不同的fiber任务有不同的优先级,为了用户体验,React需要先处理优先级高的任务。
为了存储这些任务,React中有两个任务池:
// Tasks are stored on a min heap
var taskQueue = []; // 存储立即要执行的任务
var timerQueue = []; // 存储可以延迟执行的任务
源码中任务的初始结构:
var newTask = {
id: taskIdCounter++, // 标记任务id
callback, // 回调函数
priorityLevel,
startTime, // 任务开始时间,时间点
expirationTime, // 过期时间,时间点
sortIndex: -1, // 排序(取值来自过期时间,因此值越小,优先级越高)
};
React 中一旦来了新任务,就会先用currentTime记录当前时间(performance.now())或Date.now(),如果任务中有delay参数,那么任务开始执行时间startTime = currentTime + delay。接下来通过startTime > currentTime 如果成立,证明任务是可以延期的,那么任务进入timerQueue,否则进入taskQueue。
如果找到优先级最高的任务?
以taskQueue为例, 它是动态的任务池。Array.sort对它排序可行,但不是最优方案,每次sort,平均时间复杂度是nlog(n)。可以考虑小顶堆。
为什么不是大顶堆呢?因为taskQueue的newTask中的排序用的是sortIndex,这个值取自过期时间expirationTime,意味着优先级越高的任务越需要立马执行,那么过期时间自然就越小了(优先级越高,过期时间越小。) 当然也有可能两个任务的过期时间一样,那这时就要看谁先进的任务池了,也就是newTask中的id,每次来了新任务,id都会加1。
所以React源码中任务比价优先级的函数如下:function compare(a,b){ const diff = a.sortIndex - b.sortIndex; return diff !== 0 ? diff : a.id - b.id; }
- 1
- 2
- 3
- 4
用到最小堆,就是把taskQueue做成最小堆的数据结构,然后在执行任务的时候,取最小堆的最小任务,如果任务处理完毕,那么需要把这个任务从taskQueue中删除,并重新调整剩下的任务池,依然保证它是最小堆的数据结构。当然,往taskQueue中插入新任务的时候,也要调整taskQueue,保证新的任务池仍是最小堆。
一颗深度为k的有n个节点的二叉树,对树中的节点按从上至下、从左至右的顺序进行编号,如果编号为i
(1<=i <=n)的节点与满二叉树中的位置相同,则这颗二叉树称为完全二叉树。
是一种经过排序的完全二叉树,任一非终端节点的数据值均不大于其左子节点和右子节点的值。
获取最小堆的堆顶值。
export function peek(heap) {
return heap.length === 0 ? null : heap[0];
}
往最小堆里添加一个元素,因为taskQueue 本身已经是最小堆,并且是数组存储,这时为了尽可能多的复用原先的结构,我们可以先把新元素插入数组尾部,然后从下往上调整最小堆。
export function push (heap, node) {
const index = heap.length;
heap.push(node);
siftUp(heap, node, index);
}
向上调整最小堆:
function siftUp (heap, node, i) {
let index = i;
while (index > 0) {
// 父节点下标
const parentIndex = (index - 1) >>> 1;
// 父节点
const parent = heap[parentIndex];
if(compare(parent,node) > 0) {
// parent> node 不符合最小堆
heap[parentIndex] = node;
heap[index] = parent;
index = parentIndex;
} else {
// 已经符合
}
}
}