Android第二次面试总结（项目拷打实战）

MVVM+Jetpack 组件落地

采用ViewModel+LiveData实现数据驱动开发，将 UI 逻辑与业务逻辑解耦，通过LiveData的生命周期感知能力避免内存泄漏。
使用WorkManager替代传统Service处理后台任务（如数据同步），结合Room数据库实现任务持久化，确保应用被杀后仍能恢复任务。

性能优化实战

集成Glide加载国风插画，结合自定义三级缓存策略（内存 LRU + 磁盘缓存 + 本地资源缓存），使图片加载速度提升 50%，内存占用降低 45%。
通过Profiler工具定位内存泄漏点，优化图片解码流程，解决国风高清大图导致的 OOM 问题。

面试官问：你在项目中遇到的最大挑战是什么？你是如何克服它们的？

答：在离线缓存系统中保证弱网环境下的数据一致性。

当用户在离线状态下进行数据操作（如收藏文章、标记进度），需暂存本地并在网络恢复后同步到服务器。但传统方案存在以下问题：

任务冲突：多个操作可能同时触发同步，导致数据覆盖或重复。
状态混乱：网络波动可能使部分请求成功、部分失败，本地与服务器状态不一致。
性能损耗：频繁的后台同步可能增加耗电和流量消耗。

解决思路与行动：

任务队列与优先级管理
- 使用 WorkManager 的 OneTimeWorkRequest 封装每个操作（如收藏、更新），并通过 WorkManager.getInstance().beginWith(workRequests) 按顺序执行，避免并行冲突。
- 对高优先级操作（如支付相关）设置 setExpedited()，确保即时处理。
事务性数据同步
- 在 Room 中定义 @Transaction 方法，将本地数据变更与同步状态标记合并为原子操作。例如：

Kotlin 复制代码

@Transaction
suspend fun syncUserCollections(collection: Collection) {
    // 1. 插入本地数据
    userDao.insertCollection(collection)
    // 2. 标记为待同步状态
    syncStateDao.updateState(collection.id, SyncState.PENDING)
}

2.同步任务执行时，先查询所有 SyncState.PENDING 的数据，批量上传后更新状态为 SYNCED。

网络恢复策略优化
- 智能重试 ：利用 WorkManager 的 setBackoffCriteria() 设置指数退避策略（如初始延迟 10 秒，最大延迟 30 分钟），避免短时间内重复重试。
- 增量同步 ：通过 Room 查询本地与服务器的 lastSyncTime，仅同步最新变更的数据，减少流量消耗。
冲突解决机制
- 服务器返回数据冲突时（如版本号不一致），本地任务捕获异常并进入 SyncState.CONFLICT，触发用户界面提示手动处理（如合并或覆盖）。

技术实现关键点：

WorkManager 任务链设计 ：通过 beginWith() 和 then() 组合任务，确保依赖顺序。
Room 事务与自定义注解 ：利用 @Transaction 保证数据操作的原子性，通过 @ColumnInfo 标记同步状态字段。
数据版本控制 ：在实体类中添加 version 字段，每次同步时校验版本号，避免脏数据。

结果：

数据一致性：通过上述策略，离线操作的同步成功率从 75% 提升至 98%
性能优化：批量同步使单次网络请求数据量减少 60%，后台耗电降低 25%。
用户体验：离线状态下的操作反馈即时性提升，用户留存率增加 15%。

LiveData 是生命周期感知的数据容器，通过 ViewModel 管理 UI 数据并在配置变更时保持状态，Room 作为 SQLite ORM 库实现数据持久化，结合 WorkManager 调度后台任务确保数据一致性，共同构建响应式、健壮的 Android 应用架构。

如果你不是专门学Android的下一篇为什么有这种百分比的数据的提升，就不需要在深入了。

感谢观看！！！