Más allá de las listas virtuales: Cómo renderizar 100K elementos con 100s de actualizaciones/seg en React

This ad is not shown to multipass and full ticket holders
React Summit US
React Summit US 2025
November 18 - 21, 2025
New York, US & Online
The biggest React conference in the US
Learn More
In partnership with Focus Reactive
Upcoming event
React Summit US 2025
React Summit US 2025
November 18 - 21, 2025. New York, US & Online
Learn more
Bookmark
Rate this content

Generalmente hay una buena comprensión de cómo renderizar grandes conjuntos de datos (digamos, 100K elementos) usando listas virtuales, ...si permanecen en gran medida estáticos. ¿Pero qué pasa si se están agregando o actualizando nuevas entradas a un ritmo de cientos por segundo? ¿Y si el usuario debería poder filtrarlos y ordenarlos libremente? ¿Cómo podemos mantenernos receptivos en tales escenarios? En esta charla discutimos cómo Flipper introdujo transformaciones FSRW inspiradas en map-reduce para manejar tales escenarios con gracia. Al aplicar las técnicas introducidas en esta charla, las tasas de cuadros de Flipper aumentaron al menos 10 veces y esperamos abrir el código de este enfoque pronto.

This talk has been presented at React Advanced 2021, check out the latest edition of this React Conference.

FAQ

Flipper es una plataforma de código abierto utilizada principalmente por desarrolladores móviles para inspeccionar diseños en dispositivos móviles, ver solicitudes de red de aplicaciones React Native, entre otros usos.

ADB, o Android Debug Bridge, es una herramienta utilizada para el debugging de aplicaciones móviles. Permite a los desarrolladores ejecutar comandos como 'ADB log', que genera datos de log para ayudar en el diagnóstico de problemas.

La nueva implementación de Flipper resultó ser diez veces más rápida, reduciendo significativamente la caída de fotogramas y el uso de CPU, lo que se traduce en un mejor rendimiento y menor carga en los dispositivos.

React Virtual, una biblioteca para React, utiliza virtualización para manejar grandes conjuntos de datos permitiendo un desplazamiento fluido y una carga eficiente al renderizar solo los elementos visibles en la pantalla.

Se optimizó no filtrando y clasificando todo el conjunto de datos, sino solo los nuevos datos que cumplen con los criterios establecidos. Esto reduce la necesidad de re-renderizaciones frecuentes y mejora el rendimiento.

Flipper Datasource es un paquete dentro del repositorio de Flipper que generaliza el manejo de operaciones como adiciones, actualizaciones y eliminaciones en los datos. Facilita la gestión eficiente de grandes conjuntos de datos en aplicaciones.

Michel Weststrate
Michel Weststrate
27 min
22 Oct, 2021

Comments

Sign in or register to post your comment.
Video Summary and Transcription
La charla discute la optimización de la renderización de grandes tablas utilizando Flipper, una nueva versión que es diez veces más rápida con una mejor interacción del usuario y datos más ricos. Explora la optimización de la renderización con React, virtualización, filtrado, ordenación y técnicas de ventanas. La introducción del paquete de datos de Flipper simplifica la gestión de actualizaciones, inserciones y eliminaciones. El rendimiento del paquete de datos de Flipper es excelente, incluso en una compilación de depuración de React, con un uso mínimo de CPU. La sesión de preguntas y respuestas cubre la ordenación incremental, la altura de fila dinámica y el potencial para la virtualización bidimensional en el futuro.

1. Optimizando la Representación de Tablas Grandes con Flipper

Short description:

Soy Michel Vestrater de Facebook, y hoy hablaré sobre la optimización de la representación de tablas grandes utilizando Flipper. La implementación original era lenta, especialmente con filtros y problemas de ajuste de línea. Construimos una nueva versión que es diez veces más rápida, con una interacción de usuario mejorada y datos más ricos. La mejora del rendimiento fue significativa, con una caída de fotogramas diez veces menor y un uso reducido de la CPU.

Buenos días a todos. Mi nombre es Michel Vestrater. Trabajo en Facebook, creo, porque podría tener otro nombre hoy. Pero es bueno estar aquí y es muy bueno ver todos sus rostros sin ver también su dormitorio y su ropa y su tazón de avena vacío. Gracias por tenerme.

Actualmente estoy trabajando en un proyecto llamado Flipper que es una plataforma de código abierto que es utilizada principalmente por desarrolladores móviles. Y voy a hablar sobre cómo optimizar la representación de tablas realmente grandes. Y en esta charla, hablaré un poco sobre Flipper. Encontraré una aplicación realmente útil de bitcoins y les mostraré una biblioteca de código abierto.

Entonces, en primer lugar, hay una herramienta llamada ADB que se utiliza para debugging aplicaciones móviles. Y si ejecutas, por ejemplo, ADB log, simplemente genera muchos datos. Puede generar fácilmente hasta 100 líneas por segundo o algo así. Y entonces estamos trabajando en Flipper, una herramienta que te permite inspeccionar diseños en un dispositivo móvil y ver las solicitudes de red de tu aplicación React Native y así sucesivamente. Sin embargo, nos vamos a centrar en esta charla en una característica específica, que son los registros. Y los registros, básicamente muestran la misma salida que acabas de ver de ADB, excepto que lo hemos analizado para que pueda ordenar un filtro.

Ahora, la implementación original que teníamos no es muy fluida. Como que empieza un poco, no mantiene realmente el ritmo, y especialmente si aplicas algunos filtros, se ralentiza. Y además, no envuelve correctamente las líneas, lo cual es realmente molesto si usas registros. Así que pensamos que esto es demasiado lento, y en realidad lo que detectamos, incluso en las compilaciones de producción, si el filtro es un poco complicado, y ya tienes 100,000 líneas de registro en él, entonces una sola pasada de renderizado de nuestro componente React podría consumir fácilmente hasta 250 milisegundos, por lo que terminas con cuatro fotogramas por segundo, lo cual es realmente molesto.

Y entonces pensamos que necesitábamos una mejor implementación, y construimos una. Y esta es la nueva versión, que es mucho más suave, pero que realmente mantiene el ritmo con los datos que llegan a través de ADB, e incluso si estás filtrando, apenas afecta al rendimiento. Y también mejoramos mucho la interacción del usuario, así que tenemos enlaces que se resaltan, las líneas se ajustan automáticamente si cambias el tamaño de la ventana, ese tipo de cosas. Así que hicimos los datos mucho más ricos, e incluso añadimos cosas como poder ordenar en cualquier columna que quieras.

¿Y cómo afectó esto al rendimiento? Resulta que el rendimiento de la nueva implementación fue diez veces más rápido. Y vimos que en Facebook, medimos cuál es el rendimiento, cuántos fotogramas dejamos caer, cuál es la carga de la CPU para nuestros usuarios, y básicamente vimos una caída de fotogramas diez veces menor, y un uso mucho más lento de la CPU. Y si miras el perfil en Chrome, podemos explicar eso. Y entonces las dos secciones de la izquierda son básicamente la situación antigua donde hay mucha CPU en marcha y la mayoría de ella es amarilla. Y el amarillo significa que esto está ejecutando JavaScript código, nuestro código de Flipper. Y en la nueva situación, todavía hay mucho uso de la CPU pero se gasta de manera diferente. Ya no se gasta en la parte amarilla, ya no en el scripting.

Read also

2. Optimizando la Representación con React

Short description:

Ahora está realizando mucho diseño y estilizado, lo que significa que está generando muchos más fotogramas por segundo. Establecemos una conexión WebSocket con Coinbase y comenzamos a escuchar tres tipos diferentes de tasas de cambio. Introducimos un estado para almacenar todas las filas que llegan y aplicamos filtros y funciones de clasificación. Luego, representamos las filas una por una.

Ahora está realizando mucho diseño y estilizado, y eso significa que está generando muchos más fotogramas por segundo. Entonces, en resumen, el morado es bueno. El amarillo es malo. Entonces, ¿cómo hicimos eso? Y para explicarlo un poco, voy a mostrarles una pequeña aplicación de demostración que transmite muchas transacciones de Bitcoin para que al menos pongamos todos esos ciclos de CPU desperdiciados en buen uso. Y no soy tan valiente como Sarah, así que simplemente lo pregrabé. De todos modos.

Entonces, comencemos con la base. ¿Qué hacemos? Establecemos una conexión WebSocket con Coinbase y comenzamos a escuchar tres diferentes tasas de cambio. Y para cada nuevo mensaje que llega, recogemos las devoluciones de llamada. Y los data básicamente se ven un poco así. Solo un intercambio de una cierta tasa. Entonces, lo que sucede aquí es que realmente no estamos representando nada. Lo siento. Estoy estropeando esto. Entonces, lo que Sarah puede hacer con la codificación en vivo, yo puedo hacerlo con un video. ¿No es asombroso? Entonces, la idea aquí es que aún no representamos nada. Y si comienzas a transmitir, verás que básicamente estamos recibiendo mil elementos por segundo. La CPU no está haciendo nada porque no hacemos nada con ella. Pero esta es nuestra línea de base. Entonces, conceptualmente, esto es lo que está sucediendo. Entonces, vamos a mezclar React.

Entonces, tenemos nuestros pequeños componentes base y comenzamos a introducir un estado en el que almacenamos todas las filas que llegan. También comenzamos con un conjunto base de diez mil filas para tener al menos algo. Y cada vez que llega cualquier fila, actualizamos el estado, asignamos un nuevo array y lo colocamos allí. Y luego, si hay un filtro activo, lo aplicamos al conjunto de datos. Y de manera similar, si el usuario quiere ordenar las secciones por precio, aplicamos una función de clasificación. Entonces, mapeamos todas las filas y las representamos una por una. Entonces, si ejecutas esto... Oh, creo que la presentación se rompió al moverla a un portátil. De todos modos, eso es lo que sucede si lo cambias en el último momento.

3. Optimizando la Representación con Virtualización

Short description:

Si renderizas esto, se renderiza bastante bien siempre que los datos sean estáticos. Pero tan pronto como empezamos a filtrar realmente empieza a ralentizarse. Ahora tenemos cinco fotogramas por segundo y la CPU en la parte inferior está al máximo. Lo obvio que hacer en estas situaciones es aplicar virtualización. Tomemos un terminal, por ejemplo, solía tener una cantidad fija de líneas de desplazamiento, pero los ingenieros quieren líneas ilimitadas para un desplazamiento rápido, búsqueda y filtrado. Lo mismo ocurre con los paneles de control con actualizaciones de datos en tiempo real. La aplicación de la virtualización es la solución típica, siendo React Virtual una biblioteca muy recomendada. Proporciona un hook para renderizar grandes conjuntos de datos de manera eficiente.

Entonces, si renderizas esto, se renderiza bastante bien siempre que los data sean estáticos. Pero tan pronto como empezamos a filtrar realmente empieza a ralentizarse. Ahora tenemos cinco fotogramas por segundo y la CPU en la parte inferior está al máximo. Y si empezamos a habilitar la transmisión, en realidad somos capaces de procesar como tres nuevos registros por segundo y eso es porque estamos renderizando todas esas 10,000 filas una y otra vez.

Esto es realmente lento, no es una buena idea. Lo obvio que hacemos en este tipo de situaciones es aplicar virtualización. En este punto, normalmente hay algunas personas que se preguntan, ¿por qué estás renderizando 10,000 filas en primer lugar? Eso no es una buena user experience. ¿Por qué mostrar tantos data? Y en mi experiencia, eso suele ser una especie de excusa barata para evitar un problema difícil. Y es muy sencillo de demostrar. Tomemos un terminal. Hace una década, solía tener una cantidad fija de líneas de desplazamiento, como quizás 1,000. Y lo que hace cada ingeniero es ponerlo en ilimitado. Queremos tener todas esas líneas a nuestro alcance cuando hacemos una instalación de NPM. Queremos desplazarnos muy rápidamente, buscar, filtrar. Y estoy bastante seguro de que la mayoría de los ingenieros dejarían ese trabajo si alguien sugiriera que el terminal debería ser paginado. Y lo mismo ocurre con muchos paneles de control que muestran una gran cantidad de data comerciales, gráficos, filas que se actualizan con información de acciones en realtime. Tener miles de puntos de data con cientos de actualizaciones por segundo no es realmente tan extraño en absoluto.

Entonces, lo típico que hacer en este punto es aplicar virtualización. Hay un montón de buenas bibliotecas por ahí para React, React Window, Virtuoso, pero la mejor que encontré es React Virtual de Tanner Lindsay. Y es realmente buena. Básicamente, el uso es bastante sencillo. Te proporciona un hook, pero también soporta el envoltorio de filas. Y la idea es que llamas a este useVirtualHook, le das la cantidad de data que quieres renderizar y un contenedor que se utiliza para los cálculos de tamaño. Y luego te devuelve un montón de elementos para mapear, y para cada uno de ellos, aplicas un poco de estilo. Es un montón de estilo, pero es realmente sencillo construir esto.

Así que pongamos esto a prueba. Entonces, de nuevo, en el conjunto de datos estático, se desplaza muy fluidamente. Y lo interesante es que, una vez que empezamos a transmitir los data, ahora podemos, en lugar de tres, cuatro elementos, podemos renderizar - podemos recibir un par de cientos de elementos antes de que empezamos a ralentizarnos. Ahora, el filtrado sigue siendo caro. Como, una vez que aplicas el filtrado y la clasificación, realmente ves la cantidad de elementos que puedes procesar en el ínterin disminuir.

4. Optimizando la Representación: Filtrado y Clasificación

Short description:

React Virtuall resuelve el problema del desplazamiento rápido para conjuntos de datos estáticos, pero no aborda el costoso procesamiento de datos. La memorización y el rebote pueden ayudar hasta cierto punto, pero no resuelven completamente los problemas de rendimiento. Para optimizar la representación, podemos filtrar solo los datos que llegan, en lugar de todo el conjunto de datos. Al ordenar las filas en una referencia en lugar de un estado y actualizar el conjunto de filas visibles en función del filtro, podemos mejorar el rendimiento.

Y también estamos aprovechando al máximo la CPU. Entonces, React Virtuall resuelve el problema para nosotros si tenemos un conjunto de datos estático y necesitamos poder desplazarnos muy rápido. Ese es el problema que resuelve. Sin embargo, esto no resuelve nuestro problema. Porque esa no es la única parte que es costosa, la representación. También es el procesamiento de data. Si cada vez que recibimos un nuevo elemento, tenemos que mapear todo el conjunto de datos, filtrarlo de nuevo. Y si la clasificación está activa, también tenemos que reordenar el conjunto de datos. Ahí es donde realmente se va el rendimiento.

Entonces, la virtualización ya la teníamos en el primer ejemplo que mostré. Y aún así, todavía teníamos 250 milisegundos por representación solo por todo el procesamiento que se lleva a cabo. Y hay algunos trucos que la gente suele aplicar. Como, podríamos memorizar las filas filtradas. Pero eso realmente no ayuda. Eso solo ayuda si el filtro cambia de vez en cuando. Pero no si tus filas están cambiando todo el tiempo. Si tienes docenas de actualizaciones que tienes que procesar, entonces tu memo nunca va a tener un acierto positivo en la caché. Y de manera similar, puedes rebotar, lo que asegura que al menos tu aplicación tipo de se mantiene utilizable. Pero no disminuye el rendimiento de una sola representación. Y te permite ir más allá de esos cuatro fotogramas por segundo en nuestro caso de uso. Entonces, ¿qué podemos hacer de manera más inteligente?

Una cosa que podemos hacer de manera más inteligente es no filtrar todo el conjunto de datos que tenemos. En realidad, ya sabemos para cada elemento si cumple o no los criterios de filtro. Solo necesitamos filtrar los data que llegan, no los data que ya tenemos. Así que hagamos eso. Así que lo primero es que no vamos a ordenar nuestras filas en estado, lo que causaría una representación cada vez que lo cambiamos, pero ordenamos en ref. Y el estado que vamos a contener son solo las filas visibles. Ahora, si llega un nuevo evento, lo aplicamos al conjunto base, y luego también verificamos si coincide con el filtro actual. Si coincide con el filtro actual, entonces también actualizamos el conjunto de filas visibles. Y luego hay una cosa más que hacer, es que cada vez que el criterio de filtro en sí entonces necesitamos volver a filtrar todo el conjunto, pero ahora ese es el caso excepcional. Y entonces pongamos esto a prueba.

5. Optimizando el Filtrado, Clasificación y Ventaneo

Short description:

Optimizamos el filtrado y la clasificación actualizando solo el estado si el elemento coincide con el filtro. Esto reduce el costo de filtrado de O(n) a una sobrecarga constante. Para la clasificación, aprovechamos el hecho de que los datos ya están ordenados y utilizamos una búsqueda binaria en lugar de una clasificación completa. Esto mejora el rendimiento de O(n log n) a log n. Además, podemos ventanear los datos que procesamos para una optimización adicional.

Así que recuerda, lo importante es que solo actualizamos el estado si el elemento coincide con el filtro. Así que en el caso base, nuestro performance es el mismo que en el ejemplo anterior. Sin embargo, si empezamos a filtrar, ahora el performance aumenta en el sentido de la cantidad de nuevos elementos que podemos procesar. Porque ahora en 2 de cada 3 de las transacciones, no causamos una renderización. Así que dejamos mucha más capacidad de CPU disponible para procesar ese WebSocket entrante. Así que, eso ya es una buena mejora. Esto mueve nuestro costo de filtrado del orden de n a una sobrecarga constante.

¿Podemos hacer lo mismo para la clasificación? Y la respuesta es sí. También podemos hacer exactamente lo mismo para la clasificación. ¿Cómo lo hacemos? La idea básica es que aprovechamos el hecho de que sabemos que lo que estamos renderizando ya está ordenado, si estaba ordenado antes. Así que cuando llegan nuevos data, no necesitamos reordenar el conjunto completo. En su lugar, podemos utilizar una pequeña utilidad de Lodash. Y encontrar utilizando sorted last index by, el binario, el índice de inserción en el que tenemos que insertar nuestra nueva fila. Y entonces solo hay una búsqueda binaria en lugar de una clasificación completa en los data. Así que pasan de básicamente N log N a log N. De nuevo, lo mismo se aplica para si la clasificación en sí cambió, tenemos que hacer el conjunto completo, pero, de nuevo, este es el caso menos común.

Así que pongamos esto a prueba. Y recuerda, lo crucial aquí es que en lugar de ordenar el conjunto completo, hacemos una búsqueda binaria para encontrar la posición de inserción. Y así, de nuevo, procesamos los data. Empezamos a seguir. Empezamos a filtrar. Y tenemos un buen performance. Y ahora habilitamos la clasificación. Así que ahora el conjunto de data está ordenado. Y sin embargo, no afecta realmente a nuestro performance. Y normalmente la clasificación es realmente costosa. Ahora no está impactando tanto. Así que ahora optimizamos el filtrado, optimizamos la clasificación. ¿Podemos hacerlo aún mejor que esto? Y la respuesta es sí. También podemos empezar a ventanear los data que procesamos.

6. Aplicando Ventaneo Anteriormente

Short description:

Podemos aplicar el ventaneo anteriormente en el momento en que procesamos los datos. Si se agrega una nueva fila fuera de la vista actual, no necesitamos desencadenar la renderización o volver a renderizar React.

Ahora suena un poco controvertido porque ya estamos aplicando ventaneo, pero solo estamos aplicando ventaneo a la renderización. Pero en realidad, si lo piensas, podemos aplicar el ventaneo anteriormente en el momento en que procesamos los data. Así que cuando se agrega una nueva fila, pero se agrega efectivamente fuera de la vista actual, ni siquiera necesitamos desencadenar una renderización. Incluso si coincide con el filtro y encuentra el índice de inserción. Si después de eso encontramos que no está dentro del viewport, en realidad no hay necesidad de causar que react vuelva a renderizar y haga esos cálculos de fertilización. Así que apliquemos también ese truco.

7. Optimización de la Renderización: Ventaneo y Rendimiento

Short description:

Introducimos una ventana para capturar el conjunto visible de filas y utilizamos un truco de actualización forzada para renderizar React cuando sea necesario. Después de cada renderización, almacenamos el rango renderizado y verificamos si un índice de inserción está dentro de la ventana visible. Existe un caso de excepción para desencadenar una renderización para asegurar que la barra de desplazamiento sigue creciendo. Las pruebas muestran un rendimiento mejorado con un uso mínimo de la CPU.

Así que ahora no tenemos ningún estado. Y para capturar lo que estamos viendo actualmente, introducimos una ventana que simplemente comienza el conjunto visible de filas y utilizamos un truco, actualización forzada, para forzar una renderización de React cuando queramos. Y si no queremos renderizar, React nunca volverá a renderizar.

Ahora lo siguiente que hacemos es después de cada renderización, almacenamos el rango que renderizamos, el rango que obtuvimos de React virtual, lo siento. Y luego verificamos cuando encontramos el índice de inserción de una fila, verificamos si está dentro de Luego verificamos React para renderizar, y de lo contrario no.

Ahora hay un caso de excepción, y eso es que una vez en las cien filas, todavía vamos a desencadenar una renderización, y eso es para asegurarnos de que nuestra barra de desplazamiento sigue creciendo si más data llega, incluso si todos los data llegan fuera del viewport actual. Así que probemos esto. Así que empezamos a transmitir, y ves que, como, procesamos muchos data, especialmente si no seguimos, porque entonces todos los eventos ocurren fuera de la ventana. Cada cola, todavía tenemos el mismo performance que antes, pero sin nuestra cola, todo, casi todo se añade fuera de la pantalla, así que, apenas usamos cualquier CPU. Esta es también la primera vez que la CPU realmente cae por debajo del uso máximo.

8. Optimizando la Renderización con Flipper Datasource

Short description:

Ahora tenemos una tubería más larga para filtrar, iniciar y verificar actualizaciones dentro de la ventana visible antes de la renderización. Hemos generalizado este enfoque en el paquete Flipper Datasource, que maneja actualizaciones, inserciones y eliminaciones utilizando una tubería de operaciones. Al transformar la operación inicial y aplicar la ordenación, podemos manejar fácilmente diferentes tipos de operaciones. Con el paquete de datos de Flipper, podemos refactorizar nuestro ejemplo para eliminar la lógica personalizada y la renderización, y en su lugar usar el origen de datos para manejar eventos y actualizar la configuración de la vista cuando cambian los criterios de filtro o de ordenación.

Entonces, ahora tenemos una tubería más larga, filtramos, iniciamos, verificamos si la actualización realmente aparece dentro de la ventana visible, y solo si todo eso es cierto, entonces hacemos que React se renderice. Así que, ahora añadimos mucha lógica, y solo fue para añadir. ¿Cómo lidiamos con las actualizaciones? ¿Cómo lidiamos con las inserciones? ¿Cómo lidiamos con las eliminaciones? Y la solución que les he mostrado hasta ahora, la hemos generalizado en un paquete. Se llama Flipper Datasource. Se mantiene por ahora dentro del repositorio de Flipper en GitHub. Pero puedes usar este paquete de inmediato. Y la idea básica es que todas las demás operaciones básicamente siguen el mismo patrón. Una actualización o una eliminación no es significativamente diferente de una inserción. Esos cuatro pasos son básicamente una tubería que es donde describimos la operación inicial. Por ejemplo, añadiendo un elemento. Y luego aplicamos la ordenación y simplemente transformamos la descripción de la operación. Así que una operación de añadir se convierte en una inserción en una posición diferente con el mismo elemento. Y luego también tenemos una operación de inversión en caso de que estemos ordenando al revés. Y luego decidimos si esta operación termina en la ventana. Así que primero transformamos la operación sin pensar en la renderización en absoluto. Y las demás operaciones también son realmente fáciles de expresar en estos mismos términos. Simplemente pasan por la misma tubería. Así que vamos a refactorizar nuestro ejemplo para aprovechar el paquete de datos de Flipper. Así que eliminamos toda nuestra lógica personalizada, nuestros efectos. Todavía tenemos los mismos criterios de vista. El usuario todavía tiene las mismas características. Solo vamos a conectarlo de manera diferente. Así que ya no necesitamos React Virtual. Eso está abstraído. Eliminamos todo eso de la renderización, que está por aquí. Ahí vamos. Y luego simplemente importamos algunas cosas de los paquetes. Así que importamos el crear data source, que crea el data source y mantenemos una referencia a él. Y lo único que hacemos cuando llega un nuevo evento es llamar a append, y eso almacena el evento en el data source. Entonces, cada vez que el usuario cambia los criterios de filtro o de ordenación, simplemente actualizamos la configuración de la vista del data source.

9. Optimizando la Renderización con Flipper Data Source

Short description:

Pasamos el data source al renderizador de data source virtual, lo que resulta en la misma funcionalidad que lo que hemos construido hasta ahora en esta demostración. El rendimiento es excelente, incluso en una compilación de depuración de React. El uso de la CPU es mínimo, incluso con un alto volumen de registros y filtrado. El paquete de data source de Flipper hace que la demostración sea eficiente y se utiliza para alimentar vistas críticas en Flipper. Tiene potencial para su uso futuro en la alimentación de gráficos.

Ese data source, lo pasamos al renderizador de data source virtual. Y con eso, básicamente tenemos lo mismo que lo que hemos construido hasta ahora en esta demostración. Es solo ahora unas pocas líneas de code.

Entonces, pongamos esto a prueba. De nuevo, empezamos. Empezamos a seguir. Haciéndolo difícil. Y empezamos a filtrar. Y en realidad vemos que, como, el performance es realmente bueno ahora. Aunque esto es solo una compilación de debug de React, se mantiene fácilmente en términos de CPU.

Entonces, esto está implementado de manera un poco más eficiente de lo que hemos hecho hasta ahora. Pero ahora nuestra CPU apenas está sudando. Aunque estamos agregando casi mil registros por segundo y los estamos ordenando y filtrando. Y para hacerlo aún más difícil, podemos comenzar con un gran conjunto de datos. Entonces, en lugar de 10,000 elementos, comencemos con 100,000. De nuevo, hicimos lo mismo. Y lo que notaremos es que, esto lo hace un poco más caro. Entonces, el uso de la CPU es un poco más alto. Pero aún así, se mantiene bien. Así que no estamos maximizando en CPU y JavaScripting. Lo que significa que la renderización, la tasa de fotogramas, se mantiene estable a 50 fotogramas por segundo.

Entonces, básicamente, esto es todo lo que quedaba para hacer que esta demostración fuera eficiente. Y eso es lo que hace el paquete de data source de Flipper. No es perfecto todavía, pero funciona muy bien en esos casos. Lo usamos para alimentar todas nuestras vistas críticas en un flipper. Puedes simplemente mirar el code fuente. Está en nuestro repositorio. Y hay algunas ideas futuras. Como, el mismo mecanismo podría usarse, por ejemplo, para alimentar gráficos. Hay una pequeña demostración de ello.

QnA

Preguntas y Respuestas: Ordenamiento Incremental y Altura de Fila Dinámica

Short description:

Pero hay muchas posibilidades. Porque, como muchas visualizaciones, siguen este filtro, ordenan y ventanean. Así que, pruébalo. Házmelo saber qué piensas. Si tienes alguna pregunta, no dudes en preguntar. Gracias. La primera es, ¿cómo funciona el ordenamiento incremental con datos no lineales? Los datos entrantes no tienen que estar ordenados en absoluto. Como, puedes ordenar en tantos criterios como sea posible. Siempre que tengas una función de ordenamiento estable, eso funciona. Perfecto. Otra pregunta es ¿cómo maneja la lista virtual la altura de fila dinámica? Mide y almacena en caché las mediciones para compensar los siguientes elementos. Eso funciona en la práctica realmente bien. Gracias por la gran charla.

Pero hay muchas posibilidades. Porque, como muchas visualizaciones, siguen este filtro, ordenan y ventanean. Así que, pruébalo. Házmelo saber qué piensas. Si tienes alguna pregunta, no dudes en preguntar. Gracias.

Esa fue una charla increíble. Muchas gracias. Aplaudamos de nuevo por él. Muy bien. Así que, tenemos algunas preguntas que llegaron durante la charla y simplemente te las haré y luego lo que haremos es al final, escogerás tu pregunta favorita y esa persona puede obtener una camiseta. Así que, simplemente iré en el orden en que han sido votadas hasta ahora.

La primera es, ¿cómo funciona el ordenamiento incremental con datos no lineales en términos de tener que volver a calcular el conjunto de datos ordenados, un conjunto entrante no ordenado de fechas, por ejemplo? Entonces, déjame ver si entiendo correctamente la pregunta. Entonces, cómo funciona el ordenamiento es que se basa en una función de comparación donde puedes, como, tener una salida de ordenamiento estable. Por ejemplo, puede haber una fecha de hecho. Y solo se compara en relación con otros elementos. Entonces, los datos entrantes no tienen que estar ordenados en absoluto. Como, puedes ordenar en tantos criterios como sea posible. Siempre que tengas una función de ordenamiento estable, eso funciona. Perfecto.

Y otra pregunta es ¿cómo maneja la lista virtual la altura de fila dinámica? Esa es una muy buena pregunta. He leído el código fuente de eso un rato. Entonces, lo que hace, ejecuta los elementos, luego los mide y almacena las mediciones y usa eso para compensar los siguientes elementos. Pero porque, como, la altura se memoriza por fila, al menos mientras el ancho no cambie, eso funciona en la práctica realmente bien. Tienes que dar una función heurística para la altura base de edición. Pero luego eso comienza a ajustarse. Curiosamente, eso no es realmente notable. Genial. Y otra más. Gracias por la gran charla.

Preguntas y Respuestas: Fuente de Datos de Flippa y Noches en Vela

Short description:

¿La fuente de datos de Flippa tiene una API para la virtualización en dos dimensiones? No, actualmente solo admite virtualización unidimensional. Agregar submuestreo a la abstracción sería útil para trazar gráficos. El auto-zebra-rendering se puede lograr utilizando el índice del elemento de la matriz. No hubo muchas noches en vela durante el desarrollo de Flipper. Puedes descargar Flipper y probarlo. Gracias por tus preguntas y no dudes en continuar la discusión en las salas designadas.

¿La fuente de datos de Flippa ya tiene una API para la virtualización en dos dimensiones, por ejemplo, para cuadrículas? No. Actualmente solo realiza virtualización unidimensional. Y también lo que creo que es realmente interesante agregar en el futuro es agregar submuestreo a la abstracción. Eso lo haría realmente útil para trazar gráficos si pudiéramos submuestrear dinámicamente los eventos que llegan.

Genial. ¿Has intentado optimizar el auto-zebra-rendering? Entonces, por ejemplo, filas oscuras y claras una tras otra. No, no lo intenté. Pero eso no debería... Lo que obtienes de useVirtual es solo una matriz con elementos. Por lo tanto, puedes usar el índice del elemento de la matriz para el zebraing, en lugar de asociarlo con los data. Eso debería funcionar bien. A menos que realmente te importe que la fila específica siempre sea gris y la otra siempre blanca. Pero no creo que ese sea generalmente el caso.

Bien. Ahora, hay tantas preguntas, no podremos llegar a todas. Así que solo haré esta última para terminar, porque esta es una de mis favoritas. ¿Cuántas noches en vela hubo, llegando a esta solución final? En realidad, no tantas. La razón es que quería construir esto hace años, pero nunca tuve una excusa sólida, hasta que comencé a trabajar en Flipper. Y así Flipper, para responder a tu pregunta, sí, lo usamos en la vida real en Flipper. Así que puedes descargar Flipper y probarlo. Así que no dio tantas noches en vela. Genial, muchas gracias. Ahora sé que había más preguntas, así que puedes pasar el rato en la sala de discussion del orador en persona, que estará a la vuelta de la esquina justo fuera de la puerta, y si estás en una audiencia remota, puedes ir al spacial react advanced, eso es bit.ly forward slash spatial react advanced, para unirte a la conversación. Pero tienes una gran decisión que tomar. ¿Cuál fue tu pregunta favorita de todas las que viste? Esa sería la de las noches en vela. Noches en vela. Eso es muy amable de Gareth. Una muy buena pregunta, ¿verdad? Entonces Dave o DJ Amy, van a tener una camiseta. Si estás aquí en persona, solo ven al frente. Si estás en línea, nos pondremos en contacto contigo. Todos aplaudan por él, y definitivamente revisen su charla.

Check out more articles and videos

We constantly think of articles and videos that might spark Git people interest / skill us up or help building a stellar career

Una Guía del Comportamiento de Renderizado de React
React Advanced 2022React Advanced 2022
25 min
Una Guía del Comportamiento de Renderizado de React
Top Content
This transcription provides a brief guide to React rendering behavior. It explains the process of rendering, comparing new and old elements, and the importance of pure rendering without side effects. It also covers topics such as batching and double rendering, optimizing rendering and using context and Redux in React. Overall, it offers valuable insights for developers looking to understand and optimize React rendering.
Construyendo Mejores Sitios Web con Remix
React Summit Remote Edition 2021React Summit Remote Edition 2021
33 min
Construyendo Mejores Sitios Web con Remix
Top Content
Remix is a web framework built on React Router that focuses on web fundamentals, accessibility, performance, and flexibility. It delivers real HTML and SEO benefits, and allows for automatic updating of meta tags and styles. It provides features like login functionality, session management, and error handling. Remix is a server-rendered framework that can enhance sites with JavaScript but doesn't require it for basic functionality. It aims to create quality HTML-driven documents and is flexible for use with different web technologies and stacks.
Compilador React Forget - Entendiendo React Idiomático
React Advanced 2023React Advanced 2023
33 min
Compilador React Forget - Entendiendo React Idiomático
Top Content
Joe Savona
Mofei Zhang
2 authors
The Talk discusses React Forget, a compiler built at Meta that aims to optimize client-side React development. It explores the use of memoization to improve performance and the vision of Forget to automatically determine dependencies at build time. Forget is named with an F-word pun and has the potential to optimize server builds and enable dead code elimination. The team plans to make Forget open-source and is focused on ensuring its quality before release.
Uso efectivo de useEffect
React Advanced 2022React Advanced 2022
30 min
Uso efectivo de useEffect
Top Content
Today's Talk explores the use of the useEffect hook in React development, covering topics such as fetching data, handling race conditions and cleanup, and optimizing performance. It also discusses the correct use of useEffect in React 18, the distinction between Activity Effects and Action Effects, and the potential misuse of useEffect. The Talk highlights the benefits of using useQuery or SWR for data fetching, the problems with using useEffect for initializing global singletons, and the use of state machines for handling effects. The speaker also recommends exploring the beta React docs and using tools like the stately.ai editor for visualizing state machines.
Acelerando tu aplicación React con menos JavaScript
React Summit 2023React Summit 2023
32 min
Acelerando tu aplicación React con menos JavaScript
Top Content
Mishko, the creator of Angular and AngularJS, discusses the challenges of website performance and JavaScript hydration. He explains the differences between client-side and server-side rendering and introduces Quik as a solution for efficient component hydration. Mishko demonstrates examples of state management and intercommunication using Quik. He highlights the performance benefits of using Quik with React and emphasizes the importance of reducing JavaScript size for better performance. Finally, he mentions the use of QUIC in both MPA and SPA applications for improved startup performance.
Depuración Web Moderna
JSNation 2023JSNation 2023
29 min
Depuración Web Moderna
Top Content
This Talk discusses modern web debugging and the latest updates in Chrome DevTools. It highlights new features that help pinpoint issues quicker, improved file visibility and source mapping, and ignoring and configuring files. The Breakpoints panel in DevTools has been redesigned for easier access and management. The Talk also covers the challenges of debugging with source maps and the efforts to standardize the source map format. Lastly, it provides tips for improving productivity with DevTools and emphasizes the importance of reporting bugs and using source maps for debugging production code.

Workshops on related topic

Masterclass de Depuración de Rendimiento de React
React Summit 2023React Summit 2023
170 min
Masterclass de Depuración de Rendimiento de React
Top Content
Featured Workshop
Ivan Akulov
Ivan Akulov
Los primeros intentos de Ivan en la depuración de rendimiento fueron caóticos. Vería una interacción lenta, intentaría una optimización aleatoria, vería que no ayudaba, y seguiría intentando otras optimizaciones hasta que encontraba la correcta (o se rendía).
En aquel entonces, Ivan no sabía cómo usar bien las herramientas de rendimiento. Haría una grabación en Chrome DevTools o React Profiler, la examinaría, intentaría hacer clic en cosas aleatorias, y luego la cerraría frustrado unos minutos después. Ahora, Ivan sabe exactamente dónde y qué buscar. Y en esta masterclass, Ivan te enseñará eso también.
Así es como va a funcionar. Tomaremos una aplicación lenta → la depuraremos (usando herramientas como Chrome DevTools, React Profiler, y why-did-you-render) → identificaremos el cuello de botella → y luego repetiremos, varias veces más. No hablaremos de las soluciones (en el 90% de los casos, es simplemente el viejo y regular useMemo() o memo()). Pero hablaremos de todo lo que viene antes - y aprenderemos a analizar cualquier problema de rendimiento de React, paso a paso.
(Nota: Esta masterclass es más adecuada para ingenieros que ya están familiarizados con cómo funcionan useMemo() y memo() - pero quieren mejorar en el uso de las herramientas de rendimiento alrededor de React. Además, estaremos cubriendo el rendimiento de la interacción, no la velocidad de carga, por lo que no escucharás una palabra sobre Lighthouse 🤐)
Next.js para Desarrolladores de React.js
React Day Berlin 2023React Day Berlin 2023
157 min
Next.js para Desarrolladores de React.js
Top Content
Featured WorkshopFree
Adrian Hajdin
Adrian Hajdin
En esta avanzada masterclass de Next.js, profundizaremos en conceptos clave y técnicas que permiten a los desarrolladores de React.js aprovechar al máximo Next.js. Exploraremos temas avanzados y prácticas prácticas, equipándote con las habilidades necesarias para construir aplicaciones web de alto rendimiento y tomar decisiones arquitectónicas informadas.
Al final de esta masterclass, serás capaz de:1. Comprender los beneficios de los Componentes del Servidor React y su papel en la construcción de aplicaciones React interactivas, renderizadas por el servidor.2. Diferenciar entre el tiempo de ejecución de Edge y Node.js en Next.js y saber cuándo usar cada uno en función de los requisitos de tu proyecto.3. Explorar técnicas avanzadas de Renderizado del Lado del Servidor (SSR), incluyendo streaming, fetching paralelo vs. secuencial, y sincronización de datos.4. Implementar estrategias de caché para mejorar el rendimiento y reducir la carga del servidor en las aplicaciones Next.js.5. Utilizar Acciones React para manejar la mutación compleja del servidor.6. Optimizar tus aplicaciones Next.js para SEO, compartir en redes sociales, y rendimiento general para mejorar la descubrabilidad y la participación del usuario.
Aventuras de Renderizado Concurrente en React 18
React Advanced 2021React Advanced 2021
132 min
Aventuras de Renderizado Concurrente en React 18
Top Content
Featured Workshop
Maurice de Beijer
Maurice de Beijer
Con el lanzamiento de React 18 finalmente obtenemos el tan esperado renderizado concurrente. Pero, ¿cómo va a afectar eso a tu aplicación? ¿Cuáles son los beneficios del renderizado concurrente en React? ¿Qué necesitas hacer para cambiar al renderizado concurrente cuando actualices a React 18? ¿Y qué pasa si no quieres o no puedes usar el renderizado concurrente todavía?

¡Hay algunos cambios de comportamiento de los que debes estar al tanto! En esta masterclass cubriremos todos esos temas y más.

Acompáñame con tu portátil en esta masterclass interactiva. Verás lo fácil que es cambiar al renderizado concurrente en tu aplicación React. Aprenderás todo sobre el renderizado concurrente, SuspenseList, la API startTransition y más.
Consejos sobre React Hooks que solo los profesionales conocen
React Summit Remote Edition 2021React Summit Remote Edition 2021
177 min
Consejos sobre React Hooks que solo los profesionales conocen
Top Content
Featured Workshop
Maurice de Beijer
Maurice de Beijer
La adición de la API de hooks a React fue un cambio bastante importante. Antes de los hooks, la mayoría de los componentos tenían que ser basados en clases. Ahora, con los hooks, estos son a menudo componentes funcionales mucho más simples. Los hooks pueden ser realmente simples de usar. Casi engañosamente simples. Porque todavía hay muchas formas en las que puedes equivocarte con los hooks. Y a menudo resulta que hay muchas formas en las que puedes mejorar tus componentes con una mejor comprensión de cómo se puede usar cada hook de React.Aprenderás todo sobre los pros y los contras de los diversos hooks. Aprenderás cuándo usar useState() versus useReducer(). Veremos cómo usar useContext() de manera eficiente. Verás cuándo usar useLayoutEffect() y cuándo useEffect() es mejor.
Presentando FlashList: Construyamos juntos una lista performante en React Native
React Advanced 2022React Advanced 2022
81 min
Presentando FlashList: Construyamos juntos una lista performante en React Native
Top Content
Featured Workshop
David Cortés Fulla
Marek Fořt
Talha Naqvi
3 authors
En esta masterclass aprenderás por qué creamos FlashList en Shopify y cómo puedes usarlo en tu código hoy. Te mostraremos cómo tomar una lista que no es performante en FlatList y hacerla performante usando FlashList con mínimo esfuerzo. Usaremos herramientas como Flipper, nuestro propio código de benchmarking, y te enseñaremos cómo la API de FlashList puede cubrir casos de uso más complejos y aún así mantener un rendimiento de primera categoría.Sabrás:- Breve presentación sobre qué es FlashList, por qué lo construimos, etc.- Migrando de FlatList a FlashList- Enseñando cómo escribir una lista performante- Utilizando las herramientas proporcionadas por la biblioteca FlashList (principalmente el hook useBenchmark)- Usando los plugins de Flipper (gráfico de llamas, nuestro perfilador de listas, perfilador de UI & JS FPS, etc.)- Optimizando el rendimiento de FlashList utilizando props más avanzados como `getType`- 5-6 tareas de muestra donde descubriremos y solucionaremos problemas juntos- Preguntas y respuestas con el equipo de Shopify
React, TypeScript y TDD
React Advanced 2021React Advanced 2021
174 min
React, TypeScript y TDD
Top Content
Featured Workshop
Paul Everitt
Paul Everitt
ReactJS es extremadamente popular y, por lo tanto, ampliamente soportado. TypeScript está ganando popularidad y, por lo tanto, cada vez más soportado.

¿Los dos juntos? No tanto. Dado que ambos cambian rápidamente, es difícil encontrar materiales de aprendizaje precisos.

¿React+TypeScript, con los IDEs de JetBrains? Esa combinación de tres partes es el tema de esta serie. Mostraremos un poco sobre mucho. Es decir, los pasos clave para ser productivo, en el IDE, para proyectos de React utilizando TypeScript. En el camino, mostraremos el desarrollo guiado por pruebas y enfatizaremos consejos y trucos en el IDE.