Lobsters 项目中的 iOS Safari 子网格布局性能问题分析与解决方案
2025-06-14 19:48:37作者:温艾琴Wonderful
问题背景
Lobsters 是一个开源的社交新闻聚合平台,近期在 UI 刷新后,用户报告在 iOS Safari 浏览器上遇到严重的性能问题。主要表现为:
- 包含大量嵌套评论的页面渲染极其缓慢
- 滚动时重新渲染延迟明显
- 在评论框中输入字符时,每个字符的响应时间长达约 2 秒
这些问题特别影响包含深层嵌套评论树的页面,即使评论总数不多也会出现明显卡顿。
技术分析
经过开发者调查,发现问题根源在于 WebKit 浏览器引擎对 CSS 子网格(subgrid)布局的处理性能问题。具体表现为:
- 子网格嵌套问题:Lobsters 使用嵌套的子网格布局来呈现评论树结构,而 WebKit 在处理多层嵌套子网格时性能急剧下降
- 浏览器引擎差异:同一页面在 Firefox 上能瞬间渲染,而在 iOS Safari 和基于 WebKit 的 Epiphany 浏览器上则表现极差
- 输入延迟问题:由于页面布局计算耗时,导致与页面交互相关的 JavaScript(如自动调整文本框大小的 autosize 库)也受到严重影响
开发者创建了简化测试用例,确认仅需 20 层嵌套的子网格就能在 WebKit 上造成明显的渲染延迟。这已被确认为 WebKit 引擎的一个已知缺陷。
解决方案
Lobsters 开发团队采取了多阶段的解决方案:
- 临时优化:通过提交 b2965a6 引入标记优化,帮助浏览器在不同层级进行缓存,减少约束求解的计算量
- 布局重构计划:考虑完全重构 CSS 布局方案,可能的替代方案包括:
- 使用全局网格配合特定层级的 CSS 选择器
- 放弃网格布局,改用嵌套的 flexbox 结构
- 浏览器缺陷报告:向 WebKit 团队提交了性能退化问题的详细报告
实施效果
临时优化部署后,用户反馈性能有明显改善:
- 评论列表页(/threads)的加载和滚动变得流畅
- 输入延迟问题得到缓解
- 深层嵌套评论树的渲染时间显著缩短
经验总结
这一案例提供了几个重要的前端开发经验:
- 浏览器兼容性考量:即使使用现代 CSS 特性,也需要在不同浏览器引擎上进行充分测试
- 性能敏感设计:对于可能深度嵌套的 UI 结构(如评论树),应选择性能更稳定的布局方案
- 渐进式优化:在等待浏览器引擎修复的同时,可以通过架构调整缓解问题
- 用户反馈价值:真实用户的使用场景和反馈对于发现性能瓶颈至关重要
该问题的完整解决可能需要等待 WebKit 引擎的底层优化,但 Lobsters 团队通过架构调整已经显著改善了用户体验。
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- 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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
574
3.85 K
Ascend Extension for PyTorch
Python
388
464
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++
895
687
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
355
216
昇腾LLM分布式训练框架
Python
121
147
暂无简介
Dart
807
199
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥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
68
20
🎉 (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
1.38 K
782