解读

面试官想确认两点：

1. 候选人是否真正踩过“SP 存大对象”的坑，而不仅仅背“轻量级存储”概念；
2. 能否给出国内真实业务场景下的量化数据与工程化解决方案，而不是泛泛而谈“用 MMKV/数据库”。
   回答时要围绕“一次 commit/apply 到底做了什么”展开，把主线程阻塞、GC、anr、电量、系统锁竞争讲透，再给出国内主流 App（日活千万级）验证过的优化路径。

知识点

1. 实现机制：SP 本质是 /data/data/<pkg>/shared_prefs/*.xml 的 DOM 树，全部驻内存（SharedPreferencesImpl.mMap），每次 commit/apply 全量序列化到磁盘，文件大小与内存占用 1:1。
2. 事务模型：commit 同步阻塞调用方，apply 异步但仍把全量 xml 写入队列，队列由单线程 QueuedWork.singleThreadExecutor 串行执行，阻塞后续 apply 与组件生命周期（Activity stop/Service stop）的 QueuedWork.waitToFinish()。
3. 性能拐点：国内低端机实测，xml 超过 100 KB 时第一次读入耗时 15-20 ms；超过 300 KB 时单次 apply 落盘 80-120 ms，连续 5 次触发“等待”逻辑即可造成 Input ANR（主线程 5 s 无响应）。
4. 稳定性：xml 采用 FileUtils.writeFileAtomically()，先写 .bak 再重命名，大文件场景下 fsync 耗时翻倍，极端情况下触发系统 WatchDog。
5. 国内加固与渠道：部分加固框架会 hook SharedPreferencesImpl.writeToFile()，导致全量写放大 1.3-1.5 倍；华为/小米后台省电策略对 fsync 限频，进一步放大卡顿。
6. 官方替代：Jetpack DataStore 基于 Kotlin Coroutines 与 Protobuf，增量写入，无 xml，但 API 仍在 1.0.x，国内大型 App 落地节奏慢；MMKV 基于 mmap，增量更新，微信 10 亿级验证，已写入腾讯开源镜像站，国内接入成本最低。

答案

“SharedPreferences 设计初衷是存少量标志位，当 value 累计到几十 KB 以上就会出现三类性能问题：

1. 主线程阻塞：commit 直接阻塞调用线程；apply 虽异步，但 Activity 生命周期会等待 QueuedWork 完成，xml 越大等待越久，低端机 300 KB 就能触发 ANR。
2. 内存与 GC：整个 xml 被加载到 ConcurrentHashMap，再序列化 StringBuilder 到字节数组，大对象直接进入 Old 区，频繁编辑造成 GC 抖动。
3. 电量与锁竞争：每次全量写盘伴随 fsync，文件越大耗时越久，后台监控显示连续写入 500 KB 可使 CPU 使用率瞬间升高 15%，在小米/华为限频机型上容易被系统标记为异常耗电。

国内一线 App 的优化套路分三步：
第一步，量化：在灰度环境埋点，统计所有 xml 文件大小及 apply 耗时，把 >100 KB 的文件列为“红色阈值”。
第二步，拆分与降级：

• 把缓存型大数据（如 JSON、路由表、埋点采样配置）迁移到 MMKV，读写耗时降低 90%，内存占用减少 70%；
• 把结构化业务数据（用户足迹、商品快照）迁移到 Room，利用 SQLite 的页缓存与 WAL 增量日志；
• 仅保留真正的“标志位”在 SP，如首次启动、隐私协议弹窗状态，单文件控制在 20 KB 以内。
  第三步，写入策略：
• 批量聚合后一次性 apply，避免循环写；
• 对即时性要求不高的 key，使用 LifecycleCoroutineScope 在进程空闲时延迟写入，减少与主线程生命周期冲突；
• 在应用启动时预加载常用 SP 到内存缓存，后续只读不写，彻底消除运行时 IO。

通过以上手段，我们现网将 SP 平均文件大小从 260 KB 降到 8 KB，ANR 率下降 38%，后台耗电评分提升 0.12 分（华为应用市场评分），验证了方案在国内主流机型上的有效性。”

拓展思考

1. 如果团队已全面 Kotlin 协程化，可继续追问“DataStore 与 MMKV 在一致性、跨进程、备份恢复上的差异”，考察是否读过源码。
2. 车载或 Wear 场景下闪存寿命敏感，需进一步追问“mmap 频繁增量写入是否会带来 flash 写放大，如何权衡缓存与寿命”。
3. 国内厂商后台清理策略各异，可延伸讨论“如何将 SP 迁移到云端配置 + 本地 LRU 缓存”实现可灰度、可回滚的用户体验。