在JavaScript中的 并行语言特性 周爱民 @aimingoo https://github.io/aimingoo 上海南潮信息科技有限公司/ruff.io R/W {range} {range} {range} R W Lock Unlock 声明一个变量/标识 符，使之在确定的上 下文中占有存储位 置。 有变量 1 使存储位置中有值。 绑定值 3

CODE A BETTER LIFE 【前端篇】 前端 | 2021 1 让 Flutter 在鸿蒙系统上跑起来 1 FlutterWeb 在美团外卖的实践 14 FlutterWeb 性能优化探索与实践 36 设计稿（UI 视图）自动生成代码方案的探索 56 美团外卖终端容器无关化研发框架 74 一款可以让大型 iOS 工程编译速度提升 50% 的工具 96 从预编译的角度理解 中的实践 459 开源 React Native 组件库 beeshell 2.0 发布 473 React Native 在美团外卖客户端的实践 506 Android 静态代码扫描效率优化与实践 530 Probe：Android 线上 OOM 问题定位组件 560 活动 Web 页面人机识别验证的探索与实践 580 React Native 工程中 TSLint 静态检查工具的探索之路 差异，但由于组件库在各端的实现不尽相同，很难做到完美的一致性体验。 1.1.2 提升多端迭代效率 由于各端技术体系的不同，涉及多端的需求往往需要不同的开发、测试团队各自完成 开发、联调、测试、上线等流程，占用资源巨大，在各团队不可并行支持的情况下， 前端 < 15 甚至可能导致整个业务交付周期被拉长。虽然 React Native、Flutter 等跨平台方案 解决了一部分复用的问题，但显然在商家端业务场景下是远远不够的，我们的目标是

10.3 二分查找边界 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213 10.4 哈希优化策略 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216 10.5 重识搜索算法 . . . 时间效率：算法运行时间的长短。 ‧ 空间效率：算法占用内存空间的大小。 简而言之，我们的目标是设计“既快又省”的数据结构与算法。而有效地评估算法效率至关重要，因为只有 这样，我们才能将各种算法进行对比，进而指导算法设计与优化过程。 效率评估方法主要分为两种：实际测试、理论估算。 2.1.1 实际测试 假设我们现在有算法 A 和算法 B ，它们都能解决同一问题，现在需要对比这两个算法的效率。最直接的方法 是找一台 是找一台计算机，运行这两个算法，并监控记录它们的运行时间和内存占用情况。这种评估方式能够反映真 实情况，但也存在较大的局限性。 一方面，难以排除测试环境的干扰因素。硬件配置会影响算法的性能表现。比如一个算法的并行度较高，那 么它就更适合在多核 CPU 上运行，一个算法的内存操作密集，那么它在高性能内存上的表现就会更好。也 就是说，算法在不同的机器上的测试结果可能是不一致的。这意味着我们需要在各种机器上进行测试，统计

10.3 二分查找边界 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213 10.4 哈希优化策略 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216 10.5 重识搜索算法 . . . 时间效率：算法运行速度的快慢。 ‧ 空间效率：算法占用内存空间的大小。 简而言之，我们的目标是设计“既快又省”的数据结构与算法。而有效地评估算法效率至关重要，因为只有 这样，我们才能将各种算法进行对比，进而指导算法设计与优化过程。 效率评估方法主要分为两种：实际测试、理论估算。 2.1.1 实际测试 假设我们现在有算法 A 和算法 B ，它们都能解决同一问题，现在需要对比这两个算法的效率。最直接的方法 是找一台 2‑4 递归调用深度 在实际中，编程语言允许的递归深度通常是有限的，过深的递归可能导致栈溢出错误。 2. 尾递归 有趣的是，如果函数在返回前的最后一步才进行递归调用，则该函数可以被编译器或解释器优化，使其在空 间效率上与迭代相当。这种情况被称为尾递归（tail recursion）。 ‧ 普通递归：当函数返回到上一层级的函数后，需要继续执行代码，因此系统需要保存上一层调用的上下 文。 ‧

10.3 二分查找边界 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214 10.4 哈希优化策略 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216 10.5 重识搜索算法 . . . 时间效率：算法运行速度的快慢。 ‧ 空间效率：算法占用内存空间的大小。 简而言之，我们的目标是设计“既快又省”的数据结构与算法。而有效地评估算法效率至关重要，因为只有 这样，我们才能将各种算法进行对比，进而指导算法设计与优化过程。 效率评估方法主要分为两种：实际测试、理论估算。 2.1.1 实际测试 假设我们现在有算法 A 和算法 B ，它们都能解决同一问题，现在需要对比这两个算法的效率。最直接的方法 是找一台 2‑4 递归调用深度 在实际中，编程语言允许的递归深度通常是有限的，过深的递归可能导致栈溢出错误。 2. 尾递归 有趣的是，如果函数在返回前的最后一步才进行递归调用，则该函数可以被编译器或解释器优化，使其在空 间效率上与迭代相当。这种情况被称为「尾递归 tail recursion」。 ‧ 普通递归：当函数返回到上一层级的函数后，需要继续执行代码，因此系统需要保存上一层调用的上下 文。

10.3 二分查找边界 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211 10.4 哈希优化策略 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214 10.5 重识搜索算法 . . . 时间效率：算法运行速度的快慢。 ‧ 空间效率：算法占用内存空间的大小。 简而言之，我们的目标是设计“既快又省”的数据结构与算法。而有效地评估算法效率至关重要，因为只有 这样我们才能将各种算法进行对比，从而指导算法设计与优化过程。 效率评估方法主要分为两种：实际测试、理论估算。 2.1.1 实际测试 假设我们现在有算法 A 和算法 B ，它们都能解决同一问题，现在需要对比这两个算法的效率。最直接的方法 是找一台 2‑4 递归调用深度 在实际中，编程语言允许的递归深度通常是有限的，过深的递归可能导致栈溢出报错。 2. 尾递归 有趣的是，如果函数在返回前的最后一步才进行递归调用，则该函数可以被编译器或解释器优化，使其在空 间效率上与迭代相当。这种情况被称为「尾递归 tail recursion」。 ‧ 普通递归：当函数返回到上一层级的函数后，需要继续执行代码，因此系统需要保存上一层调用的上下 文。

的标准还在快速进化中，并不断合理化，添加更适用的 语法特性。 （2）支持编译运行。 JavaScript 语言本身，虽然是一种解释型语言，但是在现代浏览器 中，JavaScript 都是编译后运行。程序会被高度优化，运行效率接 近二进制程序。而且，JavaScript 引擎正在快速发展，性能将越来 越好。 此外，还有一种 WebAssembly 格式，它是 JavaScript 引擎的中 间码格式，全 书栈(BookStack.CN) 构建 3. } 单纯从上面的代码块，根本无法判断 x 到底是全局变量，还是对 象 obj 的一个属性。这非常不利于代码的除错和模块化，编译器也无 法对这段代码进行优化，只能留到运行时判断，这就拖慢了运行速度。 因此，建议不要使用 with 语句，可以考虑用一个临时变量代 替 with 。 1. with(obj1.obj2.obj3) { 2. console eval 的本质是在当前作用域之中，注入代码。由于安全风险和 不利于 JavaScript 引擎优化执行速度，所以一般不推荐使用。通常 情况下， eval 最常见的场合是解析 JSON 数据的字符串，不过正确 的做法应该是使用原生的 JSON.parse 方法。 前面说过 eval 不利于引擎优化执行速度。更麻烦的是，还有下面这种 情况，引擎在静态代码分析的阶段，根本无法分辨执行的是 eval

Point(); p // { x: 0, y: 0 } 除了简洁，ES6 的写法还有两个好处：首先，阅读代码的人，可以立刻意识到哪些 参数是可以省略的，不用查看函数体或文档；其次，有利于将来的代码优化，即使 未来的版本在对外接口中，彻底拿掉这个参数，也不会导致以前的代码无法运行。 参数变量是默认声明的，所以不能用 let 或 const 再次声明。 function foo(x = 5) find, html } = jake; document.querySelectorAll("div.myClass") ::find("p") ::html("hahaha"); 尾调用优化 什么是尾调用？ 尾调用（Tail Call）是函数式编程的一个重要概念，本身非常简单，一句话就能说 清楚，就是指某个函数的最后一步是调用另一个函数。 function f(x){ return return m(x) } return n(x); } 函数的扩展 156 上面代码中，函数 m 和 n 都属于尾调用，因为它们都是函数 f 的最后一步操 作。 尾调用优化 尾调用之所以与其他调用不同，就在于它的特殊的调用位置。 我们知道，函数调用会在内存形成一个“调用记录”，又称“调用帧”（call frame）， 保存调用位置和内部变量等信息。如果在函数 A

innerText = 'ERROR: ' + status; 27. }); Result: 除了串行执行若干异步任务外，Promise还可以并行执行异步任务。 试想一个页面聊天系统，我们需要从两个不同的URL分别获得用户的个人信息和好友列表，这两个任务 是可以并行执行的，用 Promise.all() 实现如下： 1. var p1 = new Promise(function (resolve }); 由于 p1 执行较快，Promise的 then() 将获得结果 'P1' 。 p2 仍在继续执行，但执行结果 将被丢弃。 如果我们组合使用Promise，就可以把很多异步任务以并行和串行的方式组合起来执行。 原文: https://wizardforcel.gitbooks.io/liaoxuefeng/content/js/40.html 6.6 Promise - 162 ctx.fillText('带阴影的文字', 20, 40); Canvas除了能绘制基本的形状和文本，还可以实现动画、缩放、各种滤镜和像素转换等高级操作。如 果要实现非常复杂的操作，考虑以下优化方案： 通过创建一个不可见的Canvas来绘图，然后将最终绘制结果复制到页面的可见Canvas中； 尽量使用整数坐标而不是浮点数； 可以创建多个重叠的Canvas绘制不同的层，而不是在一个Canvas中绘制非常复杂的图；

Promise是抽象异步处理对象以及对其进行各种操作的组件。 其详细内容在接下来我们 还会进行介绍，Promise并不是从JavaScript中发祥的概念。 Promise最初被提出是在 E语言12中， 它是基于并列/并行处理设计的一种编程语言。 现在JavaScript也拥有了这种特性，这就是本书所介绍的JavaScript Promise。 另外，如果说到基于JavaScript的异步处理，我想大多数都会想到利用回调函数。 128ms。实际我们计算一下 Promise.all 的执行时间的话，它确实是消耗了128ms的时 间。 从上述结果可以看出，传递给 Promise.all 的promise并不是一个个的顺序执行的，而是 同时开始、并行执行的。 如果这些promise全部串行处理的话，那么需要 等待1ms → 等待32ms → 等待64ms → 等待128ms ，全部执行完毕需要225ms的时间。 要想了解更多关于如何使用Promise进行串行处理的内容，可以参考