Real diff算法

说说Real diff算法是怎么运作的?

第一次render在执行的时候会将第一次的虚拟dom做一次缓存,第二次渲染的时候会将新的虚拟dom和老的虚拟dom进行对比。这个对比的过程其实就是diff算法。

在DOM需要更新的时候,通过diff算法可以 计算出 虚拟DOM 中真正变化的部分,从而只针对变化的部分进行更新渲染,避免”牵一发而动全身“,造成性能浪费。

为了优化diff算法,react中对普通的diff算法实行了三大策略

tree diff

  1. 对比时,遇到同一类型的组件遵循 tree diff,进行层级对比

  2. 对比时,一旦遇到不同类型的组件,直接将这个不同的组件判断为 dirty component(脏组件),并替换该组件和之下所有的子节点。

  3. 对比时,在同一类型的两个组件中,如果你知道这个组件的 Virtual DOM没有任何变化,你(开发者)就可以手动使用 shouldComponentUpdate() 来判断组件是否需要进行diff,进一步的提升了diff效率和性能

    优化点
    避免使用结构相同但是类型不同的组件,因为虽然组件的结构不需要改动,但是由于类型不同的原因,diff会直接销毁该组件并重建,虽然这种情况极少出现,但是造成的性能浪费挺严重的。
    对于同一类型并且没有变化的组件,合理使用 shouldComponentUpdate() 进行优化

component diff

component diff是组件间的对比
在遇到组件之间的比较时,有三种策略

  1. 对比时,遇到同一类型的组件遵循 tree diff,进行层级对比

  2. 对比时,一旦遇到不同类型的组件,直接将这个不同的组件判断为 dirty
    component(脏组件),并替换该组件和之下所有的子节点。

  3. 对比时,在同一类型的两个组件中,如果你知道这个组件的 Virtual
    DOM没有任何变化,你(开发者)就可以手动使用 shouldComponentUpdate()
    来判断组件是否需要进行diff,进一步的提升了diff效率和性能

    优化点

    避免使用结构相同但是类型不同的组件,因为虽然组件的结构不需要改动,但是由于类型不同的原因,diff会直接销毁该组件并重建,虽然这种情况极少出现,但是造成的性能浪费挺严重的。
    对于同一类型并且没有变化的组件,合理使用 shouldComponentUpdate() 进行优化

element diff

element diff 是针对同一层级的element节点

在双方同一层级的节点对比时,有三种情况

  1. 面对全新的节点时,执行插入操作 —— INSERT_MARKUP

  2. 这点不需要过多解释,面对多余的节点时,执行删除操作 —— REMOVE_NODE

    删除操作有两种情况:
    组件新集合中有组件旧集合中的类型,但对应的element不可更新,只能执行删除
    第二种情况也就是第三点

  3. 旧组件不在新集合里面,执行删除,面对换位的节点时,执行移动操作 —— MOVE_EXISTING

    优化点
    比如该层级的组件原本是 [A,B,C,D] ,新的结构为 [A,D,B,C] ,只进行了移动操作。在传统的diff算法 中,只要遇见不同(B/D)就删除并重新插入,这样的做法过于粗暴,浪费了很多可以复用的节点,所以在element diff中,对新旧该层级的对比双方都添加了唯一的key值进行区分,只要对应的key值对应的元素没有改变,则只需要执行移动即可。

细节

新旧节点会遍历后对比下标,新的下标称为lastIndex,旧的称为index,如果lastIndex大于index,需要将节点旧的节点移动到新的位置,相反则不动。

如果没有找到对应位置节点,则执行新增; 如果旧的节点在新的节点组用不到,则执行删除;一般是在最后做删除操作。

特殊情形,最后一个节点移动到第一个位置,会导致,前面的n-1个节点都进行后移,影响性能。尽量避免这样的操作。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
VMD(Variational Mode Decomposition)是一种信号分解方法,用于将信号分解成多个本征模态函数(Intrinsic Mode Functions,IMFs)。以下是MATLAB中实现VMD算法的代码示例: ```matlab function [u, omega, alpha] = vmd(signal, alpha, tau, K, DC) % 参数明: % signal: 输入信号 % alpha: 控制每个IMF的带宽,默认为0.5 % tau: 控制每个IMF的中心频率,默认为0 % K: VMD分解的模态函数数量,默认为0 % DC: 是否包含直流分量,默认为1(包含) % 初始化参数 N = length(signal); if nargin < 2 alpha = 0.5; end if nargin < 3 tau = 0; end if nargin < 4 K = 0; end if nargin < 5 DC = 1; end u = signal; u_hat = fft(u); omega_k = 2 * pi * (0:N-1) / N; % 计算每个IMF的中心频率 omega = zeros(K, N); for k = 1:K omega(k, :) = omega_k - tau(k); end % 迭代计算每个IMF for iter = 1:100 u_hat_prev = u_hat; % 计算每个IMF的带宽 for k = 1:K omega_diff = omega(k, :) - omega_k; omega_diff_mat = repmat(omega_diff, N, 1); omega_diff_mat = omega_diff_mat - diag(diag(omega_diff_mat)); C = sum(omega_diff_mat.^2, 2); C = C + alpha^2; C = repmat(C, 1, N); C = C ./ (omega_diff_mat.^2 + alpha^2); C(isnan(C)) = 0; u_hat = u_hat_prev .* C; end % 计算直流分量 if DC == 1 u_hat = u_hat_prev - sum(u_hat, 1) / K; end % 更新每个IMF的中心频率 for k = 1:K omega(k, :) = omega(k, :) + tau(k); end % 更新信号 u = real(ifft(u_hat)); % 判断是否收敛 if norm(u_hat - u_hat_prev) / norm(u_hat_prev) < 1e-6 break; end end % 计算每个IMF的权重 alpha = sqrt(sum(abs(u_hat).^2, 2)); % 去除直流分量 if DC == 0 u = u + sum(u_hat, 1) / K; end end ``` 相关问题: 1. VMD算法是用来做什么的? 2. VMD算法的原理是什么? 3. VMD算法的参数有哪些? 4. 如何判断VMD算法是否收敛? 5. VMD算法的优缺点是什么? 6. VMD算法在信号处理领域有哪些应用?
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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