大家好呀，好久没有写正式的文章了，有点生疏了。最近完成了一个库的PoC，在最近一期的《Robust》里面也有介绍到，你有听最近一期的《Robust》吗？这个库叫sfcjs，sfc即single file component的缩写，你写过vue的话，肯定知道vue的.vue后缀文件的写法，对的，就是这个家伙。

在这个库中，我基于依赖收集做响应式更新，整个视图被提前建立一个树状结构，并且有一个依赖收集的列表，每次被依赖的响应式数据发生变化，就去遍历每个节点，检查每个节点的依赖是否有这个变化的数据，如果有，就更新当前这个节点。sfcjs里面没有用virtual dom，更新只针对当前节点，所以效率肯定会比react vue都高。

在这个机制里面，有一个场景是，一个响应式数据可能依赖了另外一个响应式数据，例如：

let a = 1
let b = a + 5

其中b依赖了a，也就是说，b在每次a发生变化的时候，都应该更新。这也意味着，在视图中，依赖了b的节点，实际上也会被a的更新所触发重新渲染。

这里就会有一个问题，假如这种依赖关系比较复杂，那么，这个更新的机制应该怎么处理呢？例如，我们有如下这些变量：

let a = 1
let b = a + 5
let c = a + b + 3
let d = c + 9
let e = a * 4
let f = 10
let g = f + a + c + 2
let h = a + d + 6
let i = g + d

它们之间的依赖关系如下：

基于这个图，我们可以看到所有这些变量之间的依赖关系，这个可以被称为“全依赖图”。但是，在我们的代码中，虽然声明了这些变量，但是我们真正在视图中，可能并没有全部用到，我们可能只用到了bcdfg这几个，可以发现，我们实际的依赖图比这个“全依赖图”要小，但是，虽然我们只依赖了bcdfg，但是实际上，a这个变量也被依赖了。所以，最终的“最小依赖图”是这样：

从这个图上，我们其实可以猜测出，真正能够发生变化的，只有af这两个变量，其他变量都是中间过程变量。

现在，我们回到编程的思路中来，假设我们的一个节点依赖了c和g，此时，我们要如何编程，才能在代码层面让我们的这个节点在a发生更新时更新节点内容呢？

我们来看看一些框架是怎么做的吧。

先看看angularjs：

$scope.$watch('a', () => {
  $scope.c = $scope.b + $scope.a + 3
})

$scope.$watch('b', () => {
  $scope.c = $scope.b + $scope.a + 3
})

$scope.$watch('a', () => {
  $scope.b = $scope.a + 5
})

// ... 省略其他依赖关系梳理

可以看到在angualrjs中我们没有办法直接表达依赖关系，只能通过$watch来在某个值发生变化时，做一个计算，从而使另外一个值发生变化。angularjs基于脏检查机制去处理这些属性，关于脏检查机制，我在之前的一篇文章中有解释过，这里就不再赘述。总之，你会发现，这里的所有watch函数，都要执行好多次。

再来看看vue里面：

export default {
  data() {
    return {
      a: 1,
      f: 10,
    }
  },
  computed: {
    b() {
      return this.a + 5
    },
    c() {
      return this.a + this.b + 3
    },
    d() {
      return this.c + 9
    },
    g() {
      return this.a + this.c + this.f + 2
    },
  },
}

哇塞，这样就可以完全表达出一个变量的依赖逻辑，虽然单纯从表达式来看，我们并不知道dg依赖了a，但是基于vue的依赖收集，当this.a发生变化时，这些计算属性都会重新进行计算。

看上去完美对么？但是，如果你深入了解过vue的计算属性的实现原理，你可能会发现，它的依赖计算本质上还是watcher（在vue3中已经重构，不再使用这种方案），通过对a的监听，来重新计算bcdg。但是，你有没有发现，当a发生变化的时候，c要重新计算一次，而此时，b也会重新计算一次，b的重新计算，又会导致c再重新计算一次，也就是说，a的变化，会让c计算两次。

但是，这完全没有必要对吗？

有没有一种方法，可以让这些基于依赖的重新计算只执行一次呢？有的。

我们现在重新去分析angular和vue里面的问题所在，或许也是整个设计上的无奈。就是我们无法在一开始就知道c依赖ab的同时，b也依赖a。也就是说，bc这两个都依赖a的计算属性是割裂的，所以，每次重新计算值的时候，它们只能自己单独计算，而这种割裂就导致c在a变时计算一次，b变时再计算一次。

怎么办呢？

我们建立一种计算的优先级等级机制来完成重新计算。也就是说，这次，我们不是所有的bcdg平等的大家都来计算一次自己，而是有一个基于优先级的等级划分，通盘考虑，统筹规划。

在这种等级划分中，我们确定哪些变量先重新计算，哪些后重新计算，也就是分批计算。而这个分批次的算法，就是本文的重点。先按住不讲。通过这个分批之后，每个变量我只需要计算一次。我们先用我们的眼睛来统筹规划一下，上面的最小依赖图中，我们可以这样划分批次：

af|b|c|dg

第一批是af，第二批是b，第三批是c，第四批是dg。按照这个顺序分批计算，只需要计算一次，我就能让所有的值都更新到正确的值。你可以自己去验证一下，是不是这样。

这是怎么做到的呢？你可以这样思考，比如我们拿c举例，如果a发生变化的时候，马上去重新计算c，紧接着，b也会由于a变而发生变化，c还需要再计算一次才能得到正确结果。既然如此，我们就可以在一开始的时候，不计算c，而是在b变化的时候再计算c。

等一等！！

这里的表述是错误的，在分批的这种思想下，根本不是“b变化”引起的“再计算c”这个过程，而是无论b有没有变化，都会再计算c，分批计算的核心就在于，每一个变量都需要重新计算。比如再计算c的时候，我根本不需要考虑说是a变了还是b变了，我只要确保在b后面再计算c，那么c的值就一定是正确的。

显然，这里还是不够好，因为，假如ab都没有变，为啥要重新计算一次c？所以，我们的算法里面还需要包含这部分优化。那么，怎么优化呢？

不要忘记了，在前面的依赖收集中，我们的c收集到了自己依赖ab，d是最惨的只收集到自己依赖c，但这都不要紧。因为我们是分批计算的，比如说，我们现在f这个变量变了，a没有变，从前面的依赖图我们知道，实际上只需要g重新计算就可以了，但是我们程序不知道啊，我们得用算法去告诉程序。怎么办呢？

在开始分批计算时，我创建一个临时列表，用来保存哪些变量发生变化了，比如上面这个例子，在第一批（也就是发生变化的变量这一批），我记录了f，没有记录a。进入下一批计算时，b依赖了a但是在这个临时列表里面没有a，所以我b不重新计算，再下一批，c依赖ab，但是这两个家伙都不在列表里，所以c也不重新计算，接下来d也是一样，c不在列表里，d也不重新计算，g依赖了acf，其中f在列表里，所以g要重新计算。怎么样，虽然我们仍然是分批来的，但是，最终整个过程我们只重新计算了g。

基于这个算法，我们实际上不需要去提炼最小依赖图，而可以直接用全图，因为即使我上全图，但是最后的计算量也只局限于需要重新计算的哪些变量而已。这样，我们就省去了从全图找出最小依赖图的这个过程，省了一些性能。

好了，接下来是揭秘怎么实现分批的算法。

我们还是用图来说话吧。

首先，我们将最小依赖图进行拆解，变成这样：

把依赖图中的每一条依赖线平铺出来。一共7条线对吧。其中左边是被依赖的变量，右边是依赖了别的变量的变量。现在，我们就是要算出批次对吧。好，如下：

1. 找出只存在于左边而不存在于右边的变量，作为一批，放入分批列表的第一组中
2. 将刚才使用过的依赖线划掉

按照上面这个步骤，我们找到了只存在于左边的a和f，有了第一批af然后把这些使用过的依赖线划掉：

接下来，就只剩下了3条线。然后我们继续按照上面的步骤，重新来过：

1. 找出只存在于左边而不存在于右边的变量，作为一批，放入分批列表的第一组中
2. 将刚才使用过的依赖线划掉

这次我们只划掉了一条线，并且找到了第二批，和前面的批次连起来得到 af|d。接下来，我们再来一次：

1. 找出只存在于左边而不存在于右边的变量，作为一批，放入分批列表的第一组中
2. 将刚才使用过的依赖线划掉

这次我们划掉了两条，并找到了第三批，得到 af|d|c 。

此时，我们的所有线都被划掉了，但是我们的分批队列里面不对劲呀，还有一些变量不在这里面。没有关系，我们把所有变量做一次filter，把哪些还不在队列里面的全部找出来，作为最后一批加入到队列最后面，得到 af|b|c|dg。为什么可以这样呢？因为那些最后还不在队列里面的变量是依赖上一次被划掉的依赖的，而被划掉之后就代表没有依赖了，所以，这些剩下的家伙一定是最后一批去算的，而且都是在这一个批次。

以上就是建立依赖图分批的算法，从代码实现上看，其实也非常简单，你可以自己实现一下试试。

2021-09-12 2221