当前位置: 首页 > news >正文

React请求机制优化思路 | 京东云技术团队

说起数据加载的机制,有一个绕不开的话题就是前端性能,很多电商门户的首页其实都会做一些垂直的定制优化,比如让请求在页面最早加载,或者在前一个页面就进行预加载等等。随着react18的发布,请求机制这一块也是被不断谈起,并且在后续其实也给出了明确的方向。

假如我们页面中有三个组件C1、C2、C3依次嵌套,每个组件中有对应的请求F1、F2、F3,通常大多数人会使用useeffect和state变量来实现数据流的获取,这样就意味着必须在组件加载时才能发起请求,所有数据获取都发生在组件的生命周期中,如下图所示,我们可以将这种获取数据的方式称作瀑布流渲染,但是这种方式有一个问题是,在这种方法中,组件之间的数据获取是按顺序进行的,这实际上意味着它们彼此阻塞,如果组件的层级嵌套很深的话,就会导致页面的加载时间特别长。

render then fetch.png

为了阻止组件间数据获取的这种顺序阻塞,另一种方法就是在组件加载前可以使用Promise.all获取所有的请求数据,这样在组件加载时就已经获取到所有的数据了。这种方式解决了组件加载顺序阻塞彼此数据流获取的问题,但是也产生了一个新的问题,在请求完成之前页面都会是空白的。

先请求再渲染.png

基于第二种先请求后渲染的方式,还可以使用Suspense将请求和渲染并行化,Suspense 可以使得组件可以“等待”某些操作结束后,再进行渲染。而这种方式如果要用到实际项目中,还需要考虑C1、C2、C3对应的请求写在哪里,如果写在组件中,那么加载还是慢的。如果拆分出来,就需要考虑文件拆分、code splitting等工程化问题。

边请求边渲染.png

在认真的分析了以上三种方式以后,发现各有优劣,同时基于上述方案,我也提供一个请求优化的思路,首先将请求的JS单独拆分出来打一个文件request.js,在html头部引入request.js并使用async属性让脚本并行执行(如下代码所示),这样既可以保证我们的请求在最开始就能发出,也能不阻塞后续React代码打包的js文件的执行,相当请求和渲染的代码在并行执行。

// html头部引入request.js
<script async src="/js/request.js"></script>

在发送完请求之后,需要将返回的数据注入到React组件中,这部分怎么注入呢?简单的代码示例如下:

// request.js 中请求部分 evt是发布订阅模式的一个实例
window.InitData = {data: null,on: (msg, fn) => evt.on(msg, e => fn(e)),emit: (msg, data) => evt.emit(msg, data),
};fetch().then(rs => {InitData.data = rs;InitData.emit("init_data", rs);return rs;
});
// index.js react代码逻辑…….useEffect(() => {if (InitData.data !== null) {// 这里已经获取到了请求的返回值doSomething();} else {InitData.on("init_data", (data) => {			// 利用发布订阅模式获取到数据doSomething();});}
}, []);…….

总体思路就是在html中最先加载单独打包出来的请求文件并加入async属性使脚本并行执行,将返回的数据挂载到window下或者利用发布订阅模式将数据注入到react组件中。这样其实类似于边请求边渲染的模式,利用提前请求来减少加载的时间。后续也是希望能用工程化的方式去解决数据的请求机制。

未来的话在开发时肯定是更倾向于边请求边渲染的这种模式,在React的官网中也有说到未来计划让Suspense 处理更多的场景,包括获取数据等等,在新发布的React18中Suspense也是支持了服务端渲染,包括近期开源的remix也都在优化请求机制能够让应用更快的加载。也欢迎有兴趣的小伙伴一起来讨论和实践。

作者:京东零售 梁峰峰

来源:京东云开发者社区

http://www.lryc.cn/news/132995.html

相关文章:

  • CompletableFuture总结和实践
  • 使用Nginx调用网关,然后网关调用其他微服务
  • windows搭建WebDAV服务,并内网穿透公网访问【无公网IP】
  • PAT 1097 Deduplication on a Linked List
  • Flink 数据集成服务在小红书的降本增效实践
  • jellyfin使用ipv6+DDNS实现外网访问
  • Codeforces EDU 151 Div.2
  • V2board缓存投毒漏洞复现
  • 2023面试八股文 ——Java基础知识
  • 在linux系统中修改mysql数据目录
  • ORB-SLAM2学习笔记9之图像帧Frame
  • 面试热题(不同的二分搜索树)
  • MybatisPlus整合p6spy组件SQL分析
  • 项目实战 — 博客系统③ {功能实现}
  • 卷积神经网络全解:(AlexNet/VGG/ GoogLeNet/LeNet/ResNet/卷积/激活/池化/全连接)、现代卷积神经网络、经典卷积神经网络
  • WDM 模型(Windows Driver Model)简述
  • 【算法刷题之数组篇(1)】
  • 【数据挖掘】使用 Python 分析公共数据【01/10】
  • html怎么插入视频?视频如何插入页面
  • 游戏服务端性能测试
  • 【使用Zookeeper当作注册中心】自己定制负载均衡常见策略
  • 设计模式十七:迭代器模式(Iterator Pattern)
  • Python制作爱心并打包成手机端可执行文件
  • 使用docker-compose.yml快速搭建开发、部署环境(nginx、tomcat、mysql、jar包、各种程序)以及多容器通信和统一配置
  • 管理类联考——逻辑——真题篇——按知识分类——汇总篇——二、论证逻辑——支持加强——第三节——分类3——类比题干支持
  • 搜索旋转排序数组
  • Steam搬砖项目:最长久稳定的副业!
  • 最小化安装移动云大云操作系统--BCLinux-R8-U8-Server-x86_64-230802版
  • 神经网络基础-神经网络补充概念-05-导数
  • kubernetes — 安装Ingress