【前端】【React】性能优化三件套useCallback,useMemo,React.memo

一、总览：性能优化三件套

• useCallback(fn, deps)：缓存函数，避免每次渲染都新建函数。
• useMemo(fn, deps)：缓存值（计算结果），避免重复执行计算。
• React.memo(Component)：缓存组件的渲染结果，避免 props 没变却重复渲染。

三者搭配使用，在中大型组件中可显著优化性能，减少重复渲染。

---

二、逐个详解

（一）useCallback —— 缓存函数引用

• (1) 每次组件渲染时函数都会重新创建，导致引用变了。
• (2) 使用场景：
  • 给子组件传递函数 props 时避免子组件重复渲染。
  • 函数作为依赖传入 useEffect / useMemo。
• (3) 使用方式：

const handleClick = useCallback(() => {
  console.log("Clicked");
}, []);

• (4) 注意事项：
  • 依赖项变化时函数才会更新。
  • 类似 useMemo(() => fn, deps)。

---

（二）useMemo —— 缓存计算结果

• (1) 每次组件渲染时如果存在复杂计算，可能导致性能问题。
• (2) 使用场景：
  • 依赖变量变化时才重新计算；
  • 缓存对象、数组等引用类型的值。
• (3) 使用方式：

const result = useMemo(() => heavyComputation(data), [data]);

• (4) 注意事项：
  • 不要滥用；对性能无益时反而增加复杂性。
  • 常用于防止因对象/数组引用变化导致组件重新渲染。

---

（三）React.memo —— 缓存组件渲染结果

• (1) 是一个高阶组件，用于函数组件。
• (2) 默认只进行浅层比较，如果 props 没变，则跳过渲染。
• (3) 使用方式：

const MyComponent = React.memo((props) => {
  return 
{props.text}
;
});

• (4) 使用场景：
  • 子组件 props 不变时，避免不必要的渲染。
  • 搭配 useCallback/useMemo 使用更有效。
• (5) 可选第二参数自定义比较逻辑：

React.memo(Component, (prevProps, nextProps) => {
  return prevProps.id === nextProps.id;
});

---

三、组合使用示例

import React, { useState, useMemo, useCallback } from 'react';

const List = React.memo(({ items, onClickItem }) => {
  console.log("List rendered");
  return (
    

      {items.map(item => (
        
 onClickItem(item)}>
          {item.name}
        
      ))}
    
  );
});

const App = () => {
  const [count, setCount] = useState(0);

  const items = useMemo(() => [
    { id: 1, name: "Apple" },
    { id: 2, name: "Banana" },
  ], []);

  const handleClick = useCallback((item) => {
    console.log("Clicked:", item.name);
  }, []);

  return (
    

       setCount(count + 1)}>Count: {count}
      
    
  );
};

分析说明：

• List 被 React.memo 包裹，只有 items 或 onClickItem 改变才会重新渲染。
• items 用 useMemo 缓存，防止数组地址变化。
• handleClick 用 useCallback 缓存函数，防止函数引用变化。

---

四、注意事项与总结

• ✅ 使用这些 Hook 是性能优化手段，不是每个项目都需要用。
• ❌ 滥用会增加代码复杂度，尤其在小组件中意义不大。
• 推荐在以下情况使用：
  • 子组件使用了 React.memo；
  • 函数或对象在依赖中频繁触发更新；
  • 存在大型列表或复杂计算逻辑；
  • 性能瓶颈场景下的精细优化。

---