 16.67 мс на кадр. 120 FPS (ProMotion) — 8.33 мс. Все що займає більше на main thread — джанк.

Типові причини просадок FPS:

На iOS: синхронне декодування зображень в cellForRowAt. Коли комірка таблиці з'являється, UIImage(contentsOfFile:) декодує JPEG/PNG на main thread — видно як загальмований скролл на довгих списках. Рішення: UIImage.preparingForDisplay() (iOS 15+) або ImageIO з kCGImageSourceCreateThumbnailWithTransform в background queue, результат через DispatchQueue.main.async.

На Android: RecyclerView.Adapter.onBindViewHolder з синхронними операціями. Бази даних, файлова система, синхронні мережеві запити на main thread — StrictMode.ThreadPolicy з detectAll().penaltyLog() в debug-збірці покаже всі порушення.

На Flutter: build() метод викликається часто, він має бути дешевим. setState() на верхньому віджеті перезбирає все дерево. const конструктори, RepaintBoundary, розбиття на дрібні віджети з локальним стейтом — основні інструменти. Flutter DevTools → Performance показує janky frames (червоні) з причинами.

Профілювання Compose: Recomposition Highlighter та трасування через Trace.beginSection в @Composable. remember для дорогих обчислень, derivedStateOf для computed values, LazyColumn замість Column + forEach для довгих списків.

Батарея: Wake locks, WorkManager, мережеві запити

Додаток у топі по витраті батареї — користувач бачить це в налаштуваннях і видаляє. Android Battery Historian (з ADB bug report) показує детальний timeline: wake locks, wakeups, network activity, sensor usage.

Основні споживачі енергії:

• Постійний GPS (розбираємо в maps-geo)
• Polling мережі кожні N секунд за代push
• Утримання wake lock довше необхідного
• Excessive AlarmManager wakeups

WorkManager з Constraints — правильний спосіб планувати фонові задачі: setRequiredNetworkType, setRequiresBatteryNotLow, setRequiresCharging. ОС батчить задачі та виконує в зручний час.

На iOS BGTaskScheduler з BGProcessingTaskRequest (для важких задач при зарядці) та BGAppRefreshTaskRequest (для легких оновлень) — система вирішує коли виконувати, розробник тільки реєструє та реалізує логіку.

Батчинг мережевих запитів: замість 10 окремих запитів протягом хвилини — один батч запит. Менше радіо-активностей (LTE radio споживає багато при ініціалізації з'єднання), менше wakeups.

Інструменти профілювання

MetricKit на iOS — особливо цінний: реальні дані з пристроїв користувачів, а не симулятора. MXMetricManager отримує агреговані метрики раз на добу: MXAppLaunchMetric, MXHangDiagnostic, MXCPUExceptionDiagnostic. Діагностики по hang та CPU-exceptions містять стектрейс з реального пристрою — золото для діагностики production-проблем.

Типові проблеми та рішення

Процес оптимізації

Починаємо з вимірювання, не з припущень. Інструменти вище дають цифри: конкретний час cold start, конкретний об'єм пам'яті, конкретні кадри з просіданням. Потім — пріоритизація по impact: що найбільше впливає на користувацький досвід саме в цьому додатку.

Аудит продуктивності існуючого додатку: 3–5 робочих днів. Реалізація оптимізацій — від тижня до двох місяців залежно від запущеності проблем та архітектури коду.

Що входить в роботу

• Детальний аудит продуктивності з профілюванням на реальних пристроях
• Звіт з виявленими проблемами та рекомендаціями (PDF/Notion)
• Код-рев'ю вузьких місць з пропозиціями змін
• Реалізація оптимізацій (cold start, пам'ять, UI, батарея)
• Повторне тестування для підтвердження покращень
• Документація змін та рекомендації щодо подальшої підтримки

Ми оптимізували 50+ мобільних застосунків, серед яких фінансові та соціальні мережі з аудиторією понад 10 млн користувачів. Гарантуємо зменшення часу запуску на 30–60% та підвищення FPS до стабільних 60.

Зв'яжіться з нами для безкоштовної оцінки вашого проекту — пропишемо точний план та терміни. Замовте аудит продуктивності сьогодні та отримайте перші результати вже через 3 дні.