纯前端 JSON 树形视图性能优化实战:10 万 DOM 节点全部展开从 582ms 到 50ms

简介: 本文记录「有方JSON在线查看器」的性能优化实践:针对8万行JSON展开白屏问题,通过`content-visibility: auto`(布局耗时582ms→50ms)和事件委托(减少20万监听器),将整体响应从950ms降至200ms,支持76万DOM节点流畅运行。纯前端、零依赖、数据不上传。

一、背景

之前写了一个纯前端的 JSON 在线查看器(文末地址),核心交互是:粘贴 JSON → 格式化 → 右侧生成可折叠的树形视图。平时联调小报文一切正常,直到有人贴了一份 8 万行的接口导出数据——点"全部展开"直接白屏转圈。

这篇文章记录整个定位和优化过程,所有数据均在 Chrome、1600×900 视口下实测。

二、整体架构

单文件实现,零第三方依赖,分两层:

· 纯函数层(无 DOM 依赖):JSON 校验器、行列定位、格式化/压缩/转义、主题状态
· DOM 层:树渲染、事件、查找、右键菜单

校验没有用 try/catch 拿 JSON.parse 的报错信息(position 是字符偏移量,对用户没意义),而是手写了一个递归下降校验器,失败时返回 { pos, message },再换算成行列号:

// pos 往前数 \n 得行号,到行首距离得列号
var before = text.slice(0, pos);
var line = before.split("\n").length;
var col = pos - before.lastIndexOf("\n");

这样报错可以直接给用户「第 12 行,第 34 列附近:字符串缺少结束引号」。

三、树形渲染:为什么会有 10 万个 DOM 节点

树采用 ul/li 嵌套,每个节点由 6~13 个元素组成(li、行容器、逐层缩进 span、展开箭头、类型图标、锚点、值分段 span):

li.youfang-tree-node
div.youfang-tree-node-el // 整行,可点击选中
span.youfang-tree-node-indent // 逐层缩进 + 连接线
span.youfang-tree-ec-icon // +/- 展开箭头(CSS 伪元素绘制)
span.youfang-tree-node-icon // 类型图标(按值类型分色)
a.youfang-tree-node-anchor // key : value 标签
ul.youfang-tree-node-ct // 子节点容器(初始 display:none)

问题就出在这里:渲染是全量递归的,折叠只是 display:none,DOM 一个不少。

实测数据(点「格式化」后):

· 1 万行(218KB):96,773 个 DOM 节点
· 8 万行(1.7MB):762,253 个 DOM 节点

10 万个节点意味着什么?默认状态下折叠着还好,一旦点「全部展开」——

四、优化一:content-visibility,布局耗时 582ms → 50ms

用 performance.now() 分段测量 1 万行数据的「全部展开」:

优化前:
· JS 状态切换(class/display 改写):35ms
· 浏览器布局 + 绘制:582ms ← 瓶颈在这

10 万个节点同时参与布局计算,每行还有伪元素连接线要绘制。但布局有个特点:屏幕外的节点算了也白算,用户根本看不到。

CSS 的 content-visibility: auto 就是干这个的——告诉浏览器该元素在滚出视口时可以跳过布局和绘制,配合 contain-intrinsic-size 提供占位尺寸避免滚动条跳动:

.youfang-tree-node-el {
line-height: 22px;
content-visibility: auto;
contain-intrinsic-size: auto 22px;
}

两行 CSS,DOM 结构零改动。单独实测:全部展开布局 582ms → 182ms。

五、优化二:事件委托,砍掉 20 万个监听器

原始实现里每个节点行挂了 click 监听、容器节点再挂 click(箭头)+ dblclick,10 万节点约 20 万个监听器,建树期逐个 addEventListener 的开销也水涨船高。

改造为在树的根容器上统一委托:

treeRoot.addEventListener("click", function (e) {
var nodeEl = e.target.closest(".youfang-tree-node-el");
if (!nodeEl) return;
e.preventDefault();
var ec = e.target.closest(".youfang-tree-ec-icon");
if (ec && ec.getAttribute("data-toggle") === "1") {
// 点的是展开箭头:只切换状态,不选中
var li = nodeEl.closest("li");
toggleNode(nodeEl, li.querySelector(":scope > ul"), ec, isLastOf(nodeEl));
return;
}
selectNode(nodeEl); // 点整行:选中
});

注意一个交互细节:箭头点击要「切换但不选中」,行点击要「选中不切换」,委托里用 closest 区分即可,行为和原来完全一致。

六、优化后总账

1 万行 JSON,粘贴 → 格式化 → 全部展开:

                    优化前      优化后

格式化 + 建树 JS 135ms → 66ms
格式化后首次布局 206ms → 73ms
全部展开 JS 35ms → 13ms
全部展开后布局 582ms → 50ms
─────────────────────────────────────────
整体感知耗时 ~950ms → ~200ms

8 万行(76 万节点)的格式化建树也从不可用变成了 1.3s 内完成。

几点经验总结:

  1. content-visibility: auto 是列表/树形场景性价比最高的优化,两行 CSS,不改结构,滚动同样受益
  2. contain-intrinsic-size 必须给,否则滚动条会跳动
  3. 大数量级 DOM 一律事件委托,addEventListener 的账要按节点数乘
  4. 优化前先分段打点,瓶颈往往不在你以为的地方——本例 JS 只有 35ms,真正的开销在布局

七、结语

以上就是全部优化过程。工具叫「有方 JSON 在线查看器」,纯前端运行、数据不上传服务器,免费无广告:

https://json.waywise.imadc.cn/

作者本人,欢迎试用拍砖。校验定位、转义还原、大文件展开这些功能都可以拿真实报文去压测,有问题欢迎评论区交流。

目录
相关文章
|
5天前
|
云安全 人工智能 运维
当攻击全面Agent化,你的安全防御能否跟上AI Speed?
多起客户侧AK泄露事件应急的真实观察
1242 4
|
28天前
|
人工智能 JSON API
全网刷屏的 Jev 模型正式开放!一手实战测评 + 保姆级教程
全网爆火的 Jev 模型是什么?有什么用?怎么使用?怎么接入 AI 编程工具?效果真的好么?傻子可懂的 Jev 保姆级实战教程 + 项目实战测评来啦
9791 32
|
8天前
|
存储 人工智能 安全
千问办公官网入口网页版登录:qwenwork.cn 注册送2000积分、登录送100积分
阿里云千问办公(QwenWork)是AI智能工作平台,支持一句话生成PPT、表格、网页、视频及数据分析。个人免费版送2000积分+每日登录赠100分,含1GB存储、5个发布页;企业版198元/席/月起。阿里千问办公QwenWork官网:https://t.aliyun.com/U/0VCTGt 阿里AI工作平台,一句话完成数据分析、PPT 生成、视频剪辑、网页搭建等复杂任务
|
3天前
|
人工智能 API 开发工具
DeepSeek Harness 神插件:白嫖 13 家大厂模型
`dsh-our-free-model` 是 DeepSeek Harness 神级插件:零配置、零API Key、零账号,聚合13家大厂免费模型(含DeepSeek V4.1 Flash、Kimi K3等),支持本地网关、用量看板与自动降级,真正实现“白嫖即用”。
|
14天前
|
存储 人工智能 并行计算
大模型本地部署终端选型方法论:以 Qwen3.8-27B 为例的四档分层完整流程
本文提出一套大模型本地部署终端选型方法论:定约束、定档位、定框架、定参数四步决策法,配合入门、主力、质量、无损四档分层模型。以 Qwen3.8-27B 实测数据为例,逐环节解读显存、带宽、存储、散热、系统、预算等要素,给出面向不同预算的优选方案、决策自查清单与市场观察框架。文末前瞻 AI 笔记本的 CPU+GPU 与统一内存两条路线,论证四步决策法在新品类上的延续性。
|
5天前
|
Web App开发 人工智能 JavaScript
太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA
REA(Reverse Engineer Anything)是近期爆火的开源AI逆向工具,4月发布,1个月内斩获15万+ Star。它让AI Agent无需源码即可分析二进制、APK、JS/Electron、HAR包等17类目标,自动反编译、生成可运行代码,并强制返回带证据与局限的结论。全本地执行,MIT协议,支持Hopper/Ghidra/IDA等引擎,一行命令即可上手。
628 1
太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA
|
13天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型深度拆解:原理解读、实战测评与保姆级落地教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为**System One Model(系统一模型)**,对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
933 1
|
9天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型全解析:核心原理拆解,性能实战测评与落地部署教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为System One Model(系统一模型),对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
593 0

热门文章

最新文章