TanStack Table 中复选框渲染性能优化实践
2025-05-07 14:41:36作者:伍希望
问题背景
在使用 TanStack Table(原 React Table)构建权限管理表格时,开发者遇到了复选框渲染延迟的问题。表格中每一行代表一个权限,每一列代表一个角色,单元格内使用复选框表示该角色是否拥有该权限。当用户点击复选框时,会出现明显的延迟才能看到状态变化。
原始实现分析
最初实现中,开发者采用了以下关键设计:
- 使用
useMemo缓存列定义(columns),依赖项为角色列表和角色权限数据 - 在复选框的
onCheckedChange回调中,先更新本地状态,再调用 API 更新后端 - 使用
defaultChecked而非checked来控制复选框状态
这种实现方式虽然遵循了 TanStack Table 的最佳实践(使用 useMemo 缓存列定义),但却导致了性能问题。每次点击复选框时,由于状态更新触发了列定义的重新计算,进而导致整个表格的重新渲染,造成了明显的延迟。
性能问题根源
经过深入分析,发现性能瓶颈主要来自以下几个方面:
- 状态更新导致的列重新计算:每次复选框状态变化都会触发
rolePermissions状态更新,进而触发useMemo重新计算列定义 - 不必要的本地状态管理:实际上权限数据来自父组件,本地状态只是作为中间层,增加了复杂性
- 列定义的复杂性:动态生成的列(每个角色对应一列)使得列定义计算成本较高
优化方案
最终采取的优化方案是:
- 移除不必要的本地状态:直接使用父组件传入的
rolePermissions和permissions,不再维护本地副本 - 简化数据流:复选框点击直接调用父组件传入的
onUpdateRolePermission方法,不再经过本地状态中转 - 保留 useMemo 优化:继续使用
useMemo缓存列定义,但依赖项减少,计算更高效
优化后的关键代码如下:
const handleCheckboxChange = async (
roleId: string,
permissionId: string,
currentChecked: boolean
) => {
try {
await onUpdateRolePermission(roleId, permissionId, !currentChecked);
} catch (e) {
console.error("error from change", e);
}
};
const columns = React.useMemo(() => {
return getColumns({ roles, handleCheckboxChange, rolePermissions });
}, [roles, rolePermissions]);
优化效果
经过上述优化后:
- 复选框响应变得即时,不再有可感知的延迟
- 代码更加简洁,减少了不必要的状态管理
- 仍然保持了 TanStack Table 的最佳实践
- 数据流更加清晰,便于维护
经验总结
通过这个案例,我们可以总结出以下 TanStack Table 使用经验:
- 谨慎管理状态:在表格组件中,应该尽量减少不必要的本地状态,特别是当数据来自父组件时
- 合理使用 useMemo:对于复杂的列定义,useMemo 是必要的,但要确保依赖项尽可能简单
- 直接操作数据源:当数据来自外部时,优先考虑直接操作外部数据源,而不是通过本地状态中转
- 性能监控:对于交互复杂的表格,应该密切关注用户操作的响应速度,及时优化
这个案例展示了如何在使用 TanStack Table 构建复杂交互表格时,平衡功能实现与性能优化的关系,为类似场景的开发提供了有价值的参考。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
651
797
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.25 K
153
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.1 K
611
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++
1.01 K
1.01 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
147
237
昇腾LLM分布式训练框架
Python
168
200
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
434
395
暂无简介
Dart
986
253