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-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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
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- 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