前言
diff算法不停是React体系最焦点的部分,而且由于演化自传统diff,使得比力方式从O(n^3)降级到O(n),然后又改成了链表方式,可谓是厘革万千。
传统Diff算法
传统diff算法必要循环比力两棵树,全部节点的循环,那么单纯比力次数就是O(n^2),n*n - <code >P L
- A A
- / \ / \
- / \ / \
- B D ====> D B
- / \
- C C
- </code>
复制代码刷刷刷,每次都必要循环遍历,于是有以下的查找过程: - <code >PA->LA
- PA->LB
- PA->LC
- PA->LD
- PB->LA
- ...</code>
复制代码除了查找过程消耗了O(n^2)之外,找到差别后还要计算最小转换方式,终极结果为O(n^3)。
以是,传统的diff算法的时间复杂度为O(n^3)。
假如React运用这种算法,那么节点过多,将会有大量的开销,固然CPU的秒速达到30亿次计算,但仍旧黑白常耗费性能的。
有没有什么方式可以降低时间复杂度呢?
于是,React15对传统的diff做了一些限制,使得时间复杂度变为了O(n)。
React 15的Diff算法
《深入React技术栈》这本书,给出了三种Diff策略分析,文字形貌太过抽象,直接表述如下:
Tree diff、Component diff、Element diff
Tree diff
什么是Tree diff?先上图:
首先,进行同级比力,并非循环比力。如许比力次数就降为一层一次,时间复杂度直接降为O(n)
假如同级雷同位置节点不一样,则直接删除更换,简单粗暴。
而对于节点移动,同样原理,也是简单粗暴的删除重修。如下图所示(图中第四步应该是删除左侧的整棵A树):
Component diff
不多说,先上图:
着实component diff相当于是子树的diff,根本方案和tree diff是同等的,假如如上图D变为G,那么直接删除D这一整棵树,然后重新渲染G树。
仍旧是简单粗暴。
Element diff
对于同一节点的元素,diff算法提供了三种操纵:插入、移动、删除。还是先上图:
此时的操纵,是B、D不做任何操纵,AC移动到相应位置【前提是都有雷同的key】
假如,此时的key不雷同,全都发生了厘革,那么节点全都是要删除重新构建,将会消耗大量性能。
React 16的Diff算法
React16相比React15的Diff算法发生了很大的厘革,其中最重要就是引入了Fiber循环任务调治算法。
Fiber
Fiber是什么?干了什么?
Fiber在diff阶段,做了如下的操纵:
1、可以随时将diff操纵进行任务拆分。
2、diff阶段的每个任务可以随时执行或者中止。
3、diff阶段任务调治优先级控制。
以是,Fiber相当于是,在15的diff算法阶段,做了优先级的任务调治控制,
以是,Fiber是根据一个fiber节点(VDOM节点)来拆分,以fiber node为一个任务单位,一 个组件实例都是一个任务单位。任务循环中,每处理完一个fiber node,可以制止/挂起/恢复。
它又是怎样可以或许进行如许的异步操纵的呢?这就不得不说一个方法:requestIdleCallback
欣赏器提供的requestIdleCallback API中的Cooperative Scheduling可以让欣赏器在空闲时间执行回调(开发者传入的方法),在回调参数中可以获取到当前帧(16ms)剩余的时间。使用这个信息可以公道的安排当前帧必要做的事变,假如时间足够,那继续做下一个任务,假如时间不敷就歇一歇,调用requestIdleCallback来获知主线程不忙的时候,再继续做任务 Fiber Node是什么?
链表!
将要处理的节点,存在链表结构,那么就可以或许做到节点复用。【这大概是Fiber的焦点吧】
大要上的Diff引入了Fiber之后,我们就增长了更多的链表复勤奋能,通过这一点,我们可以使得React Diff的性能得到提升。
总结
着实,这篇文章偏重讲的还是React15的diff,React 16的diff并未详细探究,接下来会出一篇文章,单独解说React 16的Diff策略。不外React 16Diff策略的焦点Fiber是不可错过的点。
参考资料
《深入React技术栈》
https://segmentfault.com/a/1190000016723305
https://www.jianshu.com/p/3ba0822018cf
https://www.jianshu.com/p/21a445066d51?from=timeline
https://www.zhihu.com/question/66851503/answer/246766239
https://blog.csdn.net/P6P7qsW6ua47A2Sb/article/details/82322033
https://blog.csdn.net/VhWfR2u02Q/article/details/100011830
我的博客:http://www.gaoyunjiao.fun/?p=170
来源:https://www.cnblogs.com/qixingduanyan/p/11725749.html |