SwiftUI异步搜索栏优化求助：模糊匹配仍致应用卡顿

问题根源 #

你用Task包裹了搜索逻辑，但fuzzyMatch里的过滤和Fuse匹配操作其实还是在主线程执行的——SwiftUI视图内创建的Task默认绑定到MainActor，异步函数如果没显式切换执行上下文，耗时计算会直接阻塞主线程，导致界面卡顿。

修复方案 #

1. 把耗时操作移到后台线程

修改fuzzyMatch函数，将模糊匹配逻辑放到后台队列执行，再通过await切回主线程返回结果：

func fuzzyMatch(items: [Item], searchText: String) async -> [Item] {
    return await withCheckedThrowingContinuation { continuation in
        DispatchQueue.global(qos: .userInitiated).async {
            let filteredItems = items.filter { item in
                // 检查任务是否取消，终止无效计算
                guard !Task.isCancelled else { return false }
                return (self.fuseSearch.search(searchText, in: item.name)?.score ?? 1) < 0.25
            }
            continuation.resume(returning: filteredItems)
        }
    }
}

2. 完善任务取消与结果更新逻辑

在onChange中取消旧任务后，新任务要确认未取消再更新UI，避免过期结果覆盖当前搜索：

.onChange(of: searchText) { newQuery in
    searchTask?.cancel()
    
    searchTask = Task {
        // 空查询直接返回全量数据，跳过计算
        guard !newQuery.isEmpty else {
            searchResults = modelData.items
            return
        }
        
        let results = await fuzzyMatch(items: modelData.items, searchText: newQuery)
        // 任务未取消时才更新搜索结果
        guard !Task.isCancelled else { return }
        searchResults = results
    }
}

3. 添加输入防抖（可选优化）

如果用户输入频率高，添加短延迟可以减少重复搜索请求，进一步降低性能消耗：

@State private var debounceTask: Task<(), Never>?

// 替换原onChange逻辑为防抖版本
.onChange(of: searchText) { newQuery in
    debounceTask?.cancel()
    searchTask?.cancel()
    
    debounceTask = Task {
        // 延迟0.3秒执行搜索，过滤连续输入的中间状态
        try? await Task.sleep(nanoseconds: 300_000_000)
        guard !Task.isCancelled else { return }
        
        searchTask = Task {
            guard !newQuery.isEmpty else {
                searchResults = modelData.items
                return
            }
            
            let results = await fuzzyMatch(items: modelData.items, searchText: newQuery)
            guard !Task.isCancelled else { return }
            searchResults = results
        }
    }
}

额外优化建议 #

• 若modelData.items数据量极大，可提前提取需要搜索的字段做缓存，减少每次搜索的计算开销。
• 调整Fuse的配置参数（如threshold），在搜索精度和性能之间找到平衡。

内容的提问来源于stack exchange，提问作者Milan