惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

博客园 - 聂微东
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
月光博客
月光博客
博客园 - 三生石上(FineUI控件)
The Cloudflare Blog
博客园 - Franky
IT之家
IT之家
V
Visual Studio Blog
博客园 - 【当耐特】
阮一峰的网络日志
阮一峰的网络日志
V
V2EX
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
博客园 - 司徒正美
爱范儿
爱范儿
Hugging Face - Blog
Hugging Face - Blog
宝玉的分享
宝玉的分享
博客园 - 叶小钗
有赞技术团队
有赞技术团队
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
酷 壳 – CoolShell
酷 壳 – CoolShell
量子位
罗磊的独立博客
小众软件
小众软件
Jina AI
Jina AI

DEV Community

Authentication Security Deep Dive: From Brute Force to Salted Hashing (With Java Examples) Why AI Systems Don’t Fail — They Drift Spilling beans for how i learn for exam😁"Reinforcement Learning Cheat Sheet" I Replaced Chrome with Safari for AI Browser Automation. Here's What Broke (and What Finally Worked) How Python Borrows Other People's Work The $40 Architecture: Processing 1 Billion API Requests with 99.99% Uptime Vibe Coding: A Workflow Guide (From Zero to SaaS) Most webhook security guides protect the wrong side. The scary part is delivery. Headless CMS for TanStack Start: Build a Blog with Cosmic EU Age Verification App "Hacked in 2 Minutes" — What Actually Happened Comfy Cloud’s delete function does not actually remove files Running AI Models on GPU Cloud Servers: A Beginner Guide Event-driven media intelligence with AWS Step Functions and Bedrock I scored 500 AI prompts across 8 quality dimensions — here's what broke How to Call Google Gemini API from Next.js (Free Tier, No Backend Needed) The Portal Protocol: Reclaiming Human Connection in the Age of AI How to Fix Your Team's Scattered Knowledge Problem With a Self-Hosted Forum Intro to tc Cloud Functors: A Graph-First Mental Model for the Modern Cloud Designing Multi-Tenant Backends With Both Ownership and Team Access I Built a Neumorphic CSS Library with 77+ Components — Here's What I Learned PostgreSQL Performance Optimization: Why Connection Pooling Is Critical at Scale Cómo construí un SaaS multi-rubro para gestionar expensas en Argentina con FastAPI + Vue 3 🚀 I Built an Ethical Hacking Scanner Tool – Open Source Project I Replaced /usage and /context in Claude Code With a Single Statusline A Pythonic Way to Handle Emails (IMAP/SMTP) with Auto-Discovery and AI-Ready Design I Collected 8.9 Million Polymarket Price Points — Here's What I Found About How Markets Really Move EcoTrack AI — Carbon Footprint Tracker & Dashboard Everyone's Using AI. No One Agrees How. 5 self-hosted ebook managers worth trying in 2026 Building Your First AI Agent with LangChain: From Chatbot to Autonomous Assistant
[SC] Usando Instruments para encontrar cuellos de botella
GoyesDev · 2026-05-12 · via DEV Community

Comprensión durante la lectura

¿Por qué es fundamental medir el rendimiento antes de optimizarlo?

Solo se puede mejorar el desempeño de algo si se conoce el punto de partida. Por esto, "medir" es indispensable para poder determinar si hubo una mejora.

¿Cuáles son los tres problemas de rendimiento más comunes que menciona el artículo?

  • UI colgada: La UI deja de responder porque el hilo principal tiene mucho trabajo.
  • Mala paralelización: Una sola Task tiene mucho trabajo, en lugar de repartirlo entre varias Tasks que corran en paralelo.
  • Actor embudo: Las Tasks deben esperar a que un actor maneje cierto trabajo, resultando en puntos de suspensión y retrasos.

¿Qué diferencia hay entre ejecutar la app en modo debug vs. release al perfilar con Instruments?

En Debug, Xcode activa muchas ayudas para desarrollo que cambian el comportamiento y el rendimiento real de la app.

En Debug normalmente se tiene:

  • Optimizaciones del compilador desactivadas (-Onone)
  • Símbolos completos para debugging
  • Checks adicionales del runtime
  • Más validaciones de Swift/ARC
  • Más overhead del debugger (LLDB)
  • Variables conservadas para inspección
  • Código inline un poco menos frecuente
  • Menos eliminación de código muerto
  • Logging adicional.

En Release se tiene:

  • Optimizaciones agresivas (-O)
  • Inlining
  • Especialización de genéricos
  • Eliminación de código muerto
  • Menos metadata de debug
  • Menos overhead del rutine

¿Por qué el código inicial bloquea el hilo principal aunque compila sin advertencias?

Pese a que el código inicial tenía un Task, esta heredaba el contexto del tipo de dato contenedor, que era @MainActor, y esta invocaba a BadGradientWallpaperGenerator que era un struct que por defecto estaba aislada en MainActor.

Esto implicaba que todo se ejecutaba de forma serial en el hilo principal.

¿Qué rol juega @MainActor en el problema de rendimiento de BadGradientsGeneratorViewModel?

El hilo principal está bloqueado haciendo un trabajo pesado.

¿Por qué introducir un actor para la generación de wallpapers no resolvió completamente el problema de paralelización?

Aunque introducir el actor era una forma para forzar la ejecución del código fuera del hilo principal (es decir, en otro dominio de aislamiento diferente de MainActor), eventualmente se convirtió en un embudo porque todas las Tasks eventualmente tenían que pasar por el actor, quien las serializaba.

¿Qué hace nonisolated y por qué fue necesario aplicarlo a BadGradientWallpaperGenerator?

nonisolated le dice al compilador que BadGradientWallpaperGenerator no debía estar aislado en MainActor. En otras palabras: se debía ejecutar en un hilo de segundo plano.

¿Cuál es la diferencia práctica entre usar un TaskGroup y lanzar múltiples Task individuales en este caso?

Considerar las siguientes dos aproximaciones. La primera usa TaskGroup y la segunda, múltiples Task individuales:

Task {
  await withTaskGroup { group in
    for index in 0..<numberOfWallpapersToGenerate {
      group.addTask(name: "Wallpaper \(index)") {
        let wallpaper = await self.wallpapersGenerator.generate()
        return wallpaper
      }
    }

    for await wallpaper in group {
      wallpapers.insert(wallpaper, at: 0)

      if self.wallpapers.count == self.numberOfWallpapersToGenerate {
        self.isGenerating = false
      }
    }
  }
}

Enter fullscreen mode Exit fullscreen mode

Notar que en el caso anterior se usa un Task para iniciar la ejecución de un método asíncrono desde un contexto síncrono. Luego se tiene un TaskGroup que, en su interior, dispara la ejecución de varios await self.wallpapersGenerator.generate().

for index in 0..<numberOfWallpapersToGenerate {
  Task(name: "Wallpaper \(index)") {
    let wallpaper = await ConcurrentWallpaperGenerator.generate()

    self.wallpapers.insert(wallpaper, at: 0)

    if self.wallpapers.count == self.numberOfWallpapersToGenerate {
      self.isGenerating = false
    }
  }
}

Enter fullscreen mode Exit fullscreen mode

En este segundo escenario, se disparan varios Tasks, que ejecutan el código asíncrono await ConcurrentWallpaperGenerator.generate().

Tener en cuenta que:

  • Con TaskGroup se procesan los resultados en el orden que llegan (for await wallpaper in group), pero el scope del Task externo garantiza que todo el trabajo termine antes de salir del bloque. Con Tasks sueltos no hay garantía de orden, ni de que todos terminen.
  • Con Tasks independientes, si el objeto que los lanzó se elimina antes de que terminen, pueden quedar "huérfanos" ejecutándose sin contexto válido. El TaskGroup es concurrencia estructurada: su tiempo de vida está acotado al bloque.
  • Con TaskGroup la comprobación if self.wallpapers.count == self.numberOfWallpapersToGenerate es innecesaria porque el bloque for await termina naturalmente cuando todos los resultados fueron consumidos. Con Tasks sueltos esa es la única forma de saber cuándo terminaron todos, lo que es más frágil (condición de carrera si wallpapers no está protegido con un actor).
  • self.wallpapers.insert(wallpaper, at: 0) en Tasks independientes puede generar una condición de carrera si self no es un actor. Con TaskGroup dentro de un solo Task, el acceso sigue siendo secuencial dentro del for await, lo que lo hace más seguro.

¿Por qué se eliminó el actor WallpapersGenerator en la versión final y qué lo reemplazó?

El actor WallpapersGenerator se convirtió en un embudo y todas las Tasks que ejecutaban de forma paralela, terminaban atascadas en el actor que ejecutaba un llamado a la vez.

La versión final se apoyó en el uso de @concurrent, que hace que un método nonisolated NO HEREDE el dominio de aislamiento del método invocador, sino que lo fuerza para ejecutarse en segundo plano. Esto significa que al llamar método marcado con @concurrent desde el ViewModel que estaba aislado en MainActor, el trabajo igual se podía ejecutar en segundo plano.

struct ConcurrentWallpaperGenerator {
  @concurrent
  static func generate() async -> Wallpaper {
    let generator = BadGradientWallpaperGenerator(
      width: 640,
      height: 360,
      controlPointCount: 2,
      nearestPointsToSample: 1
    )

    let image = generator.generate()
    return Wallpaper(image: image)
  }
}

Enter fullscreen mode Exit fullscreen mode


Revisión y síntesis

¿En qué escenarios sería preferible mantener un actor en lugar de usar @concurrent?

¿Qué limitaciones tiene este enfoque de optimización si la app necesita cancelar todas las tareas en curso?

¿Por qué el artículo afirma que el código puede ser correcto en Swift 6 Strict Concurrency y aun así tener problemas graves de rendimiento?


Bibliografía