Оптимізація списків (RecyclerView/UITableView) — усунення ривків

Проблема оптимізації списків (RecyclerView/UITableView) — одна з найчастіших у мобільній розробці. UITableView смикається при швидкому скролі — і майже завжди причина не в повільному залізі, а в синхронному декодуванні JPEG на main thread у cellForRowAt. Prefetch спрацьовує занадто пізно, комірка вже запитана, і поки зображення декодується — кадр пропущено. На iPhone SE 2nd gen з його скромною пам'яттю це відтворюється стабільно там, де на Pro не помічається зовсім. Ми стикаємося з такою ситуацією на кожному другому проекті — і у нас є перевірені методи вирішення.

Чому списки гальмують навіть на флагманах?

Найчастіша історія на Android: RecyclerView з LinearLayoutManager і сотнями елементів, де в onBindViewHolder виконується Picasso.get().load(url).into(imageView) без явного placeholder та без скасування попереднього запиту через tag. При швидкому скролі запити накопичуються, старі не скасовуються, UI-потік періодично блокується колбеками. Перехід на Glide з RequestManager, прив'язаним до lifecycle та preload() в onScrollStateChanged, вирішує це без будь-яких змін у логіці. За нашими вимірами, це знижує час завантаження кадру на 40% на пристроях із середньою продуктивністю.

На iOS аналогічна ситуація: SDWebImage без SDWebImageAvoidAutoSetImage застосовує зображення на main thread одразу після завантаження, незалежно від того, чи видима комірка. Додаєш sd_setImageWithURL:placeholderImage:options:SDWebImageAvoidAutoSetImage і застосовуєш у completion тільки якщо indexPath == self.tableView.indexPathForCell(cell) — і смикання зникає.

Друга за частотою проблема — важкі обчислення висоти комірки. UITableView.automaticDimension зручний, але при складному layout з кількома UILabel запускає повний systemLayoutSizeFitting на кожну видиму комірку. Кеш висот через [IndexPath: CGFloat] і перерахунок тільки при зміні даних вирішує проблему. На Jetpack Compose LazyColumn без key {} не може коректно перевикористовувати composable при зміні даних — при submitList зі зміненими елементами перемальовуються всі видимі комірки замість змінених.

Що заважає досягти 60 fps?

Навіть на флагманах списки гальмують через відсутність prefetch. Наприклад, на iOS без реалізації UITableViewDataSourcePrefetching зображення починають завантажуватися тільки при появі комірки. Налаштування prefetchDataSource із завантаженням даних для наступних 3-5 екранів дає запас часу. Аналогічно на Android: встановлення setInitialPrefetchItemCount() для горизонтальних RecyclerView всередині вертикального усуває затримки скролу. Ми рекомендуємо збільшити cacheExtent у Flutter до 500 пікселів — це дозволяє підвантажувати контент за межами viewport.

Як DiffUtil прискорює оновлення списків?

DiffUtil обчислює різницю між двома списками у фоновому потоці та генерує мінімальний набір оновлень для RecyclerView. Це виключає зайві перемальовки: наприклад, при оновленні одного елемента зі 100 перемальовується тільки він, а не всі видимі. AsyncListDiffer робить це асинхронно, не блокуючи UI. На практиці використання DiffUtil зменшує час оновлення на 50% і робить скрол плавним.

Що робимо конкретно

Android RecyclerView:

• setHasFixedSize(true) якщо розмір RecyclerView не змінюється при оновленні даних
• setItemViewCacheSize(20) для збільшення offscreen кешу комірок
• RecycledViewPool.setMaxRecycledViews(type, count) при кількох RecyclerView з однаковим типом комірок — шарінг пулу
• AsyncListDiffer або ListAdapter з DiffUtil.ItemCallback — diff на фоновому потоці обов'язковий для будь-якого динамічного списку
• Prefetch через LinearLayoutManager.setInitialPrefetchItemCount() для nested horizontal списків

iOS UITableView / UICollectionView:

• prefetchDataSource — декодуємо та кешуємо дані до cellForRowAt
• estimatedRowHeight з реальним значенням (не 44 для комірок висотою 120) — неправильний estimatedRowHeight викликає стрибки при скролі
• prepareForReuse() — обов'язкове скасування всіх async-операцій: imageLoadTask?.cancel()
• Offscreen rendering комірок через UIGraphicsImageRenderer для статичного контенту (аватари, іконки з накладенням)

Flutter LazyColumn (ListView.builder):

• itemExtent — якщо всі елементи однієї висоти, вказання фіксованого itemExtent прибирає необхідність measure кожної комірки
• cacheExtent — збільшуємо до 500–1000 пікселів для preloading поза viewport
• AutomaticKeepAliveClientMixin — зберігаємо стан комірок при скролі назад

Як ми оптимізуємо вкладені списки? Кейс із практики

Горизонтальний RecyclerView всередині вертикального — поширений патерн для «Netflix-like» інтерфейсів. Типова помилка: кожен горизонтальний RecyclerView створює свій RecycledViewPool. При скролі вертикального списку горизонтальні ресайкляться разом із дочірніми елементами, і при поверненні комірки їх стан (позиція скролу) втрачається.

Із нашої практики: у клієнта з додатком-каталогом контенту були скарги на втрату позиції при скролі. Ми винесли RecycledViewPool на рівень активності та передали в кожен горизонтальний RecyclerView через setRecycledViewPool(). Зберігаємо LinearLayoutManager.onSaveInstanceState() у ViewModel за ключем позиції. Підсумок — плавний скрол і збереження позиції при прокручуванні вертикального списку.

Порівняння бібліотек для завантаження зображень

Що входить у роботу

Терміни та гарантія

Аудит та оптимізація одного проблемного списку — 2–4 дні. Системна робота з усіма списками в додатку — 1–2 тижні. Ми гарантуємо усунення смикання при скролі: якщо ефект залишається — доопрацьовуємо безкоштовно. Наш досвід — 50+ проектів з оптимізацією списків на iOS, Android та Flutter. Зв'яжіться з нами для аудиту — оцінимо ваш проект за 2 дні.

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.