Turborepo 高效能 Monorepo這個話題社群討論了很多次，但隨著版本迭代，很多結論需要更新。本文基於最新版本重新梳理。

入門指南

實際專案中的用法會更復雜一些：

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'] })

通過這種方式，程式碼的可測試性和可擴充套件性都得到了提升。

原始碼分析

以下是一個完整的示例：

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'] })

注意邊界條件處理，這在生產環境中至關重要。

真實場景應用

關鍵在於理解核心邏輯：

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'] })

效能最佳化需要結合具體場景，不是所有情況都需要過度最佳化。

最佳化技巧

我們可以通過以下方式來改進：

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'] })

這套方案已經在線上穩定運行了半年以上，經過了實際驗證。

小結

• 程式碼示例僅供參考，需根據業務場景調整
• Turborepo 高效能 Monorepo不是銀彈，需要根據專案規模和技術棧選擇
• 理解底層原理比記住 API 更重要
• 生產環境使用前務必做好相容性驗證
• 團隊協作中約定和文件比技術本身更重要