深入理解浏览器内核 - 浏览器内核依赖关系

简介: 深入理解浏览器内核 - 浏览器内核依赖关系

前面为大家介绍了目前主流的浏览器内核以及各自诞生的时间轴,接下来将为大家进一步介绍这些内核的相关知识。

图1- 1浏览器内核fork关系

 

上图清晰的展示了目前浏览器内核的fork关系,现如今浏览器内核呈现四分天下,分别是Google公司主导的Blink内核,Apple公司主导的WebKit内核,微软公司主导的EdgeHtml内核以及老牌的Mozilla公司主导的Gecko,由于受Chrome浏览器市场占有率的关系,Blink内核将在未来拥有更大的市场空间。

2008年9月谷歌发布了第一个支持Windows的Chrome浏览器,随后发布了支持Linux、macOS、iOS和Android版本。自第一个发布版本开始,一直到Version27,Chrome浏览器的内核都是WebKit内核,从Version28开始切换到Blink内核。

Blink内核诞生于2013年4月,属于年轻的内核,至今才五年多的时间。目前采用其内核的主流浏览器有Chrome(v28+)、Opera(v15+)、Vivaldi、AmazonSilk等。Blink内核是WebKit内核中的WebCore组件的一个分支,即在WebCore的基础上进行二次开发的,增加了一些新的功能和特色。

WebKit内核由WebCore和JavaScriptCore组成,其中WebCore是在KHTML的基础上演变而来,JavaScriptCore是fork自KJS,而KHTML和KJS都是由大名鼎鼎的KDE社区开发。

KDE(K DesktopEnvironmnet)是一个全球最大的自由软件开发社区,主要用来开发自由和开源软件。由MatthiasEttrich于1996年创办,其知名的产品有Plasma桌面系统、KDE Framework以及众多运行在类Unix、微软Windows和Android的跨平台程序。其代码主要托管在github上,地址为https://github.com/KDE。KDE出品的大部分软件都是用C++开发的,对桌面软件的贡献非常大,尤其是浏览器内核。现在被大家广泛熟知的WebKit内核的核心组件就是基于KDE的KHTML和KJS组件演化而来。


目录
相关文章
|
Web App开发 存储 开发框架
深入理解浏览器内核 - 火狐浏览器常用插件
深入理解浏览器内核 - 火狐浏览器常用插件
497 0
|
Web App开发 SQL Unix
深入理解浏览器内核 - 浏览器内核介绍
深入理解浏览器内核 - 浏览器内核介绍
985 0
|
算法 开发者
Moment.js库是如何处理不同浏览器的时间戳格式差异的?
总的来说,Moment.js 通过一系列的技术手段和策略,有效地处理了不同浏览器的时间戳格式差异,为开发者提供了一个稳定、可靠且易于使用的时间处理工具。
1073 156
|
JavaScript 前端开发 数据处理
模板字符串和普通字符串在浏览器和 Node.js 中的性能表现是否一致?
综上所述,模板字符串和普通字符串在浏览器和 Node.js 中的性能表现既有相似之处,也有不同之处。在实际应用中,需要根据具体的场景和性能需求来选择使用哪种字符串处理方式,以达到最佳的性能和开发效率。
558 63
|
JSON 移动开发 JavaScript
在浏览器执行js脚本的两种方式
【10月更文挑战第20天】本文介绍了在浏览器中执行HTTP请求的两种方式:`fetch`和`XMLHttpRequest`。`fetch`支持GET和POST请求,返回Promise对象,可以方便地处理异步操作。`XMLHttpRequest`则通过回调函数处理请求结果,适用于需要兼容旧浏览器的场景。文中还提供了具体的代码示例。
497 5
在浏览器执行js脚本的两种方式
|
机器学习/深度学习 人工智能 前端开发
【人工智能】利用TensorFlow.js在浏览器中实现一个基本的情感分析系统
使用TensorFlow.js在浏览器中进行情感分析是一个非常实用的应用场景。TensorFlow.js 是一个用于在JavaScript环境中训练和部署机器学习模型的库,使得开发者能够在客户端直接运行复杂的机器学习任务。对于情感分析,我们可以使用预先训练好的模型来识别文本中的积极、消极或中性情感。
913 4
【人工智能】利用TensorFlow.js在浏览器中实现一个基本的情感分析系统
|
机器学习/深度学习 自然语言处理 前端开发
前端神经网络入门:Brain.js - 详细介绍和对比不同的实现 - CNN、RNN、DNN、FFNN -无需准备环境打开浏览器即可测试运行-支持WebGPU加速
本文介绍了如何使用 JavaScript 神经网络库 **Brain.js** 实现不同类型的神经网络,包括前馈神经网络(FFNN)、深度神经网络(DNN)和循环神经网络(RNN)。通过简单的示例和代码,帮助前端开发者快速入门并理解神经网络的基本概念。文章还对比了各类神经网络的特点和适用场景,并简要介绍了卷积神经网络(CNN)的替代方案。
2514 1
|
机器学习/深度学习 自然语言处理 前端开发
前端大模型入门:Transformer.js 和 Xenova-引领浏览器端的机器学习变革
除了调用API接口使用Transformer技术,你是否想过在浏览器中运行大模型?Xenova团队推出的Transformer.js,基于JavaScript,让开发者能在浏览器中本地加载和执行预训练模型,无需依赖服务器。该库利用WebAssembly和WebGPU技术,大幅提升性能,尤其适合隐私保护、离线应用和低延迟交互场景。无论是NLP任务还是实时文本生成,Transformer.js都提供了强大支持,成为构建浏览器AI应用的核心工具。
3992 1
|
JavaScript 前端开发
js之浏览器对象|28
js之浏览器对象|28
|
机器学习/深度学习 存储 前端开发
实战揭秘:如何借助TensorFlow.js的强大力量,轻松将高效能的机器学习模型无缝集成到Web浏览器中,从而打造智能化的前端应用并优化用户体验
【8月更文挑战第31天】将机器学习模型集成到Web应用中,可让用户在浏览器内体验智能化功能。TensorFlow.js作为在客户端浏览器中运行的库,提供了强大支持。本文通过问答形式详细介绍如何使用TensorFlow.js将机器学习模型带入Web浏览器,并通过具体示例代码展示最佳实践。首先,需在HTML文件中引入TensorFlow.js库;接着,可通过加载预训练模型如MobileNet实现图像分类;然后,编写代码处理图像识别并显示结果;此外,还介绍了如何训练自定义模型及优化模型性能的方法,包括模型量化、剪枝和压缩等。
1310 1