教你阅读vue源码的正确姿势

一、源码阅读姿势

1. 先整体 - 后细节

• 先弄清楚源码分为哪几个模块，整套流程是怎么将各个模块串起来的。
• 然后细化了解每个模块的核心原理。

2. 站在别人的肩膀上

• 不用一股脑扎进源码仓库里一点点啃，这样很低效，适用于对源码较为了解的人
• 推荐先读别人的源码简介，源码分析（推荐：Vue.js 技术揭秘），弄清楚脉络，还有每个部分的大概功能和核心流程。心里带着思路去看源码实现。
• 多数情况不需要逐行代码的细究，但针对某些核心功能的实现需要细究，例如：虚拟dom、diff算法、数据驱动、响应式实现以及组件化等核心的功能的核心实现推荐细看。

3. 读多遍

• 一次粗读：看整体流程，看每个模块的核心功能和职责，体会平时写的代码在源码里面经过了什么步骤体现到了页面上。
• 二次精读：看细节实现，弄清楚核心模块的实现方式（如弄懂diff算法思路，最好自己动手实现）。
• 三次领悟：领悟源码整体架构和设计思想，体会每个模块之间如何配合协作，架构如何组织。

二、步骤

• 依赖分析组装：路由、父子组件层级
• 模版编译：解析成AST语法树，进而构建虚拟dom树
• 装载页面：虚拟dom整体转化为真实dom
• 局部更新：响应式数据监控到变化，diff比较数据变化前后的虚拟dom树差异，局部更新dom
• 销毁：销毁虚拟dom，移除dom

三、vue源码导读

vue源码核心部分原理简述：vue源码分析和对原理的理解

• template风格、对象配置风格
• 虚拟dom思想（js对象操作代替dom操作）
• diff算法思想（同层比较，添加、移动、删除）
• 组件化思想（组件编译、组件通信）
• 数据响应式（依赖收集、派发更新，发布订阅）

四、vue3新特性了解

vue2.x的痛点:

• 源码自身的维护性；
• 数据量大后带来的渲染和更新的性能问题；
• 一些想舍弃但为了兼容一直保留的鸡肋 API 等；
• TypeScript 支持；

vue3.0优化点:

• 一、使用 monorepo管理源码
• 二、使用 TypeScript 开发源码
• 三、性能优化 1.源码体积优化 2.数据劫持优化Proxy 3.编译优化 4.diff算法优化
• 四、语法 API 优化：Composition API

详情见：了解Vue3 的新特性

五、细究一下diff算法

vue2的diff

组件更新核心是响应式数据监控到数据的改变，重新生成了虚拟dom树，然后通过diff算法计算出前后虚拟dom树的差异点，更新dom时只更新变化的部分。 快问快答：

1. 为什么要diff？

答： O(n^3) 意味着如果要展示1000个节点，就要依次执行上十亿次的比较，无法承受大数据量的对比。

直接比较和修改两个树的复杂度为什么是n^3？

答： 老树的每一个节点都去遍历新树的节点，直到找到新树对应的节点。那么这个流程就是 O(n^2)，再紧接着找到不同之后，再计算最短修改距离然后修改节点，这里是 O(n^3)。

2. diff的策略是什么？有什么根据？

答： 1、Web UI 中 DOM 节点跨层级的移动操作特别少，可以忽略不计，因此仅进行同层比较。 2、如果父节点不同，放弃对子节点的比较，直接删除旧节点然后添加新的节点重新渲染； 3、如果子节点有变化，Virtual DOM不会计算变化的是什么，而是重新渲染。 4、同级多个节点可通过唯一的key对比异同；

3. diff流程是什么？

答： 新旧节点不同：创建新节点 ➜ 更新父占位符节点 ➜ 删除旧节点； 新旧节点相同且没有子节点：不变； 新旧节点相同且都有子节点：遍历子节点同级比较，做移动、添加、删除三个操作，具体见下图；

vue3.0的diff

深度递归遍历vnode树，节点的标签和key相同认为是同一个节点则更新，不同则删除，然后处理子节点。 子节点分这几种情况处理：纯文本、vnode 数组和空

空往往意味着添加或删除； 纯文本相同直接更新innerText，不同则删除； 新旧子节点都是vnode数组则diff算法来处理；

vue3.0 diff算法思想

• 编译模版时进行静态分析，标记动态节点，diff对比差异时仅对比动态节点（性能提升明显）；
• diff算法先去头去尾，借此缩短遍历对比数组长度（对数组插入和删除操作性能优化明显）；
• 通过对更新前后子节点数组建立映射表的方式，将O(n^2)复杂度的遍历降低到O(n)；
• 通过最长递增子序列方法了来diff前后的子节点数组，减少移动操作的次数；

vue3.0 diff算法的实现见：diff算法demo演示

最长递增子序列算法实现：

leetcode最长递增子序列算法题

/*
 * 寻找最长递增子序列
 * 使用动态规划思想，a -> c = a -> b + b -> c
 * 其中p数组存储的是从p[p[i]] 到 p[i] 的最长递增子序列索引，也就是前一个b的索引；
 * r数组存储最后一个元素也就是c的索引
 */
 function getSequenceOfLIS(arr) {
    const p = [0];
    const result = [0];
    for (let i = 0; i < arr.length; i ++) {
        const val = arr[i];
        const top = result[result.length - 1];
        if (arr[top] < val) {
            p[i] = top;
            result.push(i);
            continue;
        }
        // 二分法搜索
        let l = 0, r = result.length - 1;
        while(l < r) {
            const c = (l + r) >> 1;
            if (arr[result[c]] < val) {
                l = c + 1;
            } else {
                r = c;
            }
        }
        if (val < arr[result[l]]) {
            if (l > 0) {
                p[i] = result[l - 1]
            }
            result[l] = i;
        }
    }
    // 回朔p数组，找出最长递增子序列
    let preIndex = result[result.length - 1];
    for (let i = result.length - 1; i > 0; i --) {
        result[i] = preIndex;
        preIndex = p[preIndex]
    }
    return result;
}