前端虚拟列表实现:别再渲染10000个DOM节点了

前端虚拟列表实现:别再渲染10000个DOM节点了

前端虚拟列表实现:别再渲染10000个DOM节点了

毒舌时刻

这代码写得跟网红滤镜似的——仅供参考。

各位前端同行,咱们今天聊聊前端虚拟列表。别告诉我你还在一次性渲染10000个列表项,那感觉就像把10000本书全部摆在桌面上——既占地方又难找。

为什么你需要虚拟列表

最近看到一个项目,一个下拉列表有5000个选项,全部渲染导致页面卡死,我差点当场去世。我就想问:你是在做列表还是在做性能杀手?

反面教材

// 反面教材:一次性渲染所有数据 function BigList({ items }) { return ( <ul style={{ height: '400px', overflow: 'auto' }}> {items.map(item => ( <li key={item.id} style={{ height: '50px' }}> {item.name} </li> ))} </ul> ); } // 使用 <BigList items={Array.from({ length: 10000 }, (_, i) => ({ id: i, name: `Item ${i}` }))} /> // 浏览器:我太难了 

毒舌点评:这代码,我看了都替浏览器着急。渲染10000个DOM节点,你是想让用户的电脑变成暖炉吗?

前端虚拟列表的正确姿势

1. 基础虚拟列表实现

// 正确姿势:基础虚拟列表 import { useState, useRef, useMemo, useCallback } from 'react'; function VirtualList({ items, itemHeight, containerHeight }) { const [scrollTop, setScrollTop] = useState(0); const containerRef = useRef(null); // 计算可见区域 const visibleCount = Math.ceil(containerHeight / itemHeight); const totalHeight = items.length * itemHeight; // 计算起始和结束索引 const startIndex = Math.floor(scrollTop / itemHeight); const endIndex = Math.min(startIndex + visibleCount + 1, items.length); // 获取可见项 const visibleItems = useMemo(() => { return items.slice(startIndex, endIndex); }, [items, startIndex, endIndex]); // 偏移量 const offsetY = startIndex * itemHeight; const handleScroll = useCallback((e) => { setScrollTop(e.target.scrollTop); }, []); return ( <div ref={containerRef} style={{ height: containerHeight, overflow: 'auto' }} onScroll={handleScroll} > <div style={{ height: totalHeight, position: 'relative' }}> <div style={{ transform: `translateY(${offsetY}px)` }}> {visibleItems.map((item, index) => ( <div key={item.id} style={{ height: itemHeight }} className="virtual-list-item" > {item.name} </div> ))} </div> </div> </div> ); } // 使用 function App() { const items = Array.from({ length: 10000 }, (_, i) => ({ id: i, name: `Item ${i}` })); return ( <VirtualList items={items} itemHeight={50} containerHeight={400} /> ); } 

2. 使用react-window

// 正确姿势:使用react-window import { FixedSizeList as List } from 'react-window'; function VirtualList({ items }) { const Row = ({ index, style }) => ( <div style={style} className="list-item"> {items[index].name} </div> ); return ( <List height={400} itemCount={items.length} itemSize={50} > {Row} </List> ); } // 使用 function App() { const items = Array.from({ length: 10000 }, (_, i) => ({ id: i, name: `Item ${i}` })); return <VirtualList items={items} />; } 

3. 使用vue-virtual-scroller

<!-- Vue3中使用vue-virtual-scroller --> <template> <RecycleScroller :items="items" :item-size="50" key-field="id" v-slot="{ item }" > <div> {{ item.name }} </div> </RecycleScroller> </template> <script setup> import { RecycleScroller } from 'vue-virtual-scroller'; import 'vue-virtual-scroller/dist/vue-virtual-scroller.css'; const items = Array.from({ length: 10000 }, (_, i) => ({ id: i, name: `Item ${i}` })); </script> <style> .scroller { height: 400px; } .item { height: 50px; display: flex; align-items: center; padding: 0 20px; } </style> 

毒舌点评:早这么写,你的列表早流畅了。别告诉我你还在渲染10000个DOM节点,那你还是趁早去用分页吧。

实战技巧:虚拟列表指南

1. 虚拟列表原理

  1. 只渲染可见项:只渲染视口内的元素
  2. 计算偏移量:通过transform移动内容
  3. 动态高度支持:预估高度或动态计算

2. 最佳实践

  1. 固定高度:优先使用固定高度,性能好
  2. 缓冲区域:上下多渲染几个item,避免白屏
  3. 滚动优化:使用requestAnimationFrame

最后想说的

虚拟列表不是炫技,是性能优化。别再渲染10000个DOM节点了——虚拟化一下,你的应用会飞起来。

虚拟列表就像图书馆的检索系统,不需要把所有书都摆在桌上,只需要展示你想看的那几本。别做图书搬运工,做图书管理员。

Read more

提示词、Agent、MCP、Skill 到底是什么?一文搞懂 AI 圈最火的四个概念

提示词、Agent、MCP、Skill 到底是什么?一文搞懂 AI 圈最火的四个概念

最近 AI 圈有几个词被反复提起:提示词、Agent、MCP、Skill。很多人听了半天还是一头雾水——它们到底是什么?有什么区别?什么时候用哪个?这篇文章用一个贯穿始终的比喻,把这四个概念讲清楚。 先建立一个统一的比喻 想象你开了一家外卖店,雇了一个聪明的员工来处理订单。 * 提示词 = 你给员工的工作指令 * Skill = 员工手边的操作手册 * MCP = 员工能用的各种工具和设备(电话、收银机、外卖平台) * Agent = 员工本人——能自主思考、决策、行动的那个人 这四个东西不是竞争关系,而是同一个系统里的不同层次。 一、提示词(Prompt):你说的每一句话 是什么 提示词就是你输入给 AI 的文字。最简单的形式: 帮我写一封请假邮件 复杂一点的,叫系统提示词(System Prompt),在对话开始前就告诉 AI 它的角色和规则: 你是一个专业的客服助手,

Python实现开源AI模型引入及测试全过程

Python实现开源AI模型引入及测试全过程

文章目录 * 摘要 * 1. 引言:开源AI生态系统概述 * 1.1 开源AI的发展现状 * 1.2 技术栈选择 * 1.3 项目目标 * 2. 环境配置与项目初始化 * 2.1 系统要求 * 2.2 创建虚拟环境 * 2.3 依赖管理文件 * 2.4 安装依赖 * 2.5 项目结构 * 3. 模型原理与架构解析 * 3.1 BERT模型原理 * 3.1.1 Transformer编码器架构 * 3.2 Hugging Face Transformers架构 * 4. 数据准备与预处理 * 4.1 数据集选择与加载

普通AI vs OpenClaw:差别到底在哪?

普通AI vs OpenClaw:差别到底在哪?

我们做个直观对比: 普通AIOpenClaw你问一句,它答一句你说一句,它执行完整流程写完内容就结束自动跨软件操作、持续运行需要你手动整理自动拆解任务并完成只是“助手”更像“AI执行代理” 举个真实场景。 普通AI能帮你写会议纪要草稿。 OpenClaw可以帮你: * 提取最近一周邮件里的重要事项 * 生成会议纪要 * 同步到日历 * 创建提醒 * 发送给团队成员 整个流程,一句话完成。 这不是聊天,这是自动化执行。 它到底是什么? OpenClaw 是一个“本地优先”的开源AI自动化平台。 它原名 Clawdbot / Moltbot,后来品牌升级为 OpenClaw,核心逻辑没有变化。 它的核心理念是: 让AI成为你的任务执行者,而不是问答机器。 你用自然语言描述目标,它负责拆解步骤、调用工具、完成流程。 它能帮你做什么? 我把最实用的场景分成四类。 1️⃣ 职场人的“效率外挂” 如果你每天被这些事情困扰: * 清理几十封邮件 * 整理会议纪要 * 写周报 * 做信息收集 * 反复处理格式转换 那OpenCla

本周AI开发者必学:Qwen 3.5 MoE 本地部署,10分钟跑通完整版

本周AI开发者必学:Qwen 3.5 MoE 本地部署,10分钟跑通完整版

文章目录 * 开篇:你的显卡终于不用吃灰了 * 一、选型指南:你的显卡能跑哪个版本? * 显存 4GB 以下(轻薄本/老显卡) * 显存 8GB(RTX 3060/4060 笔记本) * 显存 16GB 以上(RTX 4080/4090 富哥) * 苹果 M 系列用户 * 二、Ollama 一键安装:比装微信还简单 * Windows/macOS 用户: * Linux 用户(Ubuntu/Debian): * 国内网络加速技巧: * 三、模型下载:挑个"媳妇"娶回家 * 四、API 接口封装:让你的代码也能调用