框架横评这件事,要想得到更精确的结论,其实非常花费时间。它需要:
uni-app
团队投入两周完成了这个深度评测,下面我们就分享下,实际开发不同框架的测试例时遇到的问题,以及在各端的兼容测试结果。在本文里,我们团队基于真实测试数据及各框架官网可采集到的公开数据,希望客观公正地评价各个框架的选型和优劣。但宥于利益相关,本文的观点很可能是带有偏向性的,大家可以带着批判的眼光去看待。
cli
方式默认安装。开发一次,到处运行,是每个程序员的梦想。但现实往往变成开发一次,到处调错。
各个待评测框架,是否真得如宣传的那样,一次开发、多端发布?
我们将上述仿微博App依次发布到各平台,验证每个框架在各端的兼容性,结果如下:
测试结果说明:
wepy
2.0 宣称版已支持其他家小程序,本测试基于wepy
官网指引安装的wepy-cli
版本为1.7.3,尚不支持多端chameleon
官网未找到stopPullDownRefresh
定义,停止页面下拉刷新需分平台编写通过这个简单的例子可以看出,跨端支持度测评结论:uni-app
> taro
> chameleon
> mpvue
>wepy
、原生微信小程序
但是仅有上面的测试还不全面,实际业务要比这个测试例复杂很多。但我们没法开发很多复杂业务做评测,所以还需要再对照各家文档补充一些信息。
由于每个框架的文档中都描述了各种组件和API的跨端支持程度。我们过了几家的文档,发现各家基本是以微信小程序为基线,然后把各种组件和API在其他端实现了一遍:
taro
:H5端实现了大部分微信的API,App端和微信的差异比较大。uni-app
:组件、API、配置,大部分在各个端均已实现,个别API有说明在某些端不支持。可以看出uni-app是完整在H5端实现了一套微信模拟器,在App端实现了一套微信小程序引擎,才达到比较完善的平台兼容性。chameleon
:非常常用的一些组件和API在各端已经实现,这部分的平台差异较少。但大量组件和API需要开发者自己分平台写代码。跨端框架,一方面要考虑框架提供的通用api跨端支持,同时还要考虑不同端的特色差异如何兼容。毕竟每个端都会有自己的特色,不可能完全一致。
taro
:提供了js环境变量判断和统一接口的多端文件,可以在组件、js、文件方面扩展多端,不支持其他环节的分平台处理。uni-app
:提供了条件编译模型,所有代码包括组件、js、css、配置json、文件、目录,均支持条件编译,可不受限的编写各端差异代码。chameleon
:提供了多态方案,可以在组件、js、文件方面扩展多端,不支持其他方式的分平台处理。跨端框架,还涉及一个ui框架的跨端问题,评测结果如下:
taro
:官方提供了taro ui
,只支持微信小程序和H5两端,不支持App,详见uni-app
:官方提供了uni ui
,可全端运行;uni-app还有一个插件市场,里面有很多三方ui组件,详见chameleon
:官方提供了cml-ui
扩展组件库,可全端运行,但组件数量略少,详见最后补充跨端案例:
综合以上信息,本项的最终评测结论:uni-app
> taro
> chameleon
> mpvue
> wepy
、原生微信小程序
跨端框架基本都是compiler
+ runtime
模式,引入的runtime
是否会降低运行性能?
尤其是与原生微信小程序开发相比性能怎么样,这是大家普遍关心的问题。
我们依然以上述仿微博小程序为例,测试2个容易出性能问题的点:长列表加载、大量点赞组件的响应。
仿微博的列表是一个包含很多组件的列表,这种复杂列表对性能的压力更大,很适合做性能测试。
从触发上拉加载到数据更新、页面渲染完成,需要准确计时。人眼视觉计时肯定不行,我们采用程序埋点的方式,制定了如下计时时机:
Tips:setData
回调函数开头可认为是页面渲染完成的时间,是因为微信setData
定义如下(微信规范):
字段 | 类型 | 必填 | 描述 | |
---|---|---|---|---|
data | Object | 是 | 这次要改变的数据 | |
callback | Function | 否 | setData引起的界面更新渲染完毕后的回调函数 |
测试方式:从页面空列表开始,通过程序自动触发上拉加载,每次新增20条列表,记录单次耗时;固定间隔连续触发 N 次上拉加载,使得页面达到 20*N 条列表,计算这 N 次触发上拉到渲染完成的平均耗时。
测试结果如下:
说明:以400条微博列表为例,从页面空列表开始,每隔1秒触发一次上拉加载(新增20条微博),记录单次耗时,触发20次后停止(页面达到400条微博),计算这20次的平均耗时,结果微信原生在这20次 触发上拉 -> 渲染完成
的平均耗时为876毫秒,最快的uni-app
是741毫秒,最慢的mpvue
是4493毫秒
大家初看这个数据,可能比较疑惑,别急,下方有详细说明
说明1:为何 mpvue/wepy 测试数据不完整?
mpvue
、wepy
诞生之初,微信小程序尚不支持自定义组件,无法进行组件化开发;mpvue
、wepy
为解决这个问题,将用户编写的Vue
组件,编译为WXML
中的模板(template),变相实现了组件化开发能力,提高代码复用性,这在当时的技术条件下是很棒的技术方案。
但如此方案,在页面复杂、组件较多的时,会大量增加页面 dom 节点数量,甚至超出微信的 dom 节点数限制。我们在 红米手机(Redmi 6 Pro)上实测,页面组件超过500个时,mpvue
、wepy
实现的仿微博App就会报出如下异常,并停止渲染,故这两个测试框架在组件较多时,测试数据不完整。这也就意味着,当页面组件太多时,无法使用这2个框架。
dom limit exceeded please check if there's any mistake you've made
Tips:wepy
在400条列表以内,为何性能高于微信原生框架,这个跟自定义组件管理开销及业务场景有关(wepy
编译为模板,不涉及组件创建及管理开销),后续对微博点赞,涉及组件数据传递时,微信原生框架的性能优势就提现出来了,详见下方测试数据。
说明2:为什么测试数据显示uni-app 会比微信原生框架的性能略好呢?
其实,在页面上有200条记录(200个组件)时,taro
性能数据也比微信原生框架更好。
微信原生框架耗时主要在setData
调用上,开发者若不单独优化,则每次都会传递大量数据;而 uni-app
、taro
都在调用setData
之前自动做diff
计算,每次仅传递变动的数据。
例如当前页面有20条数据,触发上拉加载时,会新加载20条数据,此时原生框架通过如下代码测试时,setData
会传输40条数据
data: {
listData: []
},
onReachBottom() { //上拉加载
let listData = this.data.listData;
listData.push(...Api.getNews());//新增数据
this.setData({
listData
}) //全量数据,发送数据到视图层
}
开发者使用微信原生框架,完全可以自己优化,精简传递数据,比如修改如下:
data: {
listData: []
},
onReachBottom() { //上拉加载
// 通过长度获取下一次渲染的索引
let index = this.data.listData.length;
let newData = {}; //新变更数据
Api.getNews().forEach((item) => {
newData['listData[' + (index++) + ']'] = item //赋值,索引递增
})
this.setData(newData) //增量数据,发送数据到视图层
}
经过如上优化修改后,再次测试,微信原生框架性能数据如下:
从测试结果可看出,经过开发者手动优化,微信原生框架可达到更好的性能,但 uni-app
、taro
相比微信原生,性能差距并不大。
这个结果,和web开发类似,web开发也有原生js开发、vue、react框架等情况。如果不做特殊优化,原生js写的网页,性能经常还不如vue、react框架的性能。
也恰恰是因为Vue
、react
框架的优秀,性能好,开发体验好,所以原生js开发已经逐渐减少使用了。
复杂长列表加载下一页评测结论:微信原生开发手工优化
,uni-app
>微信原生开发未手工优化
,taro
> chameleon
> wepy
> mpvue
注:有人以为uni-app和mpvue是一样的,早期uni-app确实使用过mpvue,但后来因为性能和vue语法支持度问题已经重新开发了。
长列表中的某个组件,比如点赞组件,点击时是否能及时的修改未赞和已赞状态?是这项测试的评测点。
测试方式:
onclick
函数开头开始计时,setData
回调函数开头结束计时;在红米手机(Redmi 6 Pro)上进行多次测试,求其平均值,结果如下:
说明:也就是在列表数量为400时,微信原生开发的应用,点赞按钮从点击到状态变化需要111毫秒。
测试结果数据说明:
template
实现组件开发的框架(wepy/mpvue)性能组件数据更新性能测评:微信原生开发
,uni-app
,taro
> chameleon
> wepy
> mpvue
综上,本性能测试做了2个测试,长列表加载和组件状态更新,综合2个实验,结论如下:
微信原生开发手工优化
,uni-app
>微信原生开发未手工优化
,taro
> chameleon
>> wepy
> mpvue
主流跨端框架基本都遵循React、Vue(类Vue)语法,其主要目的:复用工程师的现有技术栈,降低学习成本。此时,跨端框架对于原框架(React/Vue)语法的支持度就是一个重要的衡量标准,如果支持度较低、和原框架语法差异较大,则开发者无异于要学习一门新的框架,成本太高。
实际开发中发现,各个多端框架,都没有完全实现vue、react在web上的所有语法:
taro
对于 JSX
的语法支持是相对完善的,其文档中描述未来版本计划,
更多的 JSX 语法支持,1.3 之后限制生产力的语法只有只能用 map 创造循环组件一条
mpvue
、uni-app
框架基于 Vue.js
核心,通过修改 Vue.js
的 runtime
和 compiler
,实现了在小程序端的运行,支持绝大部分的Vue语法;uni-app
编译到微信端曾经使用过mpvue
,但后来重新编写,支持了更多vue语法如filter
、复杂 JavaScript
表达式等;
wepy
、chameleon
都是 类Vue
的实现,仅支持 Vue
的部分语法,开发时需要单独学习它们的规则;
DSL语法支持评测:taro
,uni-app
> mpvue
> wepy
,chameleon
学习资料完善度评测:uni-app > mpvue , taro > chameleon > wepy
开发难免遇到问题,官方技术支持和社区活跃度很重要。
本次评测demo开发期间,我们的同学(同时掌握vue和react),在学习研究各个多端框架时,切实感受到由于语法、学习资料、社区的差异带来的学习门槛,吐出了很多槽。
综合评估,本项评测结论:uni-app
> taro
> mpvue
> wepy
> chameleon
Tips:本测评忽略React、Vue两框架自身的学习门槛
所有多端框架均支持cli
模式,可以在主流前端工具中开发。
各框架基本都带有d.ts的语法提示库。
由于mpvue
、uni-app
、taro
直接支持vue
、react
语法,配套的ide工具链较丰富,着色、校验、格式化完善,chameleon
针对部分编辑器推荐了插件,wepy
的有一些三方维护的vscode插件。
工具属性维度,明显高出一截的框架是uni-app
,其出品公司同时也是HBuilder的出品公司,DCloud.io。
HBuilder/HBuilderX系列是四大主流前端开发工具,其为uni-app
做了很多优化,故uni-app
的开发效率、易用性非其他框架可及。
当然对于不习惯HBuilderX的开发者而言,uni-app
的这个优势无法体现。
一个底层框架,其周边配套非常重要,比如ui库、js库、项目模板。
值得注意的是,uni-app
和mpvue
的插件生态是互通的,都是vue插件。所以双方还联合举办了插件大赛。这个联合生态的周边丰富度,是目前各个框架中最丰富的。
综上比较,工具和周边生态评测结论:uni-app
,mpvue
> wepy
> taro
> chameleon
github star:
github star 数对比: taro
> wepy
>mpvue
> uni-app
> chameleon
Tips:
百度指数
百度指数代表了开发者的搜索量和包含关键字的网页数量。如下是各跨端框架近7天(2019-03-24 ~ 2019-03-30)的百度指数:
Tips:
wepy
未被百度指数收录,说明其搜索量和包含该关键字的网页数量都不够多。可以看出一个较大的冲突就是uni-app的star数量较少,而百度指数较高。
根据我们分析,star数量和产品发布时间有关,也和用户使用习惯有关。大多框架的交流互动主要是github的issus,而uni-app
的开发者在其问答社区交流,github页面访问量较低。另外我们观察了一周的star的增速,每周star新增量,uni-app是最多的。
案例
我们对比了每个框架公布的案例,如下的框架名称的超链接已指向其案例页面,可以直接访问。
仅看发布到微信小程序的案例,数量和质量综合对比,wepy > mpvue > taro , uni-app > chameleon
如果看多端案例,综合对比,uni-app > taro > mpvue > wepy > chameleon
wepy
:的知名案例较多,包括很多一线互联网公司。mpvue
、taro
:跨端框架的出品方本身为一线互联网公司,其内部项目会使用这些框架,经受过实战考验。除内部项目外,暂无其他一线互联网公司使用。uni-app
:案例很多,官方数据已经超过10w+。但以创业者和政企单位为主,暂无一线开发者使用。chameleon
:未找到案例,无法参与本评测。1. App侧的补充说明
目前有taro
、uni-app
、chameleon
三家框架支持App端。但在App端大多是三方产品,比如taro
使用expo
(一个基于react native
的封装库),chameleon
使用weex
。
不管react native
还是weex
,其架构与小程序架构完全不同,从排版到API能力都差别很大,所以这类产品跨App端时兼容性较差。
uni-app
的App端,内置一个完整小程序引擎,并补充了可选的weex
引擎给对性能要求更高的开发者。这也是uni-app
在App端能够正常运行微信小程序代码的原因。
整个业内目前还不存在一个完全开源的小程序引擎(微信、百度、支付宝、头条的小程序引擎源码均未开源)。uni-app
的小程序引擎不是全开源,而是能力层开源,中控未开源。
所以可能各家的多端框架,在App端都有不完美的地方,需要开发者使用时注意。
其实App引擎并非前端领域,是原生领域的另一个竞技场。后续uni-app
会再出一个与cordova
、react native
、weex
、flutter
的横评。
2. 转换和混写
taro
提供了原生小程序转换为taro
工程的转换器,也支持在原生小程序里部分页面嵌入taro
编写的页面。uni-app
和chameleon
提供了转换的文档,没有转换工具。
真实客观的永远是实验和数据,而不是结论。不同需求的开发者,可以根据上述实验数据,自行得出自己的选型结论。
但作为一篇完整的评测,我们也必须提供一份总结,虽然它可能加入了我们的主观感受:
uni-app
仍然是最好的选择,除非你有兴趣手动优化原生小程序的代码,或者对react非常熟悉不愿意学习vue也可以使用taro
。uni-app
仍然是最好的选择,taro
次之。uni-app
是最好的选择。uni-app
是唯一可商用的选择。当然,uni-app
也距离完美尚远,只是在参比框架中相对有优势。uni-app
团队也仍继续大力投入,持续填坑,帮助开发者提升投入产出、提升开发体验!
如有读者认为本文中任何评测失真,欢迎在这里报 issuse。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。