2023年qcon大會首日,阿里巴巴資深總監、**移動平台、阿里百川負責人莊卓然宣布移動端高效能動態化方案weex即時內測,並將於6月開源。此訊息一出,群情洶湧,在座的程式猿、攻城獅們紛紛拿起手機掃碼,以期第一時間感受weex的神奇之力。
在第二天的主題分享會上,阿里巴巴前端開發專家趙錦江和技術專家徐凱對weex進行了深入的解析。以下為演講速記整理後的成文。
阿里怎麼看待移動開發?
目前的移動開發者面臨的最大痛點就是面對極其複雜的環境,對此,莊卓然給出乙個公式,移動開發的複雜度=應用數量×平台數量×要適配的各種各樣的機型。
如何解決這個問題呢?在解決問題之前,首先要對移動開發的未來有著精準的研判。
阿里認為,移動開發的未來必定更加平衡,也就是說必須是效能與動態兼得,如此,才能夠滿足未來使用者的需求。另外,移動開發在未來也必定是開放互聯的狀態,移動網際網路將來肯定是基於更加大眾化的技術體系,沒有平台之間的隔閡,而且簡單易用。
所以,阿里結合移動開發的現狀並圍繞其願景推出了weex解決方案。
事實上,在去年的雙11活動中,weex就得到了實戰的驗證,且表現不俗。時至今日,weex已經被阿里技術團隊多次運用,並「創造」出各種豐富的場景,整體的表現非常優異。
把移動端所有介面拆分成各個page,然後中間設定有路由的控制邏輯,同時,將移動端各種各樣的能力通過各種api提供給開發者。這是阿里對移動開發模型的理解。
weex通過標準化的東西,包括html、css和js這些前端非常快速易用好學的語法作為開發體驗,提供給開發者。另外,weex的語法設計尊重還web的標準。
weex的工作原理
weex設計之初就考慮到在三端(ios、安卓和h5)上能夠得到展現。在最上面的dsl,阿里一般稱之為weex檔案(.we),通過transformer轉換成js-bundle,再部署到伺服器,這樣服務端就完成了。在客戶端,第一層是js-framework,最後到renderrengine。
輸入是virtual dom輸出是native或者h5 view,還原成記憶體中的樹型資料結構,再建立view,把事件繫結在view上,把view基本屬性設上去。weex render會分三個執行緒,不同的執行緒負責不同的事情,讓js執行緒優先保障流暢性。
weex的效能、擴充套件性以及可用性究竟怎樣呢?
效能方面,阿里對weex做了多次壓測。在載入時間、幀率、記憶體消耗、cpu占用(包括靜默和峰值)等多個方面,weex都表現得非常出色。
相容性是weex非常重視的問題,對此,阿里是這樣來解決的。
首先是單測保證,包括js和h5的單測,保證最基礎的ut(unit test)本身所帶來的含義。
其次是ui的自動化,分為兩個部分,一是截圖對比,將最終產生的結果和意料中的結果進行圖形對比;二是layout results,包括model以及其他的布局類的,通過基本的資訊完成測試的過程。
在擴充套件性方面,weex可以寫很多頁面,而且通過路由機制幫助開發者將頁面進行串聯。
最後,是weex的三種工作模式。
1.全頁模式
2.native component模式
把weex當作乙個ios/android元件來使用,模擬imageview。這類需求遍布手淘主鏈路,如首頁、主搜結果、交易元件化等,這類native頁面主體已經很穩定,但是區域性動態化需求旺盛導致頻繁發版,解決這類問題也是weex的重點。
3.h5 component模式
在h5種使用weex,模擬wvc。一些較複雜或特殊的h5頁面短期內無法完全轉為weex全頁模式(或rn),比如互動類頁面、一些複雜頻道頁等。這個痛點的解決辦法是:在現有的h5頁面上做微調,引入native解決長列表記憶體暴增、滾動不流暢、動畫/手勢體驗差等問題。
另外,wvc將會融入到weex中,成為weex的h5 components模式。
深度揭秘阿里移動端高效能動態化方案Weex
2016年qcon大會首日,阿里巴巴資深總監 移動平台 阿里百川負責人莊卓然宣布移動端高效能動態化方案weex即時內測,並將於6月開源。此訊息一出,群情洶湧,在座的程式猿 攻城獅們紛紛拿起手機掃碼,以期第一時間感受weex的神奇之力。在第二天的主題分享會上,阿里巴巴前端開發專家趙錦江和技術專家徐凱對...
移動端效能
1 減少或避免使用repaint 頁面重繪 reflow 頁面回流 2 盡量快取可以快取的資料 3 用css3動畫代替dom 操作的動畫,可以用animation.css html5常用api 1 dom操作 queryselector 2 本地資料儲存,localstorage,setitem,g...
NVIDIA TensorRT高效能深度學習推理
nvidia tensorrt高效能深度學習推理 nvidia tensorrt 是用於高效能深度學習推理的 sdk。此 sdk 包含深度學習推理優化器和執行時環境,可為深度學習推理應用提供低延遲和高吞吐量。在推理過程中,基於 tensorrt 的應用程式的執行速度可比 cpu 平台的速度快 40 ...