GUPImage库的队列管理

关注

原创最新推荐文章于 2026-06-29 09:08:00 发布 2.3k 阅读 AI 写同款· GEO 优化 ›

GPUImage3 整个框架理解昨天做完视频的旋转缩放平移正交投影后花了一天的时间简单的看了下GPUImage3的整个框架想看看能自己结合GUPImage3的思路想出一个套更加合理的多级渲染协议所以就简单的过了一遍GPUImage3的基础源码总结如下字写的不好看有读者的话就凑合一下吧只是自己做笔记当备忘录的下面是主要的几个类和协议 1. ImageSource public extension ImageSource { func addTarget(_ target:ImageCon 阅读详情

最近项目进度不是很紧张，开始研究GUPImage库的源码，发现GUPImage中的队列管理方式设计的很巧妙，值得学习和分享。
在GPUImageOutput.h这个文件，声明了5种不同类型的队列执行方法：

void runOnMainQueueWithoutDeadlocking(void (^block)(void));
void runSynchronouslyOnVideoProcessingQueue(void (^block)(void));
void runAsynchronouslyOnVideoProcessingQueue(void (^block)(void));
void runSynchronouslyOnContextQueue(GPUImageContext *context, void (^block)(void));
void runAsynchronouslyOnContextQueue(GPUImageContext *context, void (^block)(void));

从这些方法的名字我们就能知道：
方法1：主线程执行并且不死锁。
方法2：在VideoProcessQueue中同步执行。
方法3：在VideoProcessQueue中异步执行。
方法4：在指定的GPUImageContext实例的VideoProcessingQueue中同步执行。
方法5：在指定的GPUImageContext实例的VideoProcessingQueue中异步执行。

如果这么说，你还是觉得很晕的话，下面我贴出起实现文件，一定会茅塞顿开。

void runOnMainQueueWithoutDeadlocking(void (^block)(void))
{
    if ([NSThread isMainThread])
    {
        block();
    }
    else
    {
        dispatch_sync(dispatch_get_main_queue(), block);
    }
}

void runSynchronouslyOnVideoProcessingQueue(void (^block)(void))
{
    dispatch_queue_t videoProcessingQueue = [GPUImageContext sharedContextQueue];
#if !OS_OBJECT_USE_OBJC
#pragma clang diagnostic push
#pragma clang diagnostic ignored "-Wdeprecated-declarations"
    if (dispatch_get_current_queue() == videoProcessingQueue)
#pragma clang diagnostic pop
#else
    if (dispatch_get_specific([GPUImageContext contextKey]))
#endif
    {
        block();
    }else
    {
        dispatch_sync(videoProcessingQueue, block);
    }
}

void runAsynchronouslyOnVideoProcessingQueue(void (^block)(void))
{
    dispatch_queue_t videoProcessingQueue = [GPUImageContext sharedContextQueue];

#if !OS_OBJECT_USE_OBJC
#pragma clang diagnostic push
#pragma clang diagnostic ignored "-Wdeprecated-declarations"
    if (dispatch_get_current_queue() == videoProcessingQueue)
#pragma clang diagnostic pop
#else
    if (dispatch_get_specific([GPUImageContext contextKey]))
#endif
    {
        block();
    }else
    {
        dispatch_async(videoProcessingQueue, block);
    }
}

void runSynchronouslyOnContextQueue(GPUImageContext *context, void (^block)(void))
{
    dispatch_queue_t videoProcessingQueue = [context contextQueue];
#if !OS_OBJECT_USE_OBJC
#pragma clang diagnostic push
#pragma clang diagnostic ignored "-Wdeprecated-declarations"
    if (dispatch_get_current_queue() == videoProcessingQueue)
#pragma clang diagnostic pop
#else
        if (dispatch_get_specific([GPUImageContext contextKey]))
#endif
        {
            block();
        }else
        {
            dispatch_sync(videoProcessingQueue, block);
        }
}

void runAsynchronouslyOnContextQueue(GPUImageContext *context, void (^block)(void))
{
    dispatch_queue_t videoProcessingQueue = [context contextQueue];

#if !OS_OBJECT_USE_OBJC
#pragma clang diagnostic push
#pragma clang diagnostic ignored "-Wdeprecated-declarations"
    if (dispatch_get_current_queue() == videoProcessingQueue)
#pragma clang diagnostic pop
#else
        if (dispatch_get_specific([GPUImageContext contextKey]))
#endif
        {
            block();
        }else
        {
            dispatch_async(videoProcessingQueue, block);
        }
}

方法1：如果当前是运行在主线程，直接执行block。如果不是，则切换到主线程执行。
方法2：首先获取类的queue，然后同步执行。需要注意的是，类的queue是不能直接创建的，而是通过一个GPUImageContext的单例来维护的。很巧妙吧。
方法3：和方法2类似，只不过是异步执行的。
方法4：首先获取指定的GPUImageContext实例的queue，然后同步执行。
方法5：首先获取指定的GPUImageContext实例的queue，然后异步执行。

通过这些方法，就给GUPImage中的队列提供了一个统一的管理工具，减轻了队列管理的难度。

收录于