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：
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：
整体架构如下图所示：
Electron 是多进程架构，架构具有以下特点：
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：
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：
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。
理由如下：
- Javascript 的超集 - 无缝支持所有的 es2020+ 所有的特性，学习成本小
- 编译生成的 JavaScript 的代码保持很好的可读性
- 可维护性明显增强
- 完整的 OOP 的支持 - extends, interface， private， protect， public等
- 类型即文档
- 类型的约束，更少的单元测试的覆盖
- 更安全的代码
- 更好的重构能力
- 静态分析自动导包
- 代码错误检查
- 代码跳转
- 代码提示补齐
大量的社区的类型定义文件 提升开发效率
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：
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 。
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。
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
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）
- 能力
- 性能
- 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。
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：
- 自带 fetch 、 chalk 等常用库，使用方便快捷
- 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
- 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
- 按需构建
- 性能优化
- 跨平台兼容
不同尺寸图标的生成有以下方法：
Windows
MacOS
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/`]
}
}
复制代码（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' : ''}`)
复制代码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}`]
},
}
复制代码通过 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。
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：
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：
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：
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
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：
按照流程图去实现，我们需要做以下事情：
- 开发服务端接口，用来返回应用最新版本信息
- 渲染进程使用 axios 等工具请求接口，获取最新版本信息
- 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
- 通过 ipc 通信将更新信息传递给主进程
- 主进程通过 electron-updater 进行全量更新
- 将更新信息通过 ipc 推送给渲染进程
- 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
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。
按照流程图去实现，我们需要做以下事情
- 渲染进程定时通知主进程检测更新
- 主进程检测更新
- 需要更新，则拉取线上最新包
- 删除旧版本包，复制线上最新包，完成增量更新
- 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。
分为以下3个方面：
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。
- 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
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')
复制代码其他使用方法请查看此链接文档 www.npmjs.com/package/v8-…
伪代码如下：
export function share() {
const kun = require('kun')
kun()
}
复制代码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：
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。
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)
复制代码通过以上代码，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。
质量保障的全流程措施如下图所示：
本章节主要介绍以下3个方面：
下面将会依次介绍上述内容。
自动化测试是什么？
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：
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。
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：
崩溃监控技巧
崩溃监控做好后，如果发生崩溃，该如何治理崩溃呢？
崩溃治理难点：
崩溃治理技巧：
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。
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：
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？
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：
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。
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
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：
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
}
复制代码此时我们加上 napi 装饰代码，如下所示：
use napi_derive::napi;
#[napi]
fn sum(a: f64, b: f64) -> f64 {
a + b
}
复制代码在通过 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))
复制代码napi-rs 的使用请阅读官方文档，地址是：napi.rs/(opens new …
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。
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：
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
主要有以下措施：
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：www.electronjs.org/docs/latest…
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。