React同构与极致的性能优化

本文发表于北斗同构github, 转载请注明出处

注：本文为第12届D2前端技术论坛《打造高可靠与高性能的React同构解决方案》分享内容，已经过数据脱敏处理。

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。

isomorphic

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

isomorphic

线上案例

近两年，无论是业界还是阿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 - AGLA
- AILab - 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UED - 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-webpack
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 -- https://github.com/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》, 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

react15 performance

上图是基于Node v8.9.1 和 React@15.5.4, 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(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 Aickin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
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React16: facebook官方数据, 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，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
- 扩展ReactCompositeComponent的mountComponent方法，参考electrode-react-ssr-cachin
注入缓存逻辑, 代码如下

const ReactCompositeComponent = require("react/lib/ReactCompositeComponent");

ReactCompositeComponent.Mixin._mountComponent = ReactCompositeComponent.Mixin.mountComponent;
ReactCompositeComponent.Mixin.mountComponent = function(rootID, transaction, context) {
  
  const hashKey = generateHashKey(this._currentElement.props);
  if (cacheStorage.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 size 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。
items

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。

template

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>${price}</Price>为例，将变量price以占位符${price}代替set(price, "${price}"), 再调用react原生的mountComponent方法则可以生成中间结构<div>${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 SSR

FB在9.26发布了React16正式版，之前万众期待的SSR性能提升没有让大家失望, 引用React核心开发Sasha Aickin的对比图

react16

笔者拿之前的应用升级到React16, 对比下3909节点，RT从295ms降到了51ms, QPS从9提升到了44, 提升非常明显。

react16

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 -- https://github.com/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。

复杂页面

淘宝首屏

淘宝全屏

初始平均渲染时间为295.75ms(Node6.92, React15.6.2), 注: 图中有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。

初始渲染时间

启用babel性能加速插件, 平均渲染时间为219.00ms

babel性能加速插件

采用Node8.9.1(或更新版本)平均渲染时间为207ms

Node8

采用production模式平均渲染时间为81.75ms

production mode

部分内容客户端渲染，平均渲染时间为44.63ms

part csr

部分内容组件级别cache,平均渲染时间为22.65ms

part cache

采用React16(或更新版本)，平均渲染时间为5.17ms

react16

结合React16和部分客户端渲染，平均渲染时间为2.68ms

react16+csr

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。

万变不离其宗

借用《功夫》中的一句经典台词天下武功，无坚不破，唯快不破，同样的，
随着时间的推移，上面这些策略策略迟早会被破，比如react16 ssr重构之后，之前的组件级别缓存逻辑不再有效。
另外，可能由于架构设计/技术选型根本就使不上劲，比如react16是今年9月26才正式发版，很多第三方组件还没来得及升级，如果应用中有些组件强依赖于react15或者更早的版本，可能根本就没法利用react16的性能优势。

那么有没有一种万能的办法，能够做到唯快不破呢？

答案是：有的。只有掌握了方法论，才能在不断变化中，找到适合自己应用的性能优化策略。

具体的方法论，请参考本人的另外一篇文章《唯快不破，让nodejs再快一点》

React同构与极致的性能优化

前言

什么是同构？

为什么同构？

性能数据

线上案例

业界生态