W procesie modernizacji Knockout dla wersji 4.0 (obecnie na żywo w Monorepo tko), miałem problemy z wydajnością.Optymalizacja nokautu/TKO - Alpha3
Wśród innych zmian niektóre elementy wewnętrznej pętli zostały przekonwertowane na klasy ES6 i powoduje to poważne problemy z wydajnością. Wolę nie cofać tego wysiłku, ponieważ dodaje trochę klarowności do jakiegoś kodu kluczowego, dlatego chciałbym poprosić o kilka informacji na temat poprawy kodu ES6.
Wcześniej skonfigurować kilka prostych próbek do profilowania tutaj:
Knockout Alpha2 - 349ms
Knockout Alpha3 (prerelease) - 622ms
Kod w jsFiddles jest w następujący sposób, a to prototypowy stanowi to spowolnienie jest doświadczony w wielu powiązaniach.
HTML:
<div id='x'>
<strong>{{ count }}/{{ time }} ms</strong>
<custom-component></custom-component>
</div>
<div id='cc-template'>
cc
{{# unless: finished }}
<custom-component></custom-component>
{{ /unless }}
</div>
Javascript:
let count = ko.observable(0)
let time = ko.observable(false)
const start = performance.now()
const ITERATIONS = 1000
class viewModel {
constructor() {
this.finished = count() > ITERATIONS
count(count() + 1)
time(performance.now() - start)
}
}
ko.components.register("custom-component", {
viewModel, template: {element: 'cc-template'}
})
ko.applyBindings({count, time}, document.getElementById('x'))
Jeśli porównać profile JavaScript, drzewa połączeń są prawie identyczne (np pomimo zmiany ES6). Wygląda na to dodatkowy czas w wobec alfa3 jest na zaproszeniach liści, dzięki czemu trudniej zidentyfikować, więc spekulować na podstawie porównań profilu, że problem jest kilka razy, w tym:
- jakiegoś braku optymalizacji lub DE -optymowanie zdarza się
- niektóre pętle zastąpione wolniejszymi, natywnymi połączeniami np.
Array.from - więcej pośrednich mniejsze zbiory śmieci
- mniej rodzimy optymalizacja dla ES6isms
W każdym razie ja nie wykorzenione, które, jeśli którykolwiek z nich, jest jeszcze problem - lub gdzie dokładnie mogliby być występujący.
Byłbym bardzo wdzięczny za spostrzeżenia i pomogę określić, gdzie możemy dokonać optymalizacji, aby uzyskać wydajność z powrotem, lub nawet powyżej.