性能优化小册 - React 搜索优化：防抖、缓存、LRU

本文主要是介绍性能优化小册 - React 搜索优化：防抖、缓存、LRU，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

最近要对 react 项目做重构优化等相关的工作，由于有好长时间没碰 React 了，今天索性把一个基于关键字搜索的 demo 做一下简单优化，在此记录以下。

主要从三个方面进行优化处理：

• 1. 减少事件的触发频率 - 对关键字键入进行 debounce 处理
• 1. 减少 HTTP 请求 - 对重复的 HTTP 请求进行缓存拦截
• 1. 缓存淘汰策略 - 使用 LRU 优化缓存

减少事件的触发频率 - debounce

debounce 旨在时间段内控制事件只在最后一次操作触发。

debounce 原理：是维护一个计时器，在规定的 delay 时间后触发函数，在 delay 时间内再次触发的话，就会取消之前的计时器而重新设置。这样一来，只有最后一次操作能被触发。

下面是 react 中 debounce 优化的代码：

...
handler = e => {
  let val = e.target.value;
  if(val) { 
    this.search(val);
  }
  this.setState(() => ({
    value: e.target.value
  }))
}

debounce = (fn, delay) => {
  let timer = null;
  return function(event) {
    timer && clearTimeout(timer);
    event.persist && event.persist() // 保留引用，已备异步阶段访问
    timer = setTimeout(() => {
      fn.call(this, event)
    }, delay) 
  }
}

onChangeHandler = this.debounce(this.handler, 1000)
...
render() {
  return (
    <div>
      <input
        // 这里不能设置成 value
        defaulValue={this.state.value}
        onChange={e => this.onChangeHandler(e)}
        placeholder="试着输入一些文字"
      />
      <div>
        <Suspense fallback="Loading">
          {this.renderMovies}
        </Suspense>
      </div>
    </div>
  );
}

这里需要注意的是：如果想要异步访问合成事件对象 SyntheticEvent，需要调用 persist() 方法或者对事件对象进行深拷贝 const event = { ...event } 保留对事件的引用。

在 React 事件调用时，React 传递给事件处理程序是一个合成事件对象的实例 SyntheticEvent 是通过合并得到的。 这意味着在事件回调被调用后，SyntheticEvent 对象将被重用并且所有属性都将被取消。 这是出于性能原因，因此，您无法以异步方式访问该事件。React合成事件官方文档

event.persist()
// or
const event: SyntheticEvent = { ...event }

还有一个隐晦点的需要指出，我们知道如果想要使 input 为受控元素，正确的做法是：在给 input 绑定 value 时，需要同时绑定 onChange 事件来监听数据变化，否则就会报如下警告。

但是当你异步传递 SyntheticEvent 对象时，使用 value 属性进行绑定的 input，值不会再发生变化（但它仍是一个受控元素）。

...
event.persist()
timer = setTimeout(() => {
  fn.call(this, event) // 传递 event
}, delay) 
...
<input
  defaultValue={this.state.value}
  // value={this.state.value} 使用 value 属性，值不会发生变化
  onChange={e => this.onChangeHandler(e)}
/>

如下图：

减少 HTTP 请求

减少 HTTP 请求的手段之一就是将 HTTP 请求结果进行缓存，如果下次请求的 url 未发生变化，则直接从缓存中获取数据。

import axios from 'axios';
const caches = {}; 
const axiosRequester = () => {
  let cancel;
  return async url => {
    if(cancel) {
      cancel.cancel();
    }
    cancel = axios.CancelToken.source();
    try {
      if(caches[url]) { //如果请求的 url 之前已经提交过，就不在进行请求，返回之前请求回来的数据
        return caches[url];
      }
      const res = await axios.post(url, {
         cancelToken: cancel.token
      })
      const result = res.data.result;
      caches[url] = result;  //将 url作为 key, result 为请求回来的数据，存储起来
      return result;
    } catch(error) {
      if(axios.isCancel(error)) {
        console.log('Request canceled', error.message);
      } else {
        console.log(error.message);
      }
    }
  }
}

export const _search = axiosRequester();

在使用 axios 进行 HTTP 请求时，首先根据 url 判断数据是否已被缓存，如果命中则直接从缓存中拿数据。如果未被缓存，则发起 HTTP 请求，并将请求回来的结果以键值对的形式保存在 caches 对象中。

缓存淘汰策略 - LRU

由于缓存空间是有限的，所以不能无限制的进行数据存储，当存储容量达到一个阀值时，就会造成内存溢出，因此在进行数据缓存时，就要根据情况对缓存进行优化，清除一些可能不会再用到的数据。

这里我们用到 keepAlive 相同的缓存淘汰机制 - LRU。

LRU - 最近最少使用策略

• 以时间作为参考，如果数据最近被访问过，那么将来被访问的几率会更高，如果以一个数组去记录数据，当有一数据被访问时，该数据会被移动到数组的末尾，表明最近被使用过，当缓存溢出时，会删除数组的头部数据，即将最不频繁使用的数据移除。

实现 LRU 策略我们需要一个存储缓存对象 key 的数组：

const keys = [];

并且需要设置一个阀值，控制缓存栈最大的存储数量：

const MAXIMUN_CACHES = 20;

还需要一个用来删除数组 keys 成员项的工具函数 remove：

function remove(arr, item) {
  if (arr.length) {
    var index = arr.indexOf(item)
    if (index > -1) {
      return arr.splice(index, 1)
    }
  }
}

最后再实现一个 pruneCacheEntry 函数，用来删除最少访问的数据（第一项）：

// 传入 keys 数组的第一项
if (keys.length > parseInt(MAXIMUN_CACHES)) {
  pruneCacheEntry(caches, keys[0], keys);
}

...
// 删除最少访问的数据
function pruneCacheEntry ( caches, key, keys) {
  caches[key] = null; // 清空对应的数据
  delete caches[key]; // 删除缓存 key
  remove(keys, key);
}

最终「键入防抖」结合 LRU 缓存优化后的搜索功能就像这样：

同系列文章：

• 性能优化小册 - 异步堆栈追踪：为什么 await 胜过 Promise
• 性能优化小册 - 分类构建：利用好 webpack hash
• 性能优化小册 - 提高网页响应速度：优化你的 CDN 性能
• 性能优化小册 - 可编程式缓存：Service Workers
• 性能优化小册 - 让页面更早的渲染：使用 preload 提升资源加载优先级

这篇关于性能优化小册 - React 搜索优化：防抖、缓存、LRU的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！