2024 年移动端技术探索
引子
2023 年号称 AI 元年，AI 带来了一些不是很清晰的机会，没有看到有多好的落地，对于互联网，不止技术层面没有突破，业务层面的需求也断崖式下滑，没有创新就没有需求，老业务的修修补补也带不来多少需求。以音视频行业为例，业界很有影响力的 LiveVideoStack 也停止了商务活动，音视频大会也不再开了。一切都在朝着萎缩的方向发展。裁员已经不是什么新闻，不是不裁了，是大家习惯了。
在移动端，甚至整个互联网还能折腾什么呢？大家早已不再以早轮子为乐了，因为现在缺的不是轮子，而是从头到尾的新车子。参加北京 QCon 的时候郭东白大佬讲了一个玩笑”一听到重构程序员就很兴奋，有饭吃了“，随着市场的饱和，重构也没有那么必要。
2024 马上就要过半了，本文试着总结大家前半年做的事情，探索出移动端目前还可以支持的点以及未来”比较“有前途的方向。
行业背景
这一章我们从大厂和行业大会两方面的信息分析 2024 年移动端的诉求点。
大厂
从各个企业对外输出的文章和分享，整理了下面几个公司的输出成果。
阿里、支付宝
阿里的输出主要以思维、方法论、推荐书籍、智联、实践为主。以一文带你揭秘淘宝终端技术 为例窥探阿里终端的思路。淘宝团队为了应对和解决技术挑战和难题，长期探索这几大技术方向：
原生技术，遵循 Platform First 理念，贴近原生系统、充分挖掘系统组件和特性，沉淀极致性能的渲染引擎/动态化引擎/原子能力集，同时与厂商深度合作，探索站内外用户触达多通道，用技术做用增；
底层技术，遵循 First Principle 理念，深入虚拟机/字节码/汇编指令等，探索稳定性/性能/包体的极致边界，深入系统底层机制与原理，必要时帮系统打补丁；
跨端技术，遵循 Cross Platform 理念，抹平多系统/平台差异，充分利用业界较为成熟的前端生态，沉淀自主可控的渲染引擎/图形引擎/脚本引擎，向业务提供符合 W3C 标准的前端友好的基础设施
工程技术，遵循 Productivity First 理念，支撑大规模多团队协作式研发，深挖工程组织/编译构建/虚拟机调度等技术，融合前端/客户端研发工作流，向业务提供高效稳定的工程体系；同时持续升级 Low Code 技术，赋能业务运营同学快速搭建页面上线，实现产品运营需求的想发就发；
网络技术，拥抱网络协议新标准，重点优化移动弱网场景，以更小带宽，实现更快的传输，面对复杂移动场景，提供弹性可伸缩的网络服务，平衡前后台的业务体验；
应用服务技术，遵循 API First 理念，解决接口大规模稳定快速投放，扩展丰富的请求模式/传输协议/压缩算法等，探索端云交互一体化新模式和端云研发新模式；
AI 技术，依托于大模型近来的突飞猛进，我们承担着进一步提升淘宝业务研发效率和体验的使命，包括多模态代码生成（一句话需求生成逻辑代码/一张视觉稿生成 UI 代码/基于一段真实代码生成单测代码）、问题诊断（线上 Crash 诊断/端到端问题自动定位/构建失败诊断/场景化性能诊断调优）、研发助理（领域知识答疑/最佳实践问答）等等。
总结下来就是原生、底层、工程、网络、应用服务以及 AI 技术。文章中还提到了这些方向的部分代表作：
原生动态化技术：基于 play core 的动态化方案，具备了 Replugin(360)和 Qigsaw(iQiyi)合并的优势，既支持插件化，又支持组件动态化；
原生研发框架 DX 4.0，以 Kotlin+Compose 为标准，声明式/响应式/状态管理/一码多屏为特性，基于原生系统 UIKit 构建原生渲染管线、基于 KMP 构建面向多平台的编译体系，支持原生组件和能力的快速定制和扩展；
自绘渲染引擎 Weex 2.0，自建符合 Web 标准的自绘渲染引擎，包含执行代码/节点构建/布局/绘制/合成/光栅化/上屏等完整渲染管线；建立字节码离线编译的工程体系，编译期可进行耗时更高更彻底的优化，并支持标准 ESM 模块、多文件拼接、动态执行脚本、模块搭建等能力；弹性可扩展的容器和插件能力，支持全页/浮层/卡片/小部件/Embed 等多种形态及插件；
流式 SSR 技术，业界率先尝试零运维流式 SSR 托管服务，简化流式 SSR 页面研发成本，相对业内中心化 SSR 渲染方案，引入了 CDN ER 的边缘能力，降低客户端渲染压力，并实现就近的渲染快照，实现极致的 FCP 时间；
LSM 对象存储技术，业界腾迅开源的 MMKV、mongodb 的子项目 realm 都是针对移动端的对象/键值存储方案，分别使用了 MVCC 等存储模型用于提升高并发场景的性能，但没有针对 Flash 存储(SSD/UFS/)特性的优化。sqlite 的 btree 模型对大对象键值存储的读写放大系数较高。我们针对 Flash 存储特性（块读写机制、垃圾回收机制等）实现的 LSM Tree，支持了内存压缩、冷热分区、碎片化抑制等特性，在读写放大系数和吞吐性能上有显著优势，大量应用在移动端上图片及小文件缓存等场景；
终端 APP 到全链路的观测与性能技术，立足 Android/iOS 原生特性提供 APP 维度的观测套件，以及各类 APP 高性能框架、组件，实现端性能持续优化与业务迭代；立足 OpenTelemetry 提供终端访问云上服务的全链路分布式技术规范与观测套件，实现终端 RPC、远程配置、消息、大文件上传/下载等高性能中间件，支撑业务链路优化与治理；
终端工程构建技术，以流水线为主要支撑，通过灵活的配置插件形成统一的构建流水线，我们沉淀了终端丰富的工程构建工具链，支持 iOS/Android/PC/IOT 等多终端的自定义，同时结合私有化部署能够完全开放定制整个工程构建生产链路；
高性能网络技术，在 IETF 国际标准组织，主导 Multipath-QUIC 协议标准化进程(作为协议第一作者)；有 4 篇网络领域顶级学术会议论文和期刊收录，包括网络学术 Top1 顶会 SIGCOMM 21 发表论文
<XLINK>/顶会 NSDI 收录<TECC>等；开源国内首个标准化协议库 XQUIC(git star 1.5K)/开源高性能云原生网关 Tengine（git star 12.2K）；网络领域专利授权超过 20 个以上。
阿里电商未来主要会通过先进的人机交互技术，如手势控制、面部识别、语音助手，以最自然的方式同设备进行交互，无需学习复杂的操作，为我们提供将更优雅的用户体验。
腾讯、微信
微信主要还是针对 C++跨平台，迭代了 WCDB 以及探讨了 C++模版代码膨胀问题，也还是老生常谈，下面是搜集到的几篇文章：
百度
百度主要分享了 iOS 包体积优化，里面介绍的很多手段大家也或多或少的有在使用了。
字节、抖音
字节抖音分享了 ANR 自动归因平台建设的实践：抖音 ANR 自动归因平台建设实践，ANR 采集完成后原因归类和移动端技术已经没有太大关系了，还是平台能力建设。
京东
京东基于自身研发的小程序框架对纯血鸿蒙做了适配：使用Taro开发鸿蒙原生应用——当Taro遇到纯血鸿蒙，是小程序跨端方案在鸿蒙的延伸。
滴滴
滴滴发布的400+页技术实践干货合集，助你开启新旅程，对质量和效能都有提及，但是对移动端已经没有只言片语。
美团
600+页电子书，前端、后端、算法、测试、运维系列大合集 中，移动端也是 R8 和热修复，以及平台能力建设。
小红书
小红书发布了一个跨 Android、iOS、鸿蒙的播放器，比较商业播放器和开源 ijk 没有看到特别明显的优势，不过也是今年看到为数不多的轮子。
行业大会
四月份去了一天 InfoQ 组织的 QCon 开发者大会，整理了一下大会的主题和分享内容：
看分享主题全部都是 AI，不愧是 AI 元年，哪个方向都和 AI 有关。重点看一下移动端方向：
自研 OS 时代的大终端
钉钉 Apple Vision Pro 创新之旅
突破开发与测试的技术栈壁垒——注入式方案在性能调优与自动化测试中的运用
Android 工程元数据配置系统：助力超大型工程研发效能
自研 OS 时代的大终端（HarmonyOS 专题）
高德地图的鸿蒙化经验——追求极致体验
闲鱼应用基于 Kun/Flutter 在鸿蒙 OS 上的移植实践
Taro 适配鸿蒙的框架原理和性能优化
小红书鸿蒙一多工程实践——基于鸿蒙一多特性打造多设备使用体验
大前端
MIX：饿了么小程序从端智能到智能体验的探索
Rust 如何引领前端基建新潮流以及字节跳动的应用
Kotlin Multiplatform 基于 Bazel 的逻辑层跨平台 (iOS、Android、Harmony) 实践
Web 前端技术在智能电动汽车行业的探索
Web 前端技术在智能电动汽车行业的探索
移动端主要是鸿蒙方向为主，还有一部分是提效相关的（跨段等手段），还有就是钉钉在 Version Pro 中的尝试这三个方向。
移动端主要方向分析
通过上面的分析我们把移动端分成下面几个方向讨论：
业务迭代
随着各个行业增长的停滞，业务需求真的没有那么多了，但是业务需求和功能维护还是移动端主要的需求方向，但是在这个方向上，其实没有什么技术门槛了，学历、履历、年龄开始成为 AI 的筛选目标（对，没错，现在 HR 已经开始用 AI 来筛选工具了，限制条件写好，简历往 kimi 一传，结果清晰调理），开始后悔没有考个好学校了。
鸿蒙
在现在看，鸿蒙的结果还是扑素迷离，但是不得不承认，鸿蒙带来了一些需求和岗位，所谓的技术创新特别依赖华为生态，对于开发者来说没有带来技术创新，对于企业来说是一种负担，不会带来增长，还得花钱去开发和维护。真正有一天生态足够开放，可以万物互联，对于开发者和消费者才是真正的福音。
系统应用/Framework/驱动开发
不管是鸿蒙的南向开发，还是车企间的互相较真，Framework 还有一些岗位，但是一直以来都很小众。
提效
越是环境不好的时候企业越是关注效能，对于移动端来说，跨端一直是个尝试方向，虽然 Flutter 前端时间在传谷歌 Flutter 团队被裁，但是市场上一些新 APP，特别是出海方向的，Flutter 也是主流选择。目前随着鸿蒙的加入，双端边三端，跨平台的收益更明显，鸿蒙的 ARK-X 还在萌芽的萌芽，难堪大用，Flutter 还是主流方式。
还有一些企业在搞多栈，就是一个人把前端后端的都搞了，这块我没有看到太明确的收益，对于开发者好，可以尝试一些其他方向技术，但是对于公司的收益，具体怎么提效，没有见有人说明白的，都说分工产生能效，现在打破分工对于企业来说可能也是一厢情愿的“提效”。
AI 编程助手在国际市场上，GitHub Copilot 成为一枝独秀，JetBrains AI、Codium 也紧追不放。开发者们获得了数倍的效率提升。而在国内市场，各大厂商也纷纷投入资源，大力推出自家的平替工具。比如： Baidu Comate、智谱 CodeGeeX、阿里通义灵码、腾讯云 AI 代码助手、华为 CodeArts Snap、讯飞 iFlyCode、商汤代码小浣熊，这些助手对于编程提效是实实在在的，企业如果抛开代码安全的考虑，工程师使用这些工具可以极大的提升开发效率。
XR
视觉方向，苹果推出的 Version Pro 震撼了好多人，在这个方向一直有人在搞，但是一直没有很成熟的产品，无法大众化的铺开，可能还是缺乏真正的技术。一些业务性质特殊的企业会投人在这个方向做一些尝试。
AI
AI 很火，但是和移动端都没有太大的关系，端侧部署的大模型，效果还是很差，无法找到落地场景，只能做一些大模型衍生的应用工具，在语音、图像等方向，算法的方向也都放到了大模型多模态方面，传统的图像识别等也很少在进行迭代。
在[[2023 移动端技术探索]]中分析的性能优化、架构设计、开发平台搭建、音视频方向目前都没有太大的潜力，性能优化在经过前几年的努力，现在一方面趋于稳定了，另一方面配套的工具已经搭建好了，当做常规需求消化即可；架构设计、平台搭建因为没有增长，所以也不在需要那么多轮子了；音视频方向也建设的七七八八，顶不住的直接采购也是不错的选择，所以这些方向没有单独讨论的必要了。
未来展望
市场行情很不乐观，现在不是去造几个轮子或者怎么造轮子的事情了，因为未来可能根本不需要轮子。汽车不是马车上安装了一台发动机，而是一种全新的体验。未来的 AI 可能是一种我们现在完全想不到的心态，终端也不是现在遮遮掩掩的开发生态，而是真正能万物互联的新体验。
我们应该潜行修炼，现在看技术已经没有那么重要，但是技多不压身，还是要好好修炼，一切重要性都存在想象中，而重要性又是在比较重显现。
版权声明: 本文为 InfoQ 作者【轻口味】的原创文章。
原文链接:【http://xie.infoq.cn/article/018986ea780ce3a32225de6d0】。文章转载请联系作者。
🏆2021年InfoQ写作平台-签约作者 🏆 2017-10-17 加入
Android、音视频、AI相关领域从业者。 欢迎加我微信wodekouwei拉您进InfoQ音视频沟通群 邮箱：qingkouwei@gmail.com
评论