从框架作者角度聊:React调度算法的迭代过程

Python涨薪研究所

共 6687字,需浏览 14分钟

 ·

2022-02-14 00:51


源 /         文/ 卡颂


先送大家一份福利:

《美团技术年货.pdf》(2019-2021)

在2022年春节到来之际,美团技术团队精选过去3年公众号50多篇技术文章以及 20多篇国际顶会论文,整理制作成一本厚达1200多页的电子书,作为新年礼物赠送给大家。 

这本电子书内容覆盖算法、前端、后端、数据、安全、测试等多个领域。

希望能对同学们的工作和学习有所帮助。

Code A Better Life


需要该PDF文档,可直接长按扫码添加好友,回复 「PDF」 获取:


(长按扫码识别)

React内部最难理解的地方就是「调度算法」,不仅抽象、复杂,还重构了一次。

可以说,只有React团队自己才能完全理解这套算法。

既然这样,那本文尝试从React团队成员的视角出发,来聊聊「调度算法」

什么是调度算法

React在v16之前面对的主要性能问题是:当组件树很庞大时,更新状态可能造成页面卡顿,根本原因在于:更新流程是「同步、不可中断的」

为了解决这个问题,React提出Fiber架构,意在「将更新流程变为异步、可中断的」

最终实现的交互流程如下:

  1. 不同交互产生不同优先级的更新(比如onClick回调中的更新优先级最高,useEffect回调中触发的更新优先级一般)

  2. 「调度算法」从众多更新中选出一个优先级作为本次render的优先级

  3. 以步骤2选择的优先级对组件树进行render

render过程中,如果又触发交互流程,步骤2又选出一个更高优先级,则之前的render中断,以新的优先级重新开始render

本文要聊的就是步骤2中的「调度算法」

expirationTime调度算法

「调度算法」需要解决的最基本的问题是:如何从众多更新中选择其中一个更新的优先级作为本次render的优先级?

最早的算法叫做expirationTime算法

具体来说,更新的优先级与「触发交互的当前时间」「优先级对应的延迟时间」相关:

// MAX_SIGNED_31_BIT_INT为最大31 bit Interger
update.expirationTime = MAX_SIGNED_31_BIT_INT - (currentTime + updatePriority);

例如,高优先级更新u1、低优先级更新u2的updatePriority分别为0、200,则

MAX_SIGNED_31_BIT_INT - (currentTime + 0) > MAX_SIGNED_31_BIT_INT - (currentTime + 200)

// 即
u1.expirationTime > u2.expirationTime;

代表u1优先级更高。

expirationTime算法的原理简单易懂:每次都选出所有更新中「优先级最高的」

如何表示“批次”

除此之外,还有个问题需要解决:如何表示「批次」

「批次」是什么?考虑如下例子:

// 定义状态num
const [num, updateNum] = useState(0);

// ...某些修改num的地方
// 修改的方式1
updateNum(3);
// 修改的方式2
updateNum(num => num + 1);

两种「修改状态的方式」都会创建更新,区别在于:

  • 第一种方式,不需考虑更新前的状态,直接将状态num修改为3

  • 第二种方式,需要基于「更新前的状态」计算新状态

由于第二种方式的存在,更新之间可能有连续性。

所以「调度算法」计算出一个优先级后,组件render时实际参与计算「当前状态的值」的是:

「计算出的优先级对应更新」 + 「与该优先级相关的其他优先级对应更新」

这些相互关联,有连续性的更新被称为一个「批次」batch)。

expirationTime算法计算「批次」的方式也简单粗暴:优先级大于某个值(priorityOfBatch)的更新都会划为同一批次。

const isUpdateIncludedInBatch = priorityOfUpdate >= priorityOfBatch;

expirationTime算法保证了render异步可中断、且永远是最高优先级的更新先被处理。

这一时期该特性被称为Async Mode

IO密集型场景

Async Mode可以解决以下问题:

  1. 组件树逻辑复杂导致更新时卡顿(因为组件render变为可中断

  2. 重要的交互更快响应(因为不同交互产生更新优先级不同)

这些问题统称为CPU密集型问题

在前端,还有一类问题也会影响体验,那就是「请求数据造成的等待」。这类问题被称为IO密集型问题

为了解决IO密集型问题的,React提出了Suspense。考虑如下代码:

const App = () => {
  const [count, setCount] = useState(0);
  
  useEffect(() => {
    const t = setInterval(() => {
      setCount(count => count + 1);
    }, 1000);
    return () => clearInterval(t);
  }, []);
  
  return (
    <>
      <Suspense fallback={<div>loading...</div>}>
        <Sub count={count} />
      </Suspense>
      <div>count is {count}</div>
    </>

  );
};

其中:

  • 每过一秒会触发一次更新,将状态count更新为count => count + 1

  • Sub中会发起异步请求,请求返回前,包裹SubSuspense会渲染fallback

假设请求三秒后返回,理想情况下,请求发起前后UI会依次显示为:

// Sub内请求发起前
<div class=“sub”>I am sub, count is 0</div>
<div>count is 0</
div>

// Sub内请求发起第1秒
<div>loading...</div>
<div>count is 1</div>

// Sub内请求发起第2秒
<div>loading...</div>
<div>count is 2</div>

// Sub内请求发起第3秒
<div>loading...</div>
<div>count is 3</div>

// Sub内请求成功后
<div class=“sub”>I am sub, request success, count is 4</div>
<div>count is 4</div>

从用户的视角观察,有两个任务在并发执行:

  1. 请求Sub的任务(观察第一个div的变化)

  2. 改变count的任务(观察第二个div的变化)

Suspense带来了「多任务并发执行」的直观感受。

因此,Async Mode(异步模式)也更名为Concurrent Mode(并发模式)。

一个无法解决的bug

那么Suspense对应更新的优先级是高还是低呢?

当请求成功后,合理的逻辑应该是「尽快展示成功后的UI」。所以Suspense对应更新应该是高优先级更新。那么,在示例中共有两类更新:

  1. Suspense对应的高优IO更新,简称u0
  2. 每秒产生的低优CPU更新,简称u1u2u3

expirationTime算法下:

// u0优先级远大于u1、u2、u3...
u0.expirationTime >> u1.expirationTime > u2.expirationTime > …

u0优先级最高,则u1及之后的更新都需要等待u0执行完毕后再进行。

u0需要等待「请求完毕」才能执行。所以,请求发起前后UI会依次显示为:

// Sub内请求发起前
<div class=“sub”>I am sub, count is 0</div>
<div>count is 0</
div>

// Sub内请求发起第1秒
<div>loading...</div>
<div>count is 0</div>

// Sub内请求发起第2秒
<div>loading...</div>
<div>count is 0</div>

// Sub内请求发起第3秒
<div>loading...</div>
<div>count is 0</div>

// Sub内请求成功后
<div class=“sub”>I am sub, request success, count is 4</div>
<div>count is 4</div>

从用户的视角观察,第二个div被卡住了3秒后突然变为4。

所以,只考虑CPU密集型场景的情况下,「高优更新先执行」的算法并无问题。

但考虑IO密集型场景的情况下,高优IO更新会阻塞低优CPU更新,这显然是不对的。

所以expirationTime算法并不能很好支持并发更新。

expirationTime算法在线Demo[1]

出现bug的原因

expirationTime算法最大的问题在于:expirationTime字段耦合了「优先级」「批次」这两个概念,限制了模型的表达能力。

这导致高优IO更新不会与低优CPU更新划为同一「批次」。那么低优CPU更新就必须等待高优IO更新处理完后再处理。

如果不同更新能根据实际情况灵活划分「批次」,就不会产生这个bug

重构迫在眉睫,并且重构的目标很明确:将「优先级」「批次」拆分到两个字段中。

Lane调度算法

新的调度算法被称为Lane,他是如何定义「优先级」「批次」呢?

对于优先级,一个lane就是一个32bit Interger,最高位为符号位,所以最多可以有31个位参与运算。

不同优先级对应不同lane,越低的位代表越高的优先级,比如:

// 对应SyncLane,为最高优先级
0b0000000000000000000000000000001
// 对应InputContinuousLane
0b0000000000000000000000000000100
// 对应DefaultLane
0b0000000000000000000000000010000
// 对应IdleLane
0b0100000000000000000000000000000
// 对应OffscreenLane,为最低优先级
0b1000000000000000000000000000000

「批次」则由lanes定义,一个lanes同样也是一个32bit Interger,代表「一到多个lane的集合」

可以用位运算很轻松的将多个lane划入同一个批次

// 要使用的批次
let lanesForBatch = 0;

const laneA = 0b0000000000000000000000001000000;
const laneB = 0b0000000000000000000000000000001;

// 将laneA纳入批次中
lanesForBatch |= laneA;
// 将laneB纳入批次中
lanesForBatch |= laneB;

上文提到的Suspensebug是由于expirationTime算法不能灵活划定批次导致的。

lanes就完全没有这种顾虑,任何想划定为同一「批次」优先级(lane)都能用位运算轻松搞定。

Lane算法在线Demo[2]

总结

「调度算法」要解决两个问题:

  1. 选取优先级

  2. 选取批次

expirationTime算法中使用的expirationTime字段耦合了这两个概念,导致不够灵活。

Lane算法的出现解决了以上问题。

参考资料

[1]

expirationTime算法在线Demo:https://codesandbox.io/s/usetransition-stop-reacting-passed-props-updates-forked-5e7lh

[2]

Lane算法在线Demo:https://codesandbox.io/s/usetransition-stop-reacting-passed-props-updates-zoqm2?file=/src/index.js





end





顶级程序员:topcoding

做最好的程序员社区:Java后端开发、Python、大数据、AI


一键三连「分享」、「点赞」和「在看」




浏览 30
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报