0

electron 应用开发优秀实践 - vivo互联网技术

 5 months ago
source link: https://www.cnblogs.com/vivotech/p/16549961.html
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.

electron 应用开发优秀实践

vivo 互联网前端团队-Yang Kun

在团队中,我们因业务发展,需要用到桌面端技术,如离线可用、调用桌面系统能力。什么是桌面端开发?一句话概括就是:以 Windows 、macOS 和 Linux 为操作系统的软件开发。对此我们做了详细的技术调研,桌面端的开发方式主要有 Native 、 QT 、 Flutter 、 NW 、 Electron 、 Tarui 。其各自优劣势如下表格所示:

854492e123866f13a74c0927120105e9.jpeg

我们最终的桌面端技术选型是 Electron ,Electron 是一个可以使用 Web 技术来开发跨平台桌面应用的开发框架。

其技术组成如下:

Electron = Chromium + Node.js + Native API

各技术能力如下图所示:

图片

整体架构如下图所示:

图片

Electron 是多进程架构,架构具有以下特点:

  • 由一个主进程和 N 个渲染进程组成
  • 主进程承担主导作用,用于完成各种跨平台和原生交互
  • 渲染进程可以是多个,使用 Web 技术开发,通过浏览器内核渲染页面
  • 主进程和渲染进程通过进程间通信来完成各种功能

这里说下 Electron 进程间通信技术原理:

electron 使用 IPC (interprocess communication) 在进程之间进行通信,如下图所示:

图片

其提供了 IPC 通信模块,主进程的 ipcMain 和渲染进程的 ipcRenderer。

从 electron 源码中可以看出, ipcMain 和 ipcRenderer 都是 EventEmitter 对象,源码如下图所示:

图片

看到源码实现,是不是觉得 IPC 不难理解了。知其本质,方可游刃有余。

看到这,我们回顾上文技术表格,看到 Electron 应用包体积大,那体积大的根本原因是什么呢?

其实这和 chromium 的框架设计有关,其对很多功能都没有宏控制,导致很难把庞大复杂的细节功能去除掉,也造成了基于 chromium 的开发框架,如 electron 、 nwjs 打出的包起步就是 100 多 M 。

综上,electron 具有跨端、基于 Web 、超强生态等优点,是桌面端开发的优秀方案之一。下文将介绍 electron 应用开发实践经验,包括应用技术选型和常用功能。

二、应用技术选型

2.1 编程语言 Typescript

理由如下:

  • 针对开发者
  1. Javascript 的超集 - 无缝支持所有的 es2020+ 所有的特性,学习成本小
  2. 编译生成的 JavaScript 的代码保持很好的可读性
  3. 可维护性明显增强
  4. 完整的 OOP 的支持 - extends, interface, private, protect, public等
  5. 类型即文档
  6. 类型的约束,更少的单元测试的覆盖
  7. 更安全的代码
  1. 更好的重构能力
  2. 静态分析自动导包
  3. 代码错误检查
  4. 代码提示补齐

大量的社区的类型定义文件 提升开发效率

2.2 构建工具 Electron-Forge

理由:简单而又强大,目前 electron 应用最好的构建工具之一。

这里提一下 electron-builder 其和 electron-forge 的介绍和区别,看下图所示:

图片

两者最大的区别在于自由度,两者在能力上基本没什么差异了,从官方组织中的排序看,有意优先推荐 electron-forge 。

2.3 Web 方案 Vue3 + Vite

我们采用的是 Vue3 ,同时使用 Vite 作为构建工具,具体优点,大家可以查看官网介绍,这套组合是目前主流的 Web 开发方案。

2.4 monorepo方案 pnpm + turbo

图片

目前的 monorepo 生态百花齐放,正确的实践方法应该是集大成法,也就是取各家之长,目前的趋势也是如此,各开源 monorepo 工具达成默契,专注自己擅长的能力。

如 pnpm 擅长依赖管理, turbo 擅长构建任务编排。遂在 monorepo 技术选型上,我选择了 pnpm 和 turbo 。

pnpm 理由如下:

  • 目前最好的包管理工具, pnpm 吸收了 npm 、 yarn 、 lerna 等主流工具的精华,并去其糟粕。
  • 生态、社区活跃且强大
  • 结合 workspace 可以完成 monorepo 最佳设计和实践
  • 在管理多项目的包依赖、代码风格、代码质量、组件库复用等场景下,表现出色
  • 在框架、库的开发、调试、维护方面,表现出色

相比于 vue 官网,在使用 pnpm 上,我加了 workspace 。

turbo 理由如下:

  • 它是一个高性能构建系统,拥有增量构建、云缓存、并行执行、运行时零开销、任务管道、精简子集等特性
  • 具有非常优秀的任务编排能力,可以弥补 pnpm 在任务编排上的短板

2.5 数据库 lowdb

electron 应用数据库有非常多的选择如 lowdb 、 sqlite3 、 electron-store 、 pouchdb 、 dedb 、 rxdb 、 dexie 、 ImmortalDB 等。这些数据库都有一个特性,那就是无服务器。

electron 应用数据库技术选型考虑因素主要有以下3点:

  • 生态(使用者数量、维护频率、版本稳定度)
  • 其他(和使用者技术匹配度)

我们通过以下渠道进行了相关调研

  • github 的 issues、commit、fork、star
  • sourcegraph 关键字搜索结果数
  • npm 包下载量、版本发布
  • 官网和博客

给出四个最优选择,分别是 lowdb 、 sqlite3 、 nedb 、 electron-store , 理由如下:

  • lowdb: 生态、能力、性能三方面表现优秀, json 形式的存储结构, 支持 lodash 、 ramda 等 api 操作,利于备份和调用
  • sqlite3: 生态、能力、性能三方面表现优秀, Nodejs 关系型数据库第一选择方案
  • nedb: 能力、性能三方面表现优秀,缺点是基本不维护了,但底子还在,尤其操作是 MongoDB 的子集,对于熟悉 MongoDB 的使用者来说是绝佳选择。
  • electron-store: 生态表现优秀,轻量级持久化方案,简单易用

我们使用的数据库选型是 lowdb 方案。

PS:提一下 pouchdb ,如果需要将本地数据同步到远端数据库,可以使用 pouchdb ,其和 couchdb 可以轻松完成同步。

2.6 脚本工具 zx

软件开发过程中,将一些流程和操作通过脚本来完成,可以有效地提高开发效率和幸福度。

依赖 node runtime 的优秀选择就两个:shelljs 和 zx , 选择 zx 的理由如下:

  1. 自带 fetch 、 chalk 等常用库,使用方便快捷
  2. 多个子进程方便快捷、执行远端脚本、解析 md 、 xml 文件脚本、支持 ts ,功能丰富且强大
  3. 谷歌出品,大厂背景,生态非常活跃

至此,技术选型就介绍完了,下面我将介绍electron 应用的常用功能。

此部分主要介绍以下5点内容:

  • 应用图标生成
  • 二进制文件构建
  • 跨平台兼容

3.1 应用图标生成

不同尺寸图标的生成有以下方法:

Windows

MacOS

3.2 二进制文件构建

本章节内容是基于 electron-forge 阐述的,不过原理是一样的。

在开发桌面端应用时,会有场景要用到第三方的二进制程序,比如 ffmpeg 这种。在构建二进制程序时,要关注以下两个注意项:

(1)二进制程序不能打包进 asar 中 可以在构建配置文件(forge.config.js)进行如下设置:

const os = require('os')
const platform = os.platform()
const config = {
  packagerConfig: {
    // 可以将 ffmpeg 目录打包到 asar 目录外面
    extraResource: [`./src/main/ffmpeg/`]
  }
}

(2)开发和生产环境,获取二进制程序路径方法是不一样的 可以采用如下代码进行动态获取:

import { app } from 'electron'
import os from 'os'
import path from 'path'
const platform = os.platform()
const dir = app.getAppPath()
let basePath = ''
if(app.isPackaged) basePath = path.join(process.resourcesPath)
else basePath = path.join(dir, 'ffmpeg')
const isWin = platform === 'win32'
// ffmpeg 二进制程序路径
const ffmpegPath = path.join(basePath, `${platform}`, `ffmpeg${isWin ? '.exe' : ''}`)

3.3 按需构建

如何对跨平台二进制文件进行按需构建呢?

比如桌面应用中用到了 ffmpeg , 它需要有 windows 、 mac 和 linux 的下载二进制。在打包的时候,如果不做按需构建,则会将 3 个二进制文件全部打到构建中,这样会让应用体积增加很多。

可以在 forge.config.js 配置文件中进行如下配置,即可完成按需构建,代码如下:

const platform = os.platform()
const config = {
  packagerConfig: {
    extraResource: [`./src/main/ffmpeg/${platform}`]
  },
}

通过 platform 变量来把对应系统的二进制打到构建中,即可完成对二进制文件的按需构建。

3.4 性能优化

主要是构建速度和构建体积优化,构建速度这块不好优化。本文重点说下构建体积优化,这里拿 mac 系统举例说明, 在 electron 应用打包后,查看应用包内容,如下图所示:

图片

可以看到有一个 app.asar 文件,这个文件用 asar 解压后可以看到有以下内容:

图片

可以看出 asar 中的文件,就是我们构建后的项目代码,从图中可以看到有 node_modules 目录, 这是因为在 electron 构建机制中,会自动把 dependencies 的依赖全部打到 asar 中。

所以结合上述分析,我们的优化措施有以下4点:

  1. 将 web 端构建所需的依赖全部放到 devDependencies 中,只将在 electron 端需要的依赖放到 dependencies
  2. 将和生产无关的代码和文件从构建中剔除
  3. 对跨平台使用的二进制文件,如 ffmpeg 进行按需构建(上文按需构建已介绍)
  4. 对 node_modules 进行清理精简

这里提下第 4 点,如何对 node_modules 进行清理精简呢?

如果是 yarn 安装的依赖,我们可以在根目录使用下面命令进行精简:

yarn autoclean -I

yarn autoclean -F

如果是 pnpm 安装的依赖,第 4 点应该不起作用了。我在项目中使用 yarn 安装依赖,然后执行上述命令后,发现打包体积减少了 6M , 虽然不多,但也还可以。

至此,构建功能就介绍完了。

本章节主要分为以下两个方面:

下面将依次介绍上述两种更新

4.1 全量更新

通过下载最新的包或者 zip 文件,进行软件更新,需要替换所有的文件。

整体设计流程图如下:

图片

按照流程图去实现,我们需要做以下事情:

  1. 开发服务端接口,用来返回应用最新版本信息
  2. 渲染进程使用 axios 等工具请求接口,获取最新版本信息
  3. 封装更新逻辑,用来对接口返回的版本信息进行综合比较,判断是否更新
  4. 通过 ipc 通信将更新信息传递给主进程
  5. 主进程通过 electron-updater 进行全量更新
  6. 将更新信息通过 ipc 推送给渲染进程
  7. 渲染进程向用户展示更新信息,若更新成功,则弹出弹窗告诉用户重启应用,完成软件更新

4.2 增量更新

通过拉取最新的渲染层打包文件,覆盖之前的渲染层代码,完成软件更新,此方案只需替换渲染层代码,无需替换所有文件。

图片

按照流程图去实现,我们需要做以下事情

  1. 渲染进程定时通知主进程检测更新
  2. 主进程检测更新
  3. 需要更新,则拉取线上最新包
  4. 删除旧版本包,复制线上最新包,完成增量更新
  5. 通知渲染进程,提示用户重启应用完成更新

全量更新和增量更新各有优势,多数情况下,采用增量更新来提高用户更新体验,同时使用全量更新作为兜底更新方案。

至此,更新功能就介绍完了。

五、性能优化

分为以下3个方面:

  1. 启动时优化
  2. 运行时优化

构建优化在上文内容中,已经详细介绍过了,这里不再介绍,下面将介绍 启动时优化 和 运行时优化。

5.1 启动时优化

  • 使用 v8-compile-cache 缓存编译代码
  • 优先加载核心功能,非核心功能动态加载
  • 使用多进程,多线程技术
  • 采用 asar 打包:会加快启动速度
  • 增加视觉过渡:loading + 骨架屏

5.1.1 使用 v8-compile-cache 缓存编译代码

使用 V8 缓存数据,为什么要这么做呢?

因为 electorn 使用 V8 引擎运行 js , V8 运行 js 时,需要先进行解析和编译,再执行代码。其中,解析和编译过程消耗时间多,经常导致性能瓶颈。而 V8 缓存功能,可以将编译后的字节码缓存起来,省去下一次解析、编译的时间。

主要使用 v8-compile-cache 来缓存编译的代码,做法很简单:在需要缓存的地方加一行

require('v8-compile-cache')

其他使用方法请查看此链接文档 https://www.npmjs.com/package/v8-compile-cache(opens new window)

5.1.2 优先加载核心功能,非核心功能动态加载

伪代码如下:

export function share() {
  const kun = require('kun')
  kun()
}

5.2 运行时优化

  • 对渲染进程 进行 Web 性能优化
  • 对主进程进行轻量瘦身

5.2.1 对渲染进程 进行 Web 性能优化

用一个思维导图来完整阐述如何进行 Web 性能优化,如下图所示:

图片

上图基本包含了性能优化的核心关键点和内容,大家可以以此作为参考,去做性能优化。

5.2.2 对主进程进行轻量瘦身

核心方案就是将运行时耗时、计算量大的功能交给新开的 node 进程去执行处理。

伪代码如下:

const { fork } = require('child_process')
let { app } = require('electron')

function createProcess(socketName) {
  process = fork(`xxxx/server.js`, [
    '--subprocess',
    app.getVersion(),
    socketName
  ])
}

const initApp = async () => {
  // 其他初始化代码...
  let socket = await findSocket()
  createProcess(socket)
}

app.on('ready', initApp)

通过以上代码,将耗时、计算量大的功能,放在 server.js ,然后再 fork 到新开 node 进程中进行处理。

至此,性能优化就介绍完了。

六、质量保障

质量保障的全流程措施如下图所示:

图片

本章节主要介绍以下3个方面:

  1. 自动化测试

下面将会依次介绍上述内容。

6.1 自动化测试

自动化测试是什么?

图片

上图是做自动化测试一个完整步骤,大家可以看图领会。

自动化测试主要分为 单元测试、集成测试、端到端测试,三者关系如下图所示:

8c688162b4c0797212b5d2b927340e52.jpeg

一般情况下,作为软件工程师,我们做到一定的单元测试就可以了。而且从我目前经验来说,如果是写业务性质的项目,基本上不会编写测试相关的代码。自动化测试主要是用来编写库、框架、组件等需要作为单独个体提供给他人使用的。

electron 的测试工具推荐 vitest 、 spectron 。具体用法参考官网文档即可,没什么特别的技巧。

6.2 崩溃监控

对于 GUI 软件,尤其桌面端软件来说,崩溃率非常重要,因此需要对崩溃进行监控。

崩溃监控原理如下图所示:

图片

崩溃监控技巧

  • 渲染进程崩溃后,提示用户重新加载
  • 通过 preload 统一初始化崩溃监控
  • 主进程、渲染进程通过 process.crash() 进行模拟崩溃
  • 对崩溃日志进行收集分析

崩溃监控做好后,如果发生崩溃,该如何治理崩溃呢?

6.3 崩溃治理

崩溃治理难点:

  • 定位出错栈困难:Native 错误栈,无操作上下文
  • 调试门槛高:C++ 、 IIdb/GDB
  • 运行环境复杂:机器型号、系统、其他软件

崩溃治理技巧:

  • 及时升级 electron
  • 用户操作日志和系统信息
  • 复现和定位问题比治理重要
  • 把问题交给社区解决,社区响应快
  • 善于用 devtool 分析和治理内存问题

俗话说的好,安全大于天,保证 electron 应用的安全也是一项重要的事情,本章节将安全分为以下 5 个方面:

下面将会依次介绍上述内容。

7.1 源码泄漏

目前 electron 在源码安全做的不好,官方只用 asar 做了一下很没用的源码保护,到底有多没用呢?

你只需要下载 asar 工具,然后对 asar 文件进行解压就可以得到里面的源码了,如下图所示:

图片

通过图中操作即可看到语雀应用的源码。上面提到的 asar 是什么呢?

7.2 asar

asar 是一种将多个文件合并成一个文件的类 tar 风格的归档格式。Electron 可以无需解压整个文件,即可从其中读取任意文件内容。

asar 技术原理:

可以直接看 electron 源码,都是 ts 代码,容易阅读,源码如下图所示:

图片

从图中可以看出, asar 的核心实现就是对 nodejs 的 fs 模块进行重写。

7.3 源码保护

避免源码泄漏,按照从低到高的源码安全,可以分为以下程度

  1. WebAssembly
  2. Language bindings

其中,Language bindings 是最高的源码安全措施,其实使用 C++ 或 Rust 代码来编写 electron 应用代码,通过将 C++ 或 Rust 代码编译成二进制代码后,破译的难度会变高。这里我说下如何使用 Rust 去编写 electron 应用代码。

方案:使用 napi-rs 作为工具去编写,如下图所示:

图片

我们采用 pnpm-workspace 去管理 Rust 代码,使用 napi-rs ,比如我们写一个 sum 函数,rs代码如下:

fn sum(a: f64, b: f64) -> f64 {
  a + b
}

此时我们加上 napi 装饰代码,如下所示:

use napi_derive::napi;

#[napi]
fn sum(a: f64, b: f64) -> f64 {
  a + b
}

在通过 napi-cli 将上述代码编译成 node 可以调用的二进制代码。

编译后,在electron使用上述代码,如下所示:

import { sum as rsSum } from '@rebebuca/native'
// 输出 7
console.log(rsSum(2, 5))

napi-rs 的使用请阅读官方文档,地址是:https://napi.rs/(opens new window)

至此,language bindings 的阐述就完成了。我们通过这种方式,可以完成对重要功能的源码保护。

7.4 应用安全

目前熟知的一个安全问题是克隆攻击,此问题的主流解决方案是将用户认证信息和应用设备指纹进行绑定,整体流程如如下图所示:

图片
  • 应用设备指纹生成:可以用上文阐述的 napi-rs 方案去实现

  • 用户认证信息和设备指纹绑定:使用服务端去实现

7.5 编码安全

主要有以下措施:

  • 常用的 web 安全,比如防 xss 、 csrf
  • 设置 node 可执行环境
  • 窗体开启安全选项
  • 限制链接跳转

以上具体细节不再介绍,自行搜索上述方案。除此之外,还有个官方推荐的最佳安全实践,有空可以看看,地址如下:https://www.electronjs.org/docs/latest/tutorial/security(opens new window)

至此,安全这块就介绍完了。

本文介绍了我们对桌面端技术的调研、确定技术选型,以及用 electron 开发过程中,总结的实践经验,如构建、性能优化、质量保障、安全等。希望对读者在开发桌面应用过程中有所帮助,文章难免有不足和错误的地方,欢迎读者在评论区交流。


About Joyk


Aggregate valuable and interesting links.
Joyk means Joy of geeK