Turborepo 高性能 Monorepo这个话题社区讨论了很多次，但随着版本迭代，很多结论需要更新。本文基于最新版本重新梳理。

入门指南

实际项目中的用法会更复杂一些：

const observer = new PerformanceObserver((list) => {
  for (const entry of list.getEntries()) {
    if (entry.entryType === 'largest-contentful-paint') {
      reportMetric('LCP', entry.startTime)
    }
    if (entry.entryType === 'first-input') {
      reportMetric('FID', entry.processingStart - entry.startTime)
    }
  }
})
observer.observe({ entryTypes: ['largest-contentful-paint', 'first-input'] })

通过这种方式，代码的可测试性和可扩展性都得到了提升。

源码分析

以下是一个完整的示例：

const observer = new PerformanceObserver((list) => {
  for (const entry of list.getEntries()) {
    if (entry.entryType === 'largest-contentful-paint') {
      reportMetric('LCP', entry.startTime)
    }
    if (entry.entryType === 'first-input') {
      reportMetric('FID', entry.processingStart - entry.startTime)
    }
  }
})
observer.observe({ entryTypes: ['largest-contentful-paint', 'first-input'] })

注意边界条件处理，这在生产环境中至关重要。

真实场景应用

关键在于理解核心逻辑：

const observer = new PerformanceObserver((list) => {
  for (const entry of list.getEntries()) {
    if (entry.entryType === 'largest-contentful-paint') {
      reportMetric('LCP', entry.startTime)
    }
    if (entry.entryType === 'first-input') {
      reportMetric('FID', entry.processingStart - entry.startTime)
    }
  }
})
observer.observe({ entryTypes: ['largest-contentful-paint', 'first-input'] })

性能优化需要结合具体场景，不是所有情况都需要过度优化。

优化技巧

我们可以通过以下方式来改进：

const observer = new PerformanceObserver((list) => {
  for (const entry of list.getEntries()) {
    if (entry.entryType === 'largest-contentful-paint') {
      reportMetric('LCP', entry.startTime)
    }
    if (entry.entryType === 'first-input') {
      reportMetric('FID', entry.processingStart - entry.startTime)
    }
  }
})
observer.observe({ entryTypes: ['largest-contentful-paint', 'first-input'] })

这套方案已经在线上稳定运行了半年以上，经过了实际验证。

小结

• 代码示例仅供参考，需根据业务场景调整
• Turborepo 高性能 Monorepo不是银弹，需要根据项目规模和技术栈选择
• 理解底层原理比记住 API 更重要
• 生产环境使用前务必做好兼容性验证
• 团队协作中约定和文档比技术本身更重要