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 08:14:51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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
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
9
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
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.87 K
暂无简介
Dart
671
155
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
260
322
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++
661
309
🎉 (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
1.19 K
653
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1