两大浏览器内核的简单对比！2024

最新推荐文章于 2025-05-09 10:36:16 发布
最新推荐文章于 2025-05-09 10:36:16 发布
阅读量2.1k 收藏 19
点赞数 26
文章标签： edge浏览器 firefox 前端 javascript 性能优化
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_50674989/article/details/136138064
版权

文章目录

简单说明

今天是2024.2.17，我用了两种简单方式对当今比较知名的两大内核进行直观对比。注：此方法可能是不专业的。
参与对比的内核是chromium（blink）和firefox（gecko），浏览器和电脑如下：

浏览器

FireFox

我一直在用的。最新版是1.122.0.1，64位。说实话从去年大概115以后的版本我明显感觉FF的占用变高了，尤其是内存。在前面的版本里我开50个标签页能保持在1.7GB内存占用，现在20个就能达到了。

Edge

微软的能力应该是值得相信的。版本121.0.2277.112，64位。

XPChromium

这个大家应该比较陌生，是miniblink的作者weolar（github）做的，相当于XP上运行的chromium。版本115.0.5790.136，32位。
官网 和 Github（下载在右侧Release里）

配置

配置虽说有点烂。。

测试

JSLinux测试

JSLinux是Fabrice Bellard制作的，在浏览器上模拟x86或risc-v的虚拟机，其附带了一份bench.py是递归式斐波那契计算，n=25。我将其代码做了微小修改，使其输出运算时间。
FF与Edge启动时长差不多，都是几秒就开的，但FF微弱领先一秒（后开先出）
JSLinux 和 测试链接

FireFox：（几个图是后来截的，当时只有两个标签页）
在这里插入图片描述
Edge：
在这里插入图片描述
XPChromium：
在这里插入图片描述
其中FF CPU占用一直在10%~20%，内存约287MB；
Edge CPU一直0.7%~12%跳，内存约160MB；
XPChromium一直约10%，内存约153MB。（毕竟32位嘛）

挂网页占用

啊没错，就是挂着，啥也不干，过10分钟。三者皆开启优化选项。

网页列表（未登录）
bing.com
baidu.com
news.qq.com
weibo.com
zhihu.com
csdn.net

约10分钟后内存占用：
在这里插入图片描述
（实际上也看不出啥来

结论

  • FireFox多进程开得更激进
  • 二者性能没有太大差异
  • FireFox目前版本内存占用问题严重
  • CPU占用问题这两个浏览器内核互相五十步笑百步
  • JSLinux上视觉表现FF更好（因为另外两个光标有问题）
  • 换浏览器不如换电脑

还有就是扫地僧在几天前的一个issue里提到，miniblink108月底可能就要出来了，届时会支持所有的electron接口，值得期待。希望能跑起vscode，救救我这台破烂的小笔记本。

发于CSDN 2024.2.17 14：55

THZrry
关注
dify安装ollama插件及OLLAMA模型添加失败问题完整解决方法
最新发布
symstandsun的博客
05-11 463
plugin_daemon-1 | 2025/05/10 17:37:36 stdio.go:160: [INFO]plugin langgenius/ollama:0.0.6: Installed model: ollama 提示ollama安装成功，再添加模型就不会有问题了。安装dify1.2.0和1.3.1均出现OLLAMA插件安装失败或插件安装后添加模型失败的问题，具体表现为一是添加ollama插件时没反应，需要二次添加才成功；二是添加模型时点保存报500错误或点保存后没反应，无法成功添加。
【Dify系列教程重置精品版】第五章：Dify配置Ollama
xiezhipu的博客
05-01 777
所以我在docker container里，访问localhost:11434时，实际无法访问到宿主机的11434，也就没办法调用宿主机上的ollama。安装时我们会发现，ollama是默认安装在C盘的，我们没得选，可如果我C盘已经红了，想安装到D盘如何操作呢？可以使用，但是我这边反应速度是很慢的，没有“月之暗面”反应快。参考上一讲，在上次配置的“小娇娇”对话框，点击右上角，选择我们新配置的deepseek;等待下载结束 ，就可以在本地 使用了，上面图片可以看到，是可以进行正常的交流的。
dify添加ollama模型失败
大伟的博客
03-05 7624
修改.env文件，改成ollama服务IP地址。dify增加模型时如下配置即可。
让AI转化为生产力，Dify 私有化部署 + 接入Ollama部署本地模型。
python12345_的博客
08-21 2265
今天聊聊AI智能体，同时也简单的将 Dify 本地私有化部署，接入 Ollama 部署的本地模型。AI智能体是什么？AI智能体是一种具备AI能力、感知、推理、决策和行动能力的计算系统，它能够自主与环境交互，完成特定任务。能够通过感知环境获取信息，分析并做出决策，然后执行相应的行动，有时还能通过学习不断优化自己的行为，尽可能达到预期结果。Dify 是什么？Dify 它是一个开源 LLM 应用开发平台。
本地搭建AI开发平台Dify并使用Ollama添加大语言模型保姆级教程
内网渗透的博客
10-14 1万+
本篇文章介绍如何将Dify本地私有化部署，并且接入Ollama部署本地模型，实现在本地环境中部署和管理LLM，再结合cpolar内网穿透实现公网远程访问Dify。
AGI 之 【Dify】 之 Dify 在 Windows 端本地部署调用 Ollama 本地下载的大模型， API 形式 Python 调用 进行简单聊天接口测试
仙魁XAN
10-25 9936
AGI，即通用人工智能（Artificial General Intelligence），是一种具备人类智能水平的人工智能系统。它不仅能够执行特定的任务，而且能够理解、学习和应用知识于广泛的问题解决中，具有较高的自主性和适应性。AGI的能力包括但不限于自我学习、自我改进、自我调整，并能在没有人为干预的情况下解决各种复杂问题。本节将介绍如何使用 Dify 平台调用 Ollama 部署的本地模型来创建一个聊天应用。通过 API 的方式发起聊天，可以让前端自由布置所需的聊天形式。
Dify集成ollama
slient_love的博客
03-13 2056
缺少 glibc 和 libstdc++ 的较新版本，而 Ollama 需要 GLIBC_2.27 及 GLIBCXX_3.4.25 以上的版本。因为服务器无法联网，无法直接 yum install，可以手动下载并安装 glibc 和 libstdc++ 相关的库。（注意：按照dify中介绍的步骤，现在联网的机器上拉取ollama镜像，然后导出镜像到离线服务器中）首先，创建一个应用助手。（不建议，因为可能遇到环境依赖版本不匹配的情况）离线安装 dify_plugin。
Linux系统本地化部署Dify并安装Ollama运行llava大语言模型详细教程
热门推荐
CSDN站内信: https://i.csdn.net/#/msg/chat/qyj19920704
09-05 3万+
本篇文章介绍如何将 Dify 本地私有化部署，并且接入 Ollama 部署本地模型，实现在本地环境中部署和管理 LLM，再结合 cpolar 内网穿透实现公网远程访问 Dify。Dify 它是一个开源 LLM 应用开发平台。拥有直观的界面结合了 AI 工作流、RAG 管道、代理功能、模型管理、可观察性功能等，可以快速从原型开发到生产。Ollama 是一个本地推理框架，允许开发人员轻松地在本地部署和运行 LLM，例如 Llama 3、Mistral 和 Gemma。
手把手带你搞懂Deepseek-V3 低成本知识库，收藏这一篇就够了！！
2401_85325397的博客
01-20 1万+
1 可以通过 api 添加各种模型 2 上传文档就能本地新建知识库 3 各种 AI 工具直接打开 4 知识库配合 deepseek 3 ，加上 COT 提示词 效果不错 5 还能画图 6 有简单 Artifacts 功能，直接渲染代码 7 可以多个模型一起回答问题，就是样式是直接铺下来的。
【AI实践】应用Dify+Ollama实现基础Agent工作流（含RAG与LLM）
趣谈AI栈
10-25 3555
本文在流行度很高的Dify开发平台上，接入Ollama 部署的大型语言模型，实现一个细分领域的本地离线的Agent工作流应用（知识库+聊天助手）。
[Dify] Dify 本地部署及连接 Ollama 模型全流程指南
技术就是小甜甜博客
04-13 477
本文详细介绍了 Dify 本地部署及连接 Ollama 模型的完整流程，涵盖安装环境配置、Docker部署细节、常见问题解决方案及插件安装方法：✔️ 使用 Docker 快速部署 Dify✔️ 本地测试并接入 Ollama 模型✔️ 排查常见连接失败错误✔️ 安装 Marketplace 插件的推荐做法通过上述步骤，即可在本地环境搭建一个可扩展、可交互的大模型应用平台，开启私有化 AI 应用的开发之旅。
解决安装了最新的Dify1.3.1但是安装Ollama后无法成功添加模型问题
CoffeMilk的博客
05-04 1994
解决Dify1.3.1安装Ollama后无法成功添加大语言模型DeepSeek，导致无法使用大语言模型问题
AGI 之 【Dify】 之 Dify 在 Windows 端本地部署调用 Ollama 本地下载的大模型，实现聊天对话
仙魁XAN
10-17 2127
AGI，即通用人工智能（Artificial General Intelligence），是一种具备人类智能水平的人工智能系统。它不仅能够执行特定的任务，而且能够理解、学习和应用知识于广泛的问题解决中，具有较高的自主性和适应性。AGI的能力包括但不限于自我学习、自我改进、自我调整，并能在没有人为干预的情况下解决各种复杂问题。Dify是一个开源的大语言模型（LLM）应用开发平台，它旨在简化和加速生成式 AI 应用的创建和部署。
Dify+deepseek+ollama，windows本地部署
m0_70720259的博客
03-12 643
下载、以下两步可以不操作，直接双击安装（安装位置与模型均在C盘）
速看！最新版 Dify 连接 Ollama 与 vLLM 全攻略
pythonhy的博客
05-09 1115
Dify 是一款开源的大语言模型(LLM) 应用开发平台。它融合了后端即服务（Backend as Service）和 LLMOps 的理念，使开发者可以快速搭建生产级的生成式 AI 应用。
Dify 大版本更新：v1.0.0 插件系统，为开发者带来无限可能！（附新版一键安装包）
apo0625的博客
03-02 9842
Dify 昨晚进行了大版本v1.0.0更新，我第一时间上手体验，并给大家带来了体验报告 也带来了新版一键安装包（在文内），供大家下载快速上手使用
如何利用 Dify体验私有化部署
程序员鑫港的博客
03-12 1006
Dify是一个开源的 LLM 应用开发平台。其直观的界面结合了 AI 工作流、RAG 管道、Agent、模型管理、可观测性功能等，让您可以快速从原型到生产。
生成式 AI 应用创新引擎dify.ai部署并集成ollama大模型详细图文教程
唐可盐的专栏
11-28 4608
Dify 是一个开源 LLM 应用开发平台，拥有直观的界面结合了 AI 工作流、RAG 管道、代理功能、模型管理、可观察性功能等，可以快速从原型开发到生产。 Ollama 是一个本地推理框架，允许开发人员轻松地在本地部署和运行 LLM，例如 Llama 3、Mistral 和 Gemma。Dify 是一个 AI 应用开发平台，提供了一套完整的工具和 API，用于构建、管理和部署 AI 应用。
dify接入ollama报错 windows
03-12
### 错误分析 当尝试通过Dify连接至Ollama时，在Windows环境下遇到了`An error occurred during credentials validation`的提示[^1]。这一现象表明存在身份验证凭证校验失败的情况，可能由于配置不当或者网络通信障碍引起。 ### 原因解析 该类错误的根本原因在于Docker容器内部试图访问外部的服务（即Ollama），但是默认情况下，`localhost`指向的是容器自身的地址而非宿主机或是其他独立运行的服务实例所在位置。因此，如果Ollama被部署于不同的机器或者是作为另一个单独启动的进程，则直接使用`localhost`将无法成功建立联系[^2]。 ### 解决方法 为了使Dify能够顺利地与Ollama交互并解决问题： #### 修改服务暴露方式 确保Ollama服务可以被外界访问，而不仅仅局限于本机回环接口(`127.0.0.1`)。可以通过调整其监听地址来实现这一点，比如绑定到所有可用网卡上的IP地址(如 `0.0.0.0`)以便接受来自任何地方发起的请求。 对于Windows平台而言，还需要注意防火墙设置以及端口转发规则，确认目标端口号未被占用并且允许传入流量到达指定的应用程序。 #### 更新客户端配置文件 针对Dify应用程序内的API endpoint定义部分作出相应修改，不再依赖相对路径或仅限本地有效的标识符（像`localhost`）。而是采用实际可路由达到的目标服务器名称或公网/局域网中的固定IP地址代替之。 另外，考虑到安全性因素，建议启用HTTPS协议传输敏感数据，并妥善保管认证密钥等重要参数以防泄露风险。 ```yaml api: host: "http://<your_ollama_ip>:port" ``` 其中 `<your_ollama_ip>` 应替换为真实的Ollama服务提供者所处的位置信息。 #### 验证连通性测试 完成上述更改之后，利用命令行工具Ping、Telnet或者其他合适的手段检验两者间是否存在有效链路。这一步骤有助于提前发现潜在隐患从而及时加以修正。 最后重启涉及改动后的各个组件以加载最新的设定值，再次尝试执行原先的操作看是否依旧会出现相同的异常状况。 ### 注意事项 在整个过程中务必保持谨慎态度对待每一个环节，特别是涉及到网络安全策略调整方面的工作。同时密切关注官方文档和技术社区动态获取更多帮助和支持资源。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值