一个小游戏团队曾经盯着帧率面板看了半天:FPS 一切正常,可用户说卡;再盯一眼,CPU 占用是 0%,帧却掉了。这听着像玄学,其实是一种小程序特有的税——过桥税。在那股小游戏潮里,60fps 本身就是产品:一个关卡滑不滑,决定用户留不留。而 bridge 把原生该有的那种跟手,偷换成「像别人给你发了封邮件的网页」。

桥才是真正的瓶颈,不是算法

小程序的性能不取决于排序算法优不优雅,而取决于运行时在普通 Web 性能之上额外加的两笔开销。其中第一笔、也是最阴的一笔,是过桥:每次 JS 调原生、或原生回 JS,都要把参数在两边序列化一遍。一次调用看着不起眼,但在一段会频繁跑的路径里——一个滚动回调、一个动画帧——它被调了几十次,主线程就被这些序列化堵死了。于是 CPU 没在算东西(所以是 0%),但帧就是画不出来,因为主线程卡在等桥。

before 与 after:五十次桥变一次

下面这段是常见的写法,在一次渲染里为列表每一项单独问一次原生:

// 错:一次渲染跨五十次过桥
for (const item of items) {
  const meta = await native.getMeta(item.id);
  paint(item, meta);
}

改成批量取,桥从五十次变一次:

// 对:一次过桥取全部
const metas = await native.getMetaBatch(items.map(i => i.id));
items.forEach((item, i) => paint(item, metas[i]));
写法过桥次数序列化字节实测帧时间
逐项取50约 12 KB掉帧
批量取1约 12 KB稳

字节总量一样,差别全在「跨边界的次数」。桥的代价是按次算的,不是按字节算的。

怎么数过桥:先有仪表,再谈优化

多数团队直到用户投诉才知道桥有问题,因为本地旗舰机根本感觉不到。真正管用的纪律是:在桥层埋一个计数器,热路径里每次跨边界都加一,定期把「每帧过桥次数」回传到服务端。某团队加了这个计数器后,发现一个动画循环每帧跨了 30 次桥,压到 3 次之后,那台 3 GB RAM、WebView 94 的低端机从持续掉帧变成稳 60。没有计数,这个 bug 会一直被当成「低端机本来就这样」。

除了批量,还有三招

桥的序列化税,批量取只是第一招。第二招是节流:storage 的读写在热路径里极易被反复触发,debounce 成每帧一次。第三招是合帧:把多次状态更新 coalesce 成一次过桥,而不是每次 setState 都跨一遍。第四招是减少拷贝——大对象走结构化克隆或 transferable,而不是在两边各序列化一份。在 WebView 94 那档低端机上,这几招叠加能把一个持续掉帧的列表拉回稳 60,而它们的前提都是先有那个过桥计数器,知道次数才知道往哪压。

帧预算是多少,桥就值多少

60fps 的预算是每帧 16.7 毫秒,其中留给你的脚本和桥的,通常不到 10 毫秒。一次过桥调用在低端机上实测要 0.3 到 1 毫秒——听着微不足道,但一个动画循环每帧跨 30 次,光桥就吃掉 9 到 30 毫秒,帧预算直接爆。这就是为什么「FPS 正常、CPU 为零、帧却掉」:主线程没在算,它卡在等桥跨边界。把每帧过桥次数压到个位数,往往比优化任何算法都管用。数清楚次数,才知道这 16.7 毫秒到底被谁吃了。

一句话收尾

小程序卡顿,十次有八次不是算法慢,是桥被调太多次。先把过桥次数数清楚、把热路径批量掉,再去怀疑自己的代码——这才是低端机上真的有效的性能优化。

参考来源