概述

tldraw 团队最近发布了一个名为 Signia 的 JavaScript 库，旨在通过增量计算提升性能，特别是在处理大规模数据和复杂用户交互时。Signia 不仅可以与 tldraw 的 UI 框架结合使用，还可以独立应用于任何 UI 框架。

背景与动机

tldraw 是一个基于 React 的协作数字白板，具有高度活跃的客户端状态，大量数据频繁变化，且许多数据是派生自其他数据。在开发过程中，tldraw 团队发现现有的响应式框架在处理大规模形状和多用户协作时存在性能瓶颈，特别是派生数据的频繁重计算问题。

增量计算的概念

增量计算的核心思想是避免每次依赖数据变化时都重新计算派生数据，而是通过缓存和部分更新的方式，仅计算变化的部分。这种方法可以显著减少计算量，提升应用的响应速度。

增量计算的应用

Signia 提供了一个响应式 API，允许开发者定义原子数据（独立数据）和派生数据（基于原子数据计算得到）。通过增量计算 API，Signia 允许开发者存储输入变化的历史记录，并基于缓存和历史记录增量更新派生数据。

示例

Signia 的文档中提供了一个示例，展示了如何通过增量计算优化派生数据的更新。例如，对于一个包含 10,000 个值的数组 arr，派生变量 y 是通过 arr.map(f) 计算得到的。当 arr 添加一个新值时，增量计算仅对新值应用 f，而不是重新对整个数组进行 map 操作。

与其他技术的比较

增量计算并非全新的概念，许多技术如 JSON Patch、HTTP PATCH 方法和 D3 可视化库都采用了类似的思想。Signia 的创新之处在于提供了一个通用的 JavaScript API，使得增量计算可以更广泛地应用于各种场景。

开源与社区贡献

Signia 是一个开源项目，采用 MIT 许可证发布。tldraw 团队欢迎社区的反馈和贡献，并提供了详细的贡献指南。

总结

Signia 通过引入增量计算，解决了 tldraw 在处理大规模数据和复杂用户交互时的性能瓶颈。它不仅提升了 tldraw 的性能，还为其他 JavaScript 应用提供了一个通用的增量计算解决方案。