Taro | 高性能小程序的最佳实践

Tech 导读 Taro作为开放式跨端跨框架解决方案，在大量小程序和H5应用中得到广泛实践，本文将为读者提供最佳实践示例，以帮助最大程度地提升小程序应用的性能表现。

01

前言

在今年的敏捷团队建设中，我通过Suite执行器实现了一键自动化单元测试。Juint除了Suite执行器还有哪些执行器呢？由此我的Runner探索之旅开始了！

作为一个开放式的跨端跨框架解决方案，Taro 在大量的小程序和 H5 应用中得到了广泛应用，同时也经常收到开发者的反馈，例如“渲染速度较慢”、“滑动不够流畅”、“性能与原生应用相比有差距” 等。这表明性能问题一直是困扰开发者的一个重要问题。

熟悉 Taro 的开发者应该知道，相比于 Taro 1/2，Taro 3 是一个更加注重运行时而轻量化编译时的框架。它的优势在于提供了更高效的代码编写方式，并拥有更丰富的生态系统。然而，这也意味着在性能方面可能会有一些损耗。

但是，使用 Taro 3 并不意味着必须牺牲应用的性能。事实上，Taro 已经提供了一系列的性能优化方法，并且不断探索更加极致的优化方案。

02

如何提升初次渲染性能

理解，首先 MCube 会依据模板缓存状态判断是否需要网络获取最新模板，当获取到模板后进行模板加载，加载阶段会将产物转换为视图树的结构，转换完成后将通过表达式引擎解析表达式并取得正确的值，通过事件解析引擎解析用户自定义事件并完成事件的绑定，完成解析赋值以及事件绑定后进行视图的渲染，最终将目标页面展示到屏幕。

如果初次渲染的数据量非常大，可能会导致页面在加载过程中出现一段时间的白屏，为了解决这个问题，Taro 提供了预渲染功能（Prerender）。

使用 Prerender 非常简单，只需在项目根目录下的 config 文件夹中找到 index.js/dev.js/prod.js 三者中的任意一个项目配置文件，并根据项目情况进行修改。在编译时，Taro CLI 会根据你的配置自动启动预渲染功能。

const config = {
  ...
  mini: {
    prerender: {
      match: 'pages/shop/**', // 所有以 `pages/shop/` 开头的页面都参与 prerender
      include: ['pages/any/way/index'], // `pages/any/way/index` 也会参与 prerender
      exclude: ['pages/shop/index/index'] // `pages/shop/index/index` 不用参与 prerender
    }
  }
};

module.exports = config

更详细说明请参考官方文档：https://taro-docs.jd.com/docs/prerender

03

如何提升更新性能

理解，首先 MCube 会依据模板缓存状态判断是否需要网络获取最新模板，当获取到模板后进行模板加载，加载阶段会将产物转换为视图树的结构，转换完成后将通过表达式引擎解析表达式并取得正确的值，通过事件解析引擎解析用户自定义事件并完成事件的绑定，完成解析赋值以及事件绑定后进行视图的渲染，最终将目标页面展示到屏幕。

由于 Taro 使用小程序的 template 进行渲染，这会引发一个问题：所有的 setData 更新都需要由页面对象调用。当页面结构较为复杂时，更新的性能可能会下降。

当层级过深时，setData 的数据结构如下：

page.setData({
  'root.cn.[0].cn.[0].cn.[0].cn.[0].markers': [],
})

期望的 setData 数据结构：

component.setData({
  'cn.[0].cn.[0].markers': [],
})

目前有两种方法可以实现上述结构，以实现局部更新的效果，从而提升更新性能：

1. 全局配置项 baseLevel

对于不支持模板递归的小程序（例如微信、QQ、京东小程序等），当 DOM 层级达到一定数量后，Taro 会利用原生自定义组件来辅助递归渲染。简单来说，当 DOM 结构超过 N 层时，Taro 将使用原生自定义组件进行渲染（可以通过修改配置项 baseLevel 来调整 N 的值，建议设置为 8 或 4）。

需要注意的是，由于这是全局设置，可能会带来一些问题，例如：

•在跨原生自定义组件时，flex 布局会失效（这是影响最大的问题）；

•在 SelectorQuery.select 方法中，跨自定义组件的后代选择器写法需要增加 >>>：.the-ancestor >>> .the-descendant。

2. 使用 CustomWrapper 组件

CustomWrapper 组件的作用是创建一个原生自定义组件，用于调用后代节点的 setData 方法，以实现局部更新的效果。

可以使用它来包裹那些遇到更新性能问题的模块，例如：

import { View, Text } from '@tarojs/components'

export default function () {
  return (
    <View className="index">
      <Text>Demo</Text>
      <CustomWrapper>
        <GoodsList />
      </CustomWrapper>
    </View>
  )
}

04

如何提升长列表性能

理解，首先 MCube 会依据模板缓存状态判断是否需要网络获取最新模板，当获取到模板后进行模板加载，加载阶段会将产物转换为视图树的结构，转换完成后将通过表达式引擎解析表达式并取得正确的值，通过事件解析引擎解析用户自定义事件并完成事件的绑定，完成解析赋值以及事件绑定后进行视图的渲染，最终将目

长列表是常见的组件，当生成或加载的数据量非常大时，可能会导致严重的性能问题，尤其在低端机上可能会出现明显的卡顿现象。

为了解决长列表的问题，Taro 提供了 VirtualList 组件和 VirtualWaterfall 组件。它们的原理是只渲染当前可见区域（Visible Viewport）的视图，非可见区域的视图在用户滚动到可见区域时再进行渲染，以提高长列表滚动的流畅性。

4.1 VirtualList 组件（虚拟列表）

以 React Like 框架使用为例，可以直接引入组件：

import VirtualList from '@tarojs/components/virtual-list'

一个最简单的长列表组件如下所示：

function buildData(offset = 0) {
  return Array(100)
    .fill(0)
    .map((_, i) => i + offset)
}

const Row = React.memo(({ id, index, data }) => {
  return (
    <View id={id} className={index % 2 ? 'ListItemOdd' : 'ListItemEven'}>
      Row {index} : {data[index]}
    </View>
  )
})

export default class Index extends Component {
  state = {
    data: buildData(0),
  }

  render() {
    const { data } = this.state
    const dataLen = data.length
    return (
      <VirtualList
        height={800} /* 列表的高度 */
        width="100%" /* 列表的宽度 */
        item={Row} /* 列表单项组件，这里只能传入一个组件 */
        itemData={data} /* 渲染列表的数据 */
        itemCount={dataLen} /* 渲染列表的长度 */
        itemSize={100} /* 列表单项的高度  */
      />
    )
  }
}

更多详情可以参考官方文档：https://taro-docs.jd.com/docs/virtual-list

4.2 VirtualWaterfall 组件（虚拟瀑布流）

以 React Like 框架使用为例，可以直接引入组件：

import { VirtualWaterfall } from `@tarojs/components-advanced`

一个最简单的长列表组件如下所示：

function buildData(offset = 0) {
  return Array(100)
    .fill(0)
    .map((_, i) => i + offset)
}

const Row = React.memo(({ id, index, data }) => {
  return (
    <View id={id} className={index % 2 ? 'ListItemOdd' : 'ListItemEven'}>
      Row {index} : {data[index]}
    </View>
  )
})

export default class Index extends Component {
  state = {
    data: buildData(0),
  }

  render() {
    const { data } = this.state
    const dataLen = data.length
    return (
      <VirtualWaterfall
        height={800} /* 列表的高度 */
        width="100%" /* 列表的宽度 */
        item={Row} /* 列表单项组件，这里只能传入一个组件 */
        itemData={data} /* 渲染列表的数据 */
        itemCount={dataLen} /* 渲染列表的长度 */
        itemSize={100} /* 列表单项的高度  */
      />
    )
  }
}

更多详情可以参考官方文档：https://taro-docs.jd.com/docs/virtual-waterfall

05

如何避免setData数据量较大

理解，首先 MCube 会依据模板缓存状态判断是否需要网络获取最新模板，当获取到模板后进行模板加载，加载阶段会将产物转换为视图树的结构，转换完成后将通过表达式引擎解析表达式并取得正确的值，通过事件解析引擎解析用户自定义事件并完成事件的绑定，完成解析赋值以及事件绑定后进行视图的渲染，最终将目标页面展示到屏幕。

众所周知，对小程序性能的影响较大的主要有两个因素，即 setData 的数据量和单位时间内调用 setData 函数的次数。在 Taro 中，会对 setData 进行批量更新操作，因此通常只需要关注 setData 的数据量大小。下面通过几个例子来说明如何避免数据量过大的问题：

例子 1：删除楼层节点要谨慎处理

目前 Taro 在处理节点删除方面存在一些缺陷。假设存在以下代码写法：

<View>
  <!-- 轮播 -->
  <Slider />
  <!-- 商品组 -->
  <Goods />
  <!-- 模态弹窗 -->
  {isShowModal && <Modal />}
</View>

当 isShowModal 从 true 变为 false 时，模态弹窗会消失。此时，Modal 组件的兄弟节点都会被更新，setData 的数据是 Slider + Goods 组件的 DOM 节点信息。

一般情况下，这不会对性能产生太大影响。然而，如果待删除节点的兄弟节点的 DOM 结构非常复杂，比如一个个楼层组件，删除操作的副作用会导致 setData 的数据量变大，从而影响性能。

为了解决这个问题，可以通过隔离删除操作来进行优化。

<View>
  <!-- 轮播 -->
  <Slider />
  <!-- 商品组 -->
  <Goods />
  <!-- 模态弹窗 -->
  <View>
    {isShowModal && <Modal />}
  </View>
</View>

例子 2：基础组件的属性要保持引用

当基础组件（例如 View、Input 等）的属性值为非基本类型时，假设存在以下代码写法：

<Map
  latitude={22.53332}
  longitude={113.93041}
  markers={[
    {
      latitude: 22.53332,
      longitude: 113.93041,
    },
  ]}
/>

每次渲染时，React 会对基础组件的属性进行浅比较。如果发现 markers 的引用不同，就会触发组件属性的更新。这最终导致了 setData 操作的频繁执行和数据量的增加。为了解决这个问题，可以使用状态（state）或闭包等方法来保持对象的引用，从而避免不必要的更新。

<Map
  latitude={22.53332}
  longitude={113.93041}
  markers={this.state.markers}
/>

06

更多最佳实践

理解，首先 MCube 会依据模板缓存状态判断是否需要网络获取最新模板，当获取到模板后进行模板加载，加载阶段会将产物转换为视图树的结构，转换完成后将通过表达式引擎解析表达式并取得正确的值，通过事件解析引擎解析用户自定义事件并完成事件的绑定，完成解析赋值以及事件绑定后进行视图的渲染，最终将目标页面展示到屏幕。

6.1 阻止滚动穿透

在小程序开发中，当存在滑动蒙层、弹窗等覆盖式元素时，滑动事件会冒泡到页面上，导致页面元素也会跟着滑动。通常我们会通过设置 catchTouchMove 来阻止事件冒泡。

然而，由于 Taro3 事件机制的限制，小程序事件都是以 bind 的形式进行绑定。因此，与 Taro1/2 不同，调用 e.stopPropagation() 并不能阻止滚动事件的穿透。

解决办法 1：使用样式（推荐）

可以为需要禁用滚动的组件编写以下样式：

{
  overflow：hidden;
  height: 100vh;
}

解决办法 2：使用 catchMove

对于极个别的组件，比如 Map 组件，即使使用样式固定宽高也无法阻止滚动，因为这些组件本身具有滚动的功能。因此，第一种方法无法处理冒泡到 Map 组件上的滚动事件。在这种情况下，可以为 View 组件添加 catchMove 属性：

// 这个 View 组件会绑定 catchtouchmove 事件而不是 bindtouchmove
<View catchMove />

6.2 跳转预加载

在小程序中，当调用 Taro.navigateTo 等跳转类 API 后，新页面的 onLoad 事件会有一定的延时。因此，为了提高用户体验，可以将一些操作（如网络请求）提前到调用跳转 API 之前执行。

对于熟悉 Taro 的开发者来说，可能会记得在 Taro 1/2 中有一个名为 componentWillPreload 的钩子函数。然而，在 Taro 3 中，这个钩子函数已经被移除了。不过，开发者可以使用 Taro.preload() 方法来实现跳转预加载的效果：

// pages/index.js
Taro.preload(fetchSomething())
Taro.navigateTo({ url: '/pages/detail' })

// pages/detail.js
console.log(getCurrentInstance().preloadData)

6.3 建议把Taro.getCurrentInstance() 的结果保存下来

在开发过程中，我们经常会使用 Taro.getCurrentInstance() 方法来获取小程序的 app、page 对象以及路由参数等数据。然而，频繁地调用该方法可能会导致一些问题。

因此，建议将 Taro.getCurrentInstance() 的结果保存在组件中，并在需要时直接使用，以避免频繁调用该方法。这样可以提高代码的执行效率和性能。

class Index extends React.Component {
  inst = Taro.getCurrentInstance()

  componentDidMount() {
    console.log(this.inst)
  }
}

07

小程序编译模式（CompileMode）

理解，首先 MCube 会依据模板缓存状态判断是否需要网络获取最新模板，当获取到模板后进行模板加载，加载阶段会将产物转换为视图树的结构，转换完成后将通过表达式引擎解析表达式并取得正确的值，通过事件解析引擎解析用户自定义事件并完成事件的绑定，完成解析赋值以及事件绑定后进行视图的渲染，最终将目标页面展示到屏幕。

Taro 一直追求并不断突破性能的极限，除了以上提供的最佳实践，Taro即将推出小程序编译模式（CompileMode）。

什么是 CompileMode？

前面已经说过，Taro3 是一种重运行时的框架，当节点数量增加到一定程度时，渲染性能会显著下降。因此，为了解决这个问题，Taro 引入了 CompileMode 编译模式。

CompileMode 在编译阶段对开发者的代码进行扫描，将 JSX 和 Vue template 代码提前编译为相应的小程序模板代码。这样可以减少小程序渲染层虚拟 DOM 树节点的数量，从而提高渲染性能。通过使用 CompileMode，可以有效减少小程序的渲染负担，提升应用的性能表现。

如何使用？

开发者只需为小程序的基础组件添加 compileMode 属性，该组件及其子组件将会被编译为独立的小程序模板。

function GoodsItem () {
  return (
    <View compileMode>
      ...
    </View>
  )
}

目前第一阶段的开发工作已经完成，我们即将发布 Beta 版本，欢迎大家关注！想提前了解的可以查看 RFC 文档：

https://github.com/NervJS/taro-rfcs/blob/feat/compile-mode/rfcs/0000-compile-mode.md

08

结尾

理解，首先 MCube 会依据模板缓存状态判断是否需要网络获取最新模板，当获取到模板后进行模板加载，加载阶段会将产物转换为视图树的结构，转换完成后将通过表达式引擎解析表达式并取得正确的值，通过事件解析引擎解析用户自定义事件并完成事件的绑定，完成解析赋值以及事件绑定后进行视图的渲染，最终将目标页面展示到屏幕。

通过采用 Taro 的最佳实践，相信您的小程序应用性能一定会有显著的提升。未来，Taro将持续探索更多优化方案，覆盖更广泛的应用场景，为开发者提供更高效、更优秀的开发体验。

如果在项目中有任何经验总结或思考，欢迎交流分享，感谢支持！

Taro 开发文档：https://taro-docs.jd.com/docs/

推荐阅读

有效降低数据库存储成本方案与实践

JDK11升级JDK17最全实践干货来了

ChatGPT是如何产生心智的？

小项目想当大Boss? 你该读读《孙子兵法》

求分享

求点赞

求在看

‍

打造SAAS化服务的会员徽章体系，可以作为标准的产品化方案统一对外输出。结合现有平台的通用能力，实现会员行为全路径覆盖，并能结合企业自身业务特点，规划相应的会员精准营销活动，提升会员忠诚度和业务的持续增长。

▪

底层能力：维护用户基础数据、行为数据建模、用户画像分析、精准营销策略的制定

▪功能支撑：会员成长体系、等级计算策略、权益体系、营销底层能力支持

▪用户活跃：会员关怀、用户触达、活跃活动、业务线交叉获客、拉新促活

‍