从框架作者角度聊：React调度算法的迭代过程

大家好，我卡颂。

React内部最难理解的地方就是「调度算法」，不仅抽象、复杂，还重构了一次。

可以说，只有React团队自己才能完全理解这套算法。

既然这样，那本文尝试从React团队成员的视角出发，来聊聊「调度算法」。

什么是调度算法

React在v16之前面对的主要性能问题是：当组件树很庞大时，更新状态可能造成页面卡顿，根本原因在于：更新流程是「同步、不可中断的」。

为了解决这个问题，React提出Fiber架构，意在「将更新流程变为异步、可中断的」。

最终实现的交互流程如下：

1. 不同交互产生不同优先级的更新(比如onClick回调中的更新优先级最高，useEffect回调中触发的更新优先级一般)
2. 「调度算法」从众多更新中选出一个优先级作为本次render的优先级
3. 以步骤2选择的优先级对组件树进行render

在render过程中，如果又触发交互流程，步骤2又选出一个更高优先级，则之前的render中断，以新的优先级重新开始render。

本文要聊的就是步骤2中的「调度算法」。

expirationTime调度算法

「调度算法」需要解决的最基本的问题是：如何从众多更新中选择其中一个更新的优先级作为本次render的优先级?

最早的算法叫做expirationTime算法。

具体来说，更新的优先级与「触发交互的当前时间」及「优先级对应的延迟时间」相关：

1. // MAX_SIGNED_31_BIT_INT为最大31 bit Interger 
2. update.expirationTime = MAX_SIGNED_31_BIT_INT - (currentTime + updatePriority); 

例如，高优先级更新u1、低优先级更新u2的updatePriority分别为0、200，则

1. MAX_SIGNED_31_BIT_INT - (currentTime + 0) > MAX_SIGNED_31_BIT_INT - (currentTime + 200) 
2.  
3. // 即 
4. u1.expirationTime > u2.expirationTime; 

代表u1优先级更高。

expirationTime算法的原理简单易懂：每次都选出所有更新中「优先级最高的」。

如何表示“批次”

除此之外，还有个问题需要解决：如何表示「批次」?

「批次」是什么?考虑如下例子：

1. // 定义状态num 
2. const [num, updateNum] = useState(0); 
3.  
4. // ...某些修改num的地方 
5. // 修改的方式1 
6. updateNum(3); 
7. // 修改的方式2 
8. updateNum(num => num + 1); 

两种「修改状态的方式」都会创建更新，区别在于：

• 第一种方式，不需考虑更新前的状态，直接将状态num修改为3
• 第二种方式，需要基于「更新前的状态」计算新状态

由于第二种方式的存在，更新之间可能有连续性。

所以「调度算法」计算出一个优先级后，组件render时实际参与计算「当前状态的值」的是：

「计算出的优先级对应更新」 + 「与该优先级相关的其他优先级对应更新」

这些相互关联，有连续性的更新被称为一个「批次」(batch)。

expirationTime算法计算「批次」的方式也简单粗暴：优先级大于某个值(priorityOfBatch)的更新都会划为同一批次。

1. const isUpdateIncludedInBatch = priorityOfUpdate >= priorityOfBatch; 

expirationTime算法保证了render异步可中断、且永远是最高优先级的更新先被处理。

这一时期该特性被称为Async Mode。

IO密集型场景

Async Mode可以解决以下问题：

1. 组件树逻辑复杂导致更新时卡顿(因为组件render变为可中断)
2. 重要的交互更快响应(因为不同交互产生更新的优先级不同)

这些问题统称为CPU密集型问题。

在前端，还有一类问题也会影响体验，那就是「请求数据造成的等待」。这类问题被称为IO密集型问题。

为了解决IO密集型问题的，React提出了Suspense。考虑如下代码：

1. const App = () => { 
2.   const [count, setCount] = useState(0); 
3.    
4.   useEffect(() => { 
5.     const t = setInterval(() => { 
6.       setCount(count => count + 1); 
7.     }, 1000); 
8.     return () => clearInterval(t); 
9.   }, []); 
10.    
11.   return ( 
12.     <> 
13.       <Suspense fallback={<div>loading...</div>}> 
14.         <Sub count={count} /> 
15.       </Suspense> 
16.       <div>count is {count}</div> 
17.     </> 
18.   ); 
19. }; 

其中：

• 每过一秒会触发一次更新，将状态count更新为count => count + 1
• 在Sub中会发起异步请求，请求返回前，包裹Sub的Suspense会渲染fallback

假设请求三秒后返回，理想情况下，请求发起前后UI会依次显示为：

1. // Sub内请求发起前 
2. <div class=“sub”>I am sub, count is 0</div> 
3. <div>count is 0</div> 
4.  
5. // Sub内请求发起第1秒 
6. <div>loading...</div> 
7. <div>count is 1</div> 
8.  
9. // Sub内请求发起第2秒 
10. <div>loading...</div> 
11. <div>count is 2</div> 
12.  
13. // Sub内请求发起第3秒 
14. <div>loading...</div> 
15. <div>count is 3</div> 
16.  
17. // Sub内请求成功后 
18. <div class=“sub”>I am sub, request success, count is 4</div> 
19. <div>count is 4</div> 

从用户的视角观察，有两个任务在并发执行：

1. 请求Sub的任务(观察第一个div的变化)
2. 改变count的任务(观察第二个div的变化)

Suspense带来了「多任务并发执行」的直观感受。

因此，Async Mode(异步模式)也更名为Concurrent Mode(并发模式)。

一个无法解决的bug

那么Suspense对应更新的优先级是高还是低呢?

当请求成功后，合理的逻辑应该是「尽快展示成功后的UI」。所以Suspense对应更新应该是高优先级更新。那么，在示例中共有两类更新：

Suspense对应的高优IO更新，简称u0

每秒产生的低优CPU更新，简称u1、u2、u3等

在expirationTime算法下：

1. // u0优先级远大于u1、u2、u3... 
2. u0.expirationTime >> u1.expirationTime > u2.expirationTime > … 

u0优先级最高，则u1及之后的更新都需要等待u0执行完毕后再进行。

而u0需要等待「请求完毕」才能执行。所以，请求发起前后UI会依次显示为：

1. // Sub内请求发起前 
2. <div class=“sub”>I am sub, count is 0</div> 
3. <div>count is 0</div> 
4.  
5. // Sub内请求发起第1秒 
6. <div>loading...</div> 
7. <div>count is 0</div> 
8.  
9. // Sub内请求发起第2秒 
10. <div>loading...</div> 
11. <div>count is 0</div> 
12.  
13. // Sub内请求发起第3秒 
14. <div>loading...</div> 
15. <div>count is 0</div> 
16.  
17. // Sub内请求成功后 
18. <div class=“sub”>I am sub, request success, count is 4</div> 
19. <div>count is 4</div> 

从用户的视角观察，第二个div被卡住了3秒后突然变为4。

所以，只考虑CPU密集型场景的情况下，「高优更新先执行」的算法并无问题。

但考虑IO密集型场景的情况下，高优IO更新会阻塞低优CPU更新，这显然是不对的。

所以expirationTime算法并不能很好支持并发更新。

expirationTime算法在线Demo[1]

出现bug的原因

expirationTime算法最大的问题在于：expirationTime字段耦合了「优先级」与「批次」这两个概念，限制了模型的表达能力。

这导致高优IO更新不会与低优CPU更新划为同一「批次」。那么低优CPU更新就必须等待高优IO更新处理完后再处理。

如果不同更新能根据实际情况灵活划分「批次」，就不会产生这个bug。

重构迫在眉睫，并且重构的目标很明确：将「优先级」与「批次」拆分到两个字段中。

Lane调度算法

新的调度算法被称为Lane，他是如何定义「优先级」与「批次」呢?

对于优先级，一个lane就是一个32bit Interger，最高位为符号位，所以最多可以有31个位参与运算。

不同优先级对应不同lane，越低的位代表越高的优先级，比如：

1. // 对应SyncLane，为最高优先级 
2. 0b0000000000000000000000000000001 
3. // 对应InputContinuousLane 
4. 0b0000000000000000000000000000100 
5. // 对应DefaultLane 
6. 0b0000000000000000000000000010000 
7. // 对应IdleLane 
8. 0b0100000000000000000000000000000 
9. // 对应OffscreenLane，为最低优先级 
10. 0b1000000000000000000000000000000 

「批次」则由lanes定义，一个lanes同样也是一个32bit Interger，代表「一到多个lane的集合」。

可以用位运算很轻松的将多个lane划入同一个批次：

1. // 要使用的批次 
2. let lanesForBatch = 0; 
3.  
4. const laneA = 0b0000000000000000000000001000000; 
5. const laneB = 0b0000000000000000000000000000001; 
6.  
7. // 将laneA纳入批次中 
8. lanesForBatch |= laneA; 
9. // 将laneB纳入批次中 
10. lanesForBatch |= laneB; 

上文提到的Suspense的bug是由于expirationTime算法不能灵活划定批次导致的。

lanes就完全没有这种顾虑，任何想划定为同一「批次」的优先级(lane)都能用位运算轻松搞定。

Lane算法在线Demo[2]

总结

「调度算法」要解决两个问题：

1. 选取优先级
2. 选取批次

expirationTime算法中使用的expirationTime字段耦合了这两个概念，导致不够灵活。

Lane算法的出现解决了以上问题。

参考资料

[1]expirationTime算法在线Demo:

https://codesandbox.io/s/usetransition-stop-reacting-passed-props-updates-forked-5e7lh

[2]Lane算法在线Demo:

https://codesandbox.io/s/usetransition-stop-reacting-passed-props-updates-zoqm2?file=/src/index.js

原文链接：https://mp.weixin.qq.com/s/tkEYtRTrZovA4uVrfnNUDQ