ES6 的解構賦值前每次都建立一個對象嗎？會加劇 GC 的負擔嗎？

本文來源於知乎上的一個提問。

爲了程序的易讀性，咱們會使用 ES6 的解構賦值：

function f({a,b}){}
f({a:1,b:2});

這個例子的函數調用中，會真的產生一個對象嗎？若是會，那大量的函數調用會白白生成不少有待 GC 釋放的臨時對象，那麼就意味着在函數參數少時，仍是須要儘可能避免採用解構傳參，而使用傳統的：

function f(a,b){}
f(1,2);

上面的描述其實同時提了好幾個問題：

1. 會不會產生一個對象？
2. 參數少時，是否須要儘可能避免採用解構傳參？
3. 對性能(CPU/內存)的影響多大？

1. 從 V8 字節碼分析二者的性能表現

首先從上面給的代碼例子中，確實會產生一個對象。可是在實際項目中，有很大的機率是不須要產生這個臨時對象的。

我以前寫過一篇文章 使用 D8 分析 javascript 如何被 V8 引擎優化的。那麼咱們就分析一下你的示例代碼。

function f(a,b){
 return a+b;
}

const d = f(1, 2);

鑑於不少人沒有 d8，所以咱們使用 node.js 代替。運行：

node --print-bytecode add.js

其中的 --print-bytecode 能夠查看 V8 引擎生成的字節碼。在輸出結果中查找 [generating bytecode for function: f]：

[generating bytecode for function: ]
Parameter count 6
Frame size 32
         0000003AC126862A @    0 : 6e 00 00 02       CreateClosure [0], [0], #2
         0000003AC126862E @    4 : 1e fb             Star r0
   10 E> 0000003AC1268630 @    6 : 91                StackCheck 
   98 S> 0000003AC1268631 @    7 : 03 01             LdaSmi [1]
         0000003AC1268633 @    9 : 1e f9             Star r2
         0000003AC1268635 @   11 : 03 02             LdaSmi [2]
         0000003AC1268637 @   13 : 1e f8             Star r3
   98 E> 0000003AC1268639 @   15 : 51 fb f9 f8 01    CallUndefinedReceiver2 r0, r2, r3, [1]
         0000003AC126863E @   20 : 04                LdaUndefined 
  107 S> 0000003AC126863F @   21 : 95                Return 
Constant pool (size = 1)
Handler Table (size = 16)
[generating bytecode for function: f]
Parameter count 3
Frame size 0
   72 E> 0000003AC1268A6A @    0 : 91                StackCheck 
   83 S> 0000003AC1268A6B @    1 : 1d 02             Ldar a1
   91 E> 0000003AC1268A6D @    3 : 2b 03 00          Add a0, [0]
   94 S> 0000003AC1268A70 @    6 : 95                Return 
Constant pool (size = 0)
Handler Table (size = 16)

Star r0 將當前在累加器中的值存儲在寄存器 r0 中。

LdaSmi [1] 將小整數（Smi）1 加載到累加器寄存器中。

而函數體只有兩行代碼：Ldar a1 和 Add a0, [0]。

當咱們使用解構賦值後：

[generating bytecode for function: ]
Parameter count 6
Frame size 24
         000000D24A568662 @    0 : 6e 00 00 02       CreateClosure [0], [0], #2
         000000D24A568666 @    4 : 1e fb             Star r0
   10 E> 000000D24A568668 @    6 : 91                StackCheck 
  100 S> 000000D24A568669 @    7 : 6c 01 03 29 f9    CreateObjectLiteral [1], [3], #41, r2
  100 E> 000000D24A56866E @   12 : 50 fb f9 01       CallUndefinedReceiver1 r0, r2, [1]
         000000D24A568672 @   16 : 04                LdaUndefined 
  115 S> 000000D24A568673 @   17 : 95                Return 
Constant pool (size = 2)
Handler Table (size = 16)
[generating bytecode for function: f]
Parameter count 2
Frame size 40
   72 E> 000000D24A568AEA @    0 : 91                StackCheck 
         000000D24A568AEB @    1 : 1f 02 fb          Mov a0, r0
         000000D24A568AEE @    4 : 1d fb             Ldar r0
         000000D24A568AF0 @    6 : 89 06             JumpIfUndefined [6] (000000D24A568AF6 @ 12)
         000000D24A568AF2 @    8 : 1d fb             Ldar r0
         000000D24A568AF4 @   10 : 88 10             JumpIfNotNull [16] (000000D24A568B04 @ 26)
         000000D24A568AF6 @   12 : 03 3f             LdaSmi [63]
         000000D24A568AF8 @   14 : 1e f8             Star r3
         000000D24A568AFA @   16 : 09 00             LdaConstant [0]
         000000D24A568AFC @   18 : 1e f7             Star r4
         000000D24A568AFE @   20 : 53 e8 00 f8 02    CallRuntime [NewTypeError], r3-r4
   74 E> 000000D24A568B03 @   25 : 93                Throw 
   74 S> 000000D24A568B04 @   26 : 20 fb 00 02       LdaNamedProperty r0, [0], [2]
         000000D24A568B08 @   30 : 1e fa             Star r1
   76 S> 000000D24A568B0A @   32 : 20 fb 01 04       LdaNamedProperty r0, [1], [4]
         000000D24A568B0E @   36 : 1e f9             Star r2
   85 S> 000000D24A568B10 @   38 : 1d f9             Ldar r2
   93 E> 000000D24A568B12 @   40 : 2b fa 06          Add r1, [6]
   96 S> 000000D24A568B15 @   43 : 95                Return 
Constant pool (size = 2)
Handler Table (size = 16)

咱們能夠看到，代碼明顯增長了不少，CreateObjectLiteral 建立了一個對象。原本只有 2 條核心指令的函數忽然增長到了近 20 條。其中不乏有 JumpIfUndefined、CallRuntime 、Throw 這種指令。

• 擴展閱讀：理解 V8 的字節碼「譯」

2. 使用 --trace-gc 參數查看內存

因爲這個內存佔用很小，所以咱們加一個循環。

function f(a, b){
 return a + b;
}

for (let i = 0; i < 1e8; i++) {
 const d = f(1, 2);
}

console.log(%GetHeapUsage());

%GetHeapUsage() 函數有些特殊，以百分號(%)開頭，這個是 V8 引擎內部調試使用的函數，咱們能夠經過命令行參數 --allow-natives-syntax 來使用這些函數。

node --trace-gc --allow-natives-syntax add.js

獲得結果（爲了便於閱讀，我調整了輸出格式）：

[10192:0000000000427F50]
26 ms: Scavenge 3.4 (6.3) -> 3.1 (7.3) MB, 1.3 / 0.0 ms  allocation failure

[10192:0000000000427F50]
34 ms: Scavenge 3.6 (7.3) -> 3.5 (8.3) MB, 0.8 / 0.0 ms  allocation failure

4424128

當使用解構賦值後：

[7812:00000000004513E0]
27 ms: Scavenge 3.4 (6.3) -> 3.1 (7.3) MB, 1.0 / 0.0 ms  allocation failure

[7812:00000000004513E0]
36 ms: Scavenge 3.6 (7.3) -> 3.5 (8.3) MB, 0.7 / 0.0 ms  allocation failure

[7812:00000000004513E0]
56 ms: Scavenge 4.6 (8.3) -> 4.1 (11.3) MB, 0.5 / 0.0 ms  allocation failure

4989872

能夠看到多了所以內存分配，並且堆空間的使用也比以前多了。使用 --trace_gc_verbose 參數能夠查看 gc 更詳細的信息，還能夠看到這些內存都是新生代，清理起來的開銷仍是比較小的。

3. Escape Analysis 逃逸分析

經過逃逸分析，V8 引擎能夠把臨時對象去除。

還考慮以前的函數：

function add({a, b}){
   return a + b;
}

若是咱們還有一個函數，double，用於給一個數字加倍。

function double(x) {
   return add({a:x, b:x});
}

而這個 double 函數最終會被編譯爲

function double(x){
    return x + x;
}

在 V8 引擎內部，會按照以下步驟進行逃逸分析處理：

首先，增長中間變量：

function add(o){
 return o.a + o.b;
}

function double(x) {
   let o = {a:x, b:x};
   return add(o);
}

把對函數 add 的調用進行內聯展開，變成：

function double(x) {
   let o = {a:x, b:x};
   return o.a + o.b;
}

替換對字段的訪問操做：

function double(x) {
   let o = {a:x, b:x};
   return x + x;
}

刪除沒有使用到的內存分配：

function double(x) {
   return x + x;
}

經過 V8 的逃逸分析，把原本分配到堆上的對象去除了。

4. 結論

不要作這種語法層面的微優化，引擎會去優化的，業務代碼仍是更加關注可讀性和可維護性。若是你寫的是庫代碼，能夠嘗試這種優化，把參數展開後直接傳遞，到底能帶來多少性能收益還得看最終的基準測試。

舉個例子就是 Chrome 49 開始支持 Proxy，直到一年以後的 Chrome 62 才改進了 Proxy 的性能，使 Proxy 的總體性能提高了 24% ~ 546%。