React同构与极致的性能优化

1、 React同构与极致的性能优化架构文摘 微信号 ArchDigest功能介绍 每天一篇架构领域重磅好文，涉及一线互联网公司的互联网应用架构、大数据、机器学习等各个热门领域。前言随着React的兴起, 结合Node直出的性能优势和React的组件化，React同构已然成为趋势之一。享受技术福利的同时，直面技术挑战，在复杂场景下，挑战10倍以上极致的性能优化。什么是同构？一套代码既可以在服务端运行又可以在客户端运行，这就是同构应用。简而言之, 就是服务端直出和客户端渲染的组合, 能够充分结合两者的优势，并有效避免两者的不足。为什么同构？性能: 通过Node直出, 将传统的三次串行http请求简化

2、成一次http请求，降低首屏渲染时间SEO: 服务端渲染对搜索引擎的爬取有着天然的优势，虽然阿里电商体系对SEO需求并不强，但随着国际化的推进, 越来越多的国际业务加入阿里大家庭，很多的业务依赖Google等搜索引擎的流量导入，比如Lazada.兼容性: 部分展示类页面能够有效规避客户端兼容性问题，比如白屏。性能数据性能是一个综合性的问题, 不能简单地断言同构应用一定比非同构应用性能好，只能说合适的场景加上合理的运用，同构应用确实能带来一定的性能提升, 先来看一个线上的案例。通常来说，网络状况越差，同构的优势越明显，下图是在不同网络状况下首屏渲染时间的一组对比：线上案例近两年，无论是业界还是阿

3、里内部都涌现了大量同构实践, 业界比较有影响力的包括Facebook, Quora, Medium, Twitter, Airbnb, Walmart、手Q以及QQ兴趣部落等阿里内部也有大量的应用，仅列举部分beidou开发组做过技术支持的项目阿里云 - 大数据地产钉钉 - 企业主页钉钉 - 钉钉日志和审批模板市场菜鸟 - 物流大市场云零售 - 店掌柜Lazada - PDP国际事业部 - AGLAAILab - 行业解决方案AILab - 智能硬件平台AILab - AliGenie开放平台AILab - AR官网ICBU - ICBU店铺业务平台 - 门店评价国际UED - 数据运营国际U

4、ED - 知之国际UED - 探花国际UED - Nuke官网及过程管理国际UED - 会议记录，实时翻译国际UED - LBS数据地图国际UED - 数探国际UED - 微策国际UED - shuttle国际UED - fie portal.业界生态react-server: React服务端渲染框架next.js: 轻量级的同构框架beidou: 阿里自己的同构框架，基于eggjs, 定位是企业级同构框架除了开源框架，底层方面React16重构了SSR, react-router提供了更加友好的SSR支持等等, 从某种程度上来说，同构也是一种趋势，至少是方向之一。思考 与 实现同构的出发点

5、不是 “为了做同构，所以做了”, 而是回归业务，去解决业务场景中SEO、首屏性能、用户体验 等问题，驱动我们去寻找可用的解决方案。在这样的场景下，除了同构本身，我们还需要考虑的是：高性能的 Node Server可靠的 同构渲染服务可控的 运维成本可复用的 解决方案.简单归纳就是, 我们需要一个 企业级的同构渲染解决方案。我们是怎么做的？基于 eggjs 加入可拔插的同构能力beidou-plugin-react 作为原有MVC架构中, view 层的替换, 使用 React 组件作为视图层模板, 可以直接渲染 React Component 并输出给客户端beidou-plugin-webp

6、ack集成 Webpack 到框架中, 在开发阶段, 提供代码的编译和打包服务beidou-plugin-isomorphic服务端的 React 运行时: babel-register polyfill 注入: 环境变量, BOM等 非js文件解析: css, images, fonts.服务端支持css modules自动路由: 纯静态页面无需编写任何服务端代码，像写纯前端页面一样简单.这里不再赘述具体如何实现，有兴趣的读者可以阅读我们的开源同构框架beidou - /alibaba/beidou热点问题任何一种技术都有其适用场景和局限性, 同构也不例外，以下试举一二，以做抛砖引玉。内存泄

7、漏性能瓶颈.内存泄漏不是同构应用所特有的，理论上所有服务端应用都可能内存泄漏，但同构应用是“高危群体”, 具体如何解决请参考本人的Node应用内存泄漏分析方法论与实战（/alibaba/beidou/blob/master/packages/beidou-docs/articles/node-memory-leak.md），接下来重点剖析下性能优化。极致的性能优化前面也提到了，同构应用并不一定就比非同构应用性能好，影响性能的因素实在太多了，再来看一组数据：上图是基于Node v8.9.1 和 React15.5.4, 开4个进程采集到的数据, X轴是最终生成页面节点数量，Y轴红色的线表示RT(

8、包括渲染时间和网络时间), 绿色的柱子表示QPS. 可以看出来：随着页面节点的增多渲染时间可能变得很长，QPS下降非常迅速。在页面节点超过3000左右的时候，QPS接近个位数了，而且实际页面中可能包含较复杂的逻辑以及不友好的写法，情况可能会更糟。顺带提一下, 笔者采样了淘宝首页 和淘宝某详情页以及Lazada某详情页，页面节点数分别是2620、2467和3701. 大部分情况下，页面节点数低于1000， 比如菜鸟物流市场首页看起来内容不少，其实节点数是775。那针对3000节点以上的页面，我们该怎么做呢？笔者总结了以下策略并重点阐述其中一两点：采用编译后的React版本: 根据Sasha Ai

9、ckin的博客，React15在Node4、Node6、Node8下，采用编译后的版本性能相比未编译版本分别提升了2.36倍、3倍、3.85倍模块拆分: 模块拆分有利于并发渲染，目前ICBU店铺装修采用的就是这种方式模块级别缓存: 页面中某些模块其实是很适合缓存的，比如Lazada详情页中节点数虽然高达3701, 但其实页头部分就占比55.5%，页尾占比3.5%，而页头页尾是常年不变的.组件级缓存： 最小粒度的缓存单位了，性能提升依赖于缓存的范围和命中率，运用得当，可能带来非常大的性能提升。参考walmartlabs（/walmartlabs/reactjs-ssr-profiling-and

10、-caching-5d8e9e49240c）采用hsf代替http对外提供服务: hsf的网络消耗远低于http, 在店铺同构实践中，改用hsf, java端调用Node端的耗时缩短了一半。部分模块客户端渲染(对SEO无用的部分): 直接降低SSR部分的复杂度智能降级: 当流量暴增，接近或超过阈值时，会直接导致服务的RT快速上升。可以实时监测CPU和内存的使用率，超过一定的比例自动降级为客户端渲染，降低服务端压力，CPU和内存恢复常态时，自动切回服务端渲染。采用Node8: 同样在店铺实践中，采用Node8相比Node6, 渲染时间从28ms降低到了18ms, 提升幅度为36%.采用最新版Re

11、act16: facebook官方数据（/blog/2017/09/26/react-v16.0.html#better-server-side-rendering），在Node8下，React16相比编译后的react15仍有3.8倍提升，相比未编译的React15更是有数量级的提升。组件级缓存如果说性能优化有万能的招式，那一定是缓存, 从Nigix缓存到模块级缓存到组件级缓存，其中最让人兴奋的就是组件级缓存，让我们一起来看看如何实现。拦截React的渲染逻辑，业界主要有三种实现方式Fork一份React, 暴力加入缓存逻辑, 代表库是react-dom-stream, 虽然这个库的人气很高

12、，但笔者还是反对这种实现方式的。通过require hook拦截instantiateReactComponent的载入并注入缓存逻辑，参考react-ssr-optimization（/aickin/react-dom-stream）扩展ReactCompositeComponent的mountComponent方法，参考electrode-react-ssr-cachin（/electrode-io/electrode-react-ssr-caching/blob/master/lib/ssr-caching.js#L148-L161）注入缓存逻辑, 代码如下const ReactComp

13、ositeComponent = require(react/lib/ReactCompositeComponent);ReactCompositeComponent.Mixin._mountComponent = ReactCompositeComponent.Mixin.mountComponent;ReactCompositeComponent.Mixin.mountComponent = function(rootID, transaction, context) const hashKey = generateHashKey(this._currentEps); if (cacheS

14、torage.hasEntry(hashKey) / 命中缓存则直接返回缓存结果 return cacheStorage.getEntry(hashKey); else / 若未命中，则调用react的mountComponent渲染组件，并缓存结果 const html = this._mountComponent(rootID, transaction, context); cacheStorage.addEntry(hashKey, html); return html; ;设置最大缓存和缓存更新策略lruCacheSettings: max: 500, / The maximum si

15、ze of the cache maxAge: 1000 * 5 / The maximum age in milliseconds 上述缓存逻辑是基于属性的，能覆盖大部分的应用场景，但有一个要求，属性值必须可枚举且可选项很少. 请看下面的场景。淘宝某页面上有大量的商品，而淘宝的商品又何止百万，就算某个被缓存，下次被命中的可能性依然微乎其微。那如何解决这个问题？聪明的读者可能已经看出来了，虽然每个商品最终渲染的结果千变万化，但结构始终是一致的，因此结构是可以缓存的。要实现结构的缓存，需要在上述逻辑上额外新增三步。生成中间结构：以组件$price为例，将变量price以占位符$price代替se

16、t(price, $price), 再调用react原生的mountComponent方法则可以生成中间结构$price/div缓存中间结构生成最终组件以上就是组件级缓存的实现方式, 特别要提醒的是缓存是把双刃剑，运用不当可能会引发内存泄漏以及数据的不一致。React16 SSRFB在9.26发布了React16正式版，之前万众期待的SSR性能提升（/whats-new-with-server-side-rendering-in-react-16-9b0d78585d67）没有让大家失望, 引用React核心开发Sasha Aickin的对比图：笔者拿之前的应用升级到React16, 对比下3

17、909节点，RT从295ms降到了51ms, QPS从9提升到了44, 提升非常明显。实战接下来通过一个例子，展示如何一步步地提升性能。代码仓库（/alibaba/beidou/tree/master/examples/performance） - /alibaba/beidou/10倍以上性能提升首先构造一个非常复杂的页面, 页面节点数是3342, 对比之下，淘宝首页首屏的页面节点数是831, 异步充分加载之后(懒加载完成),整个页面节点数为3049. 注： 淘宝页面为动态页面，每次采样可能会有差异。初始平均渲染时间为295.75ms(Node6.92, React15.6.2), 注: 图

18、中有296.50ms,317.25ms,297.25ms,295.75ms四个平均值，是因为开启了四个进程，采样最后一个，下同。启用babel性能加速插件, 平均渲染时间为219.00ms采用Node8.9.1(或更新版本)平均渲染时间为207ms采用production模式平均渲染时间为81.75ms部分内容客户端渲染，平均渲染时间为44.63ms部分内容组件级别cache,平均渲染时间为22.65ms采用React16(或更新版本)，平均渲染时间为5.17ms结合React16和部分客户端渲染，平均渲染时间为2.68ms至此，服务端渲染时间已经最初的295.75ms降低到了2.68ms，提升了超过100倍。更多性能策略其实除了上述应用的策略，还有其它的策略，比如：采用Async, 有数据称性能提升30%, 笔者试了下，未见明显提升。应该是经过了babel的编译，最终没有发挥出Async的优势，这是因为beidou框架在服务端要支持import等ES6的写法以及支持React的JSX语法。其实也非常简单，直接缩小babel的编译范围，在beidou框架中是可以自己定义的。降低React组件的嵌套层级。试验数据，同样的页面节点数，服务端渲染