Mermaid-CLI 中 Puppeteer 连接配置的实践与优化
2025-06-27 01:31:00作者:伍希望
背景介绍
Mermaid-CLI 是基于 Node.js 的命令行工具,用于将 Mermaid 图表转换为各种输出格式。它底层使用 Puppeteer 库来控制 Chromium 浏览器进行渲染。在实际使用中,用户可能会遇到性能优化需求,特别是希望复用浏览器实例以减少启动时间。
核心问题分析
在使用 Mermaid-CLI 时,用户尝试通过 Puppeteer 的 browserUrl 或 browserWSEndpoint 配置参数来连接到一个已经运行的 Chromium 实例,但发现这些配置未被正确识别。这导致每次运行命令时都会启动新的浏览器实例,增加了处理时间。
技术原理
Puppeteer 提供了两种连接现有浏览器实例的方式:
- browserWSEndpoint:通过 WebSocket 端点连接
- browserUrl:通过 HTTP 调试端口连接
这两种方式理论上都可以实现浏览器实例的复用,但需要注意版本兼容性和配置格式。
解决方案探索
方案一:自定义 Node.js 脚本
通过编写自定义脚本,可以完全控制 Puppeteer 的生命周期:
import {writeFile} from 'node:fs/promise';
import puppeteer from 'puppeteer'
import { renderMermaid } from '@mermaid-js/mermaid-cli';
// 创建单个浏览器实例
const browser = await puppeteer.launch();
async function main() {
// 可重复使用同一浏览器实例
const { data } = await renderMermaid(browser, mermaidCode, 'png');
await writeFile(data, 'output.png');
}
main();
这种方案的优势在于完全掌控浏览器实例,适合需要批量处理多个图表的场景。
方案二:升级 Mermaid-CLI 版本
较新版本的 Mermaid-CLI 使用了更新的 Puppeteer 版本,可能对连接配置有更好的支持。可以通过安装开发中的 v11 版本尝试解决兼容性问题。
实践建议
- 性能权衡:对于单次转换,2秒左右的启动时间是可以接受的
- 批量处理:如需处理多个图表,建议采用自定义脚本方案
- 替代方案:可以考虑使用专门的 Go 语言实现等轻量级方案
总结
虽然 Mermaid-CLI 默认配置下不支持直接复用浏览器实例,但通过自定义脚本或版本升级可以解决这一问题。在实际项目中,应根据具体需求选择最适合的优化方案,平衡开发便利性和性能要求。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C030
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
最新内容推荐
TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 谷歌浏览器跨域插件Allow-Control-Allow-Origin:前端开发调试必备神器 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
426
3.26 K
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++
689
335
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
231
265
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
React Native鸿蒙化仓库
JavaScript
266
326
🎉 (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
1.22 K
667
🔥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
65
19
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
25
30