JS框架基准测试项目在Chrome 124中的性能异常分析
在JS框架基准测试项目中,Chrome 124浏览器版本出现了一系列令人困惑的性能异常现象。本文将从技术角度深入分析这些异常的表现、原因以及最终的解决方案。
性能异常现象
测试团队最初发现Chrome 124的测试结果出现了几个明显异常:
-
异常的性能数值:最快的框架得分仅为1.05,这在历史数据中通常预示着测量可能存在问题。
-
RAF框架表现异常:使用requestAnimationFrame(RAF)的框架(如Imba)在测试中表现优于不使用RAF的框架,这与常规认知不符。
-
测试结果不一致:自动化测试结果与手动测试结果存在显著差异,特别是在"创建1000行"测试场景中。
深入技术分析
通过详细的性能追踪和对比测试,团队发现了几个关键现象:
-
GC调用影响:强制垃圾回收(GC)对不同框架的影响不一致。正常情况下,强制GC应该有助于大多数框架,因为它可以防止在执行过程中发生GC。然而在ivi框架中,强制GC反而会略微降低性能。
-
时间测量问题:对于使用RAF的框架,存在两个提交事件,而传统框架只有一个。这导致测量方式的选择会影响最终结果。
-
延迟影响性能:在测试中添加延迟会显著影响性能结果,这在Chrome 123及之前版本中是不存在的现象。
问题根源
经过深入排查,发现问题主要源于:
-
GC机制变化:Chrome 124对垃圾回收机制进行了优化调整,导致原有的GC调用方式不再完全有效。
-
HTML解析优化:Chrome 124对innerHTML等DOM操作进行了优化,这影响了不同框架之间的相对性能表现。
-
RAF处理变化:浏览器对requestAnimationFrame的处理方式有所调整,导致使用RAF的框架测量结果出现偏差。
解决方案
团队最终通过以下方法解决了这些问题:
-
改进GC调用:使用更全面的GC调用方式,包括指定GC类型和执行方式:
window.gc({type:'major',execution:'sync',flavor:'last-resort'}) -
统一测量标准:对于使用RAF的框架,明确测量从点击事件到最后一个提交事件结束的时间,确保公平性。
-
内存使用监控:增加对测试后内存使用的监控,确保GC确实有效清理了内存。
经验总结
这次事件提供了几个重要的技术经验:
-
浏览器版本升级可能对性能测试产生意想不到的影响,需要特别关注。
-
GC策略在现代JavaScript性能测试中扮演着关键角色,需要谨慎处理。
-
自动化测试与手动测试结果的一致性验证至关重要,可以及早发现问题。
-
性能测量方法需要随着浏览器技术发展而不断调整,不能一成不变。
通过这次问题的解决,JS框架基准测试项目不仅修复了Chrome 124下的测试异常,还完善了测试方法论,为未来的浏览器版本兼容性打下了更好基础。
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