Lexical 编辑器历史记录插件的性能优化实践
2025-05-10 03:02:43作者:董灵辛Dennis
历史记录对编辑器性能的影响
在富文本编辑器开发中,历史记录功能是提升用户体验的重要特性,它允许用户撤销和重做编辑操作。然而,Facebook开源的Lexical编辑器在处理大型文档时,历史记录插件可能导致内存使用量显著增加。
通过性能分析发现,当启用历史记录插件时,JavaScript堆内存使用量会随着编辑操作的增加而持续增长。相比之下,禁用历史记录插件时,内存使用保持相对稳定。
历史记录限制的实现方案
针对这一问题,Lexical提供了灵活的解决方案。由于历史记录的数据结构是公开的,开发者可以直接操作这些结构来实现历史记录的限制功能。
核心思路是通过监听编辑器更新事件,定期修剪历史记录栈的大小。具体实现中,我们需要关注两个关键数据结构:
redoStack:存储可重做的操作undoStack:存储可撤销的操作
以下是一个优化的历史记录插件实现示例,它允许设置最大历史记录条数:
function pruneHistoryListener({redoStack, undoStack}: HistoryState, maxHistory: number): UpdateListener {
return () => {
redoStack.length = Math.max(0, Math.min(maxHistory, redoStack.length));
undoStack.length = Math.max(0, Math.min(maxHistory - redoStack.length, undoStack.length));
};
}
function LimitedHistoryPlugin(props: {
delay?: number = 1000;
maxHistory?: number = 50;
externalHistoryState?: HistoryState;
}) {
const historyState = useMemo(() => externalHistoryState || createEmptyHistoryState(), [externalHistoryState]);
const [editor] = useLexicalComposerContext();
useEffect(() => {
return mergeRegister(
registerHistory(editor, historyState, delay),
editor.registerUpdateListener(pruneHistoryListener(historyState, Math.max(0, maxHistory))),
);
}, [editor, historyState, delay, maxHistory]);
return null;
}
优化效果验证
实际测试表明,这种限制历史记录大小的方案效果显著:
- 当设置
maxHistory为100时,内存使用保持在一个较低且稳定的水平 - 当设置
maxHistory为500时,内存使用量有所增加,但仍远低于不限制历史记录大小的情况
进阶优化思路
对于追求更高性能的场景,可以考虑以下更精细的优化策略:
-
基于节点数的限制:不是简单地限制历史记录条目数,而是计算每个历史记录条目中节点映射表(
nodeMap)的大小,根据总节点数来限制历史记录。 -
高效数据结构:替代直接引用完整编辑器状态的做法,设计更紧凑的数据结构来存储历史记录变化。
-
差异存储:只存储状态之间的差异,而不是完整的编辑器状态。
这些高级优化虽然能带来更好的性能,但实现复杂度也会显著增加,需要权衡开发成本和性能收益。
实践建议
对于大多数应用场景,简单的历史记录条数限制已经能够有效控制内存使用。建议:
- 根据文档大小和编辑频率选择合适的
maxHistory值 - 对于内容管理系统等长期运行的编辑器实例,务必启用历史记录限制
- 定期测试不同设置下的内存使用情况,找到最佳平衡点
通过合理配置历史记录插件,开发者可以在保持良好用户体验的同时,确保编辑器在各种使用场景下都能保持流畅的性能表现。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
deepin linux kernel
C
28
15
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
663
4.27 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.54 K
894
Ascend Extension for PyTorch
Python
506
612
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
392
290
暂无简介
Dart
909
219
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
昇腾LLM分布式训练框架
Python
142
168
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
940
867
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108