再聊Blazor,它是否值得你花时间学习
liuian 2024-12-02 22:23 22 浏览
之前写了一篇文章《快速了解 ASP.NET Core Blazor》,大家关心最多的问题是,我该不该花时间去学习 Blazor。今天聊聊这个话题,并表达一下我个人的看法。
在此之前,我还是想不厌其烦地介绍一个 Blazor。
Blazor 是微软 .NET 团队开发的一个新的 UI 框架,目前生态发展的还不错。仅国内就出现了不少成熟的 UI 框架,比如基于 Ant Design 的企业级组件库 ant-design-blazor[1]、基于 ElementUI 的 element-blazor[2] 和基于 Bootstrap 的 BootstrapBlazor[3] 等,这些开源项目的发起人都是国内开发者。另外,你可以在 GitHub 的 awesome-blazor[4] 项目查看更丰富的 Blazor 资源。
要更好地了解 Blazor,必定要先知道 WebAssembly 是什么。
WebAssembly 与 .NET 无关,WebAssembly 已经慢慢开始普及被采用。简单来说,WebAssembly 是一种新的、类似汇编的网络语言。它可以在浏览器中运行,并且支持所有现代浏览器。由于经过高度优化,所以运行速度快,接近本地应用。
重要的是,WebAssembly 不是一种绝大多数开发者都会写的语言,而是用来作为编译目标的。你可以将代码针对特定的处理器或操作系统编译成 WebAssembly,然后让你的程序在浏览器中运行。
理解了 WebAssembly,我们再来正式介绍一下 Blazor。
在概念上,Blazor 更像是 Vue 或 React,而不是 ASP.NET Core MVC。它是一个基于组件的框架,用于构建丰富的交互式 Web 应用程序。Blazor 与传统 JavaScript 框架的主要区别在于,Blazor 组件完全用 C# 和 Razor 编写,不需要用到 JavaScript,但可以和 JavaScript 交互。
Blazor 有两种模式。一种是在服务器端运行再实时渲染到浏览器,叫服务端模式;一种是在客户端使用 WebAssembly 运行,叫 WebAssembly 模式。两种模式都使用了相同的面向组件的架构,但在运行这些组件的方式上却有很大的不同。
服务端模式,就是渲染代码的工作在服务器上运行,它使用 SignalR(一个用于管理客户端和服务器之间的实时连接的 .NET 库)将事件从浏览器发送到服务器,并将 DOM 的差异部分发送到浏览器进行渲染。即,服务端模式是服务器渲染你的组件并通过 SignalR 管理交互。
WebAssembly 模式,更容易理解一些。所有的代码,包括框架和你的组件,都在浏览器中运行。你的 C# 代码像其他 .NET 应用程序一样被编译成 DLL,随后 DLL 被发送到浏览器,然后在浏览器中运行你的代码。打开浏览器开发者工具,在第一次加载页面时,你可以看到它会下载一堆的 DLL。
这两种模式都有各自的优势。服务端模式在浏览器中的工作较少,但由于涉及到网络,用户界面交互会有一些延迟。WebAssembly 模式,运行速度较快,但第一次加载较慢,需要下载 DLL,加起来大约有 2M 的样子。
这就是 Blazor。现在说说我个人对 Blazor 的看法。
对于 Blazor,最大的优点是前后端代码的共用以及组件的重用,而且可以不需要 JavaScript,极大简单了开发工作流。
从我的体验来说,我不太满意 Blazor 的服务端模式,因为大部分交互都要经过网络,这就导致少许延迟,体验不是很好。服务端模式不适合实时性要求较高的应用,比较适合供外网访问的网站,比如公司官网和要求利于 SEO 的网站。
Blazor 的未来,我看好的是 WebAssembly 模式。性能上,WebAssembly 接近于本地应用。相对本地应用,它的好处是不需要安装,不需要在客户端升级,可以说是结合了本地应用和 Web 网页的优点。而且基于 Blazor 的 WebAssembly 应用可以创建为 PWA(Progressive Web App),以实现离线支持。
WebAssembly 是未来的趋势,但要被普遍性采用,还有一段较长的路要走。首批会采用 WebAssembly 的应用会是面向企业内部的应用,比如企业的 ERP、CRM 等应用。目前各大主流浏览器都已支持 WebAssembly,这一点也证明各大浏览器厂商推 WebAssembly 技术的决心。
相较于其它语言平台,基于 .NET 平台的 Blazor 在 WebAssembly 发展方面目前处于绝对的领先,更具有前瞻性。另外,群友分享的最新消息:微软公布,在 .NET 6 中,Blazor 将增加支持基于 Web 渲染的跨平台桌面应用[5]。在我看来,借助 C# 语言和 WebAssembly 性能的优势,未来 Blazor 有望接替 Electron 的位置,成为跨平台桌面应用的新霸主。
我个人非常看好 Blazor 的未来发展。对于已有 ASP.NET Core 开发经验的人来说,学习 Blazor 并没有多少学习成本。如果你是 .NET 开发者,在学有余力的情况下,我强烈建议你花点时间学一学 Blazor。
[1]. https://github.com/ant-design-blazor/ant-design-blazor
[2]. https://github.com/Element-Blazor/Element-Blazor
[3]. https://gitee.com/LongbowEnterprise/BootstrapBlazor
[4]. https://github.com/AdrienTorris/awesome-blazor
[5]. https://github.com/dotnet/aspnetcore/issues/27217
-
精致码农
带你洞悉编程与架构
点击头像关注,不要错过网海相遇的缘分
相关推荐
- 深入解析 MySQL 8.0 JSON 相关函数:解锁数据存储的无限可能
-
引言在现代应用程序中,数据的存储和处理变得愈发复杂多样。MySQL8.0引入了丰富的JSON相关函数,为我们提供了更灵活的数据存储和检索方式。本文将深入探讨MySQL8.0中的JSON...
- MySQL的Json类型个人用法详解(mysql json类型对应java什么类型)
-
前言虽然MySQL很早就添加了Json类型,但是在业务开发过程中还是很少设计带这种类型的表。少不代表没有,当真正要对Json类型进行特定查询,修改,插入和优化等操作时,却感觉一下子想不起那些函数怎么使...
- MySQL的json查询之json_array(mysql json_search)
-
json_array顾名思义就是创建一个数组,实际的用法,我目前没有想到很好的使用场景。使用官方的例子说明一下吧。例一selectjson_array(1,2,3,4);json_array虽然单独...
- 头条创作挑战赛#一、LSTM 原理 长短期记忆网络
-
#头条创作挑战赛#一、LSTM原理长短期记忆网络(LongShort-TermMemory,LSTM)是一种特殊类型的循环神经网络(RNN),旨在解决传统RNN在处理长序列数据时面临的梯度...
- TensorBoard最全使用教程:看这篇就够了
-
机器学习通常涉及在训练期间可视化和度量模型的性能。有许多工具可用于此任务。在本文中,我们将重点介绍TensorFlow的开源工具套件,称为TensorBoard,虽然他是TensorFlow...
- 图神经网络版本的Kolmogorov Arnold(KAN)代码实现和效果对比
-
本文约4600字,建议阅读10分钟本文介绍了图神经网络版本的对比。KolmogorovArnoldNetworks(KAN)最近作为MLP的替代而流行起来,KANs使用Kolmogorov-Ar...
- kornia,一个实用的 Python 库!(python kkb_tools)
-
大家好,今天为大家分享一个实用的Python库-kornia。Github地址:https://github.com/kornia/kornia/Kornia是一个基于PyTorch的开源计算...
- 图像分割掩码标注转YOLO多边形标注
-
Ultralytics团队付出了巨大的努力,使创建自定义YOLO模型变得非常容易。但是,处理大型数据集仍然很痛苦。训练yolo分割模型需要数据集具有其特定格式,这可能与你从大型数据集中获得的...
- [python] 向量检索库Faiss使用指北
-
Faiss是一个由facebook开发以用于高效相似性搜索和密集向量聚类的库。它能够在任意大小的向量集中进行搜索。它还包含用于评估和参数调整的支持代码。Faiss是用C++编写的,带有Python的完...
- 如何把未量化的 70B 大模型加载到笔记本电脑上运行?
-
并行运行70B大模型我们已经看到,量化已经成为在低端GPU(比如Colab、Kaggle等)上加载大型语言模型(LLMs)的最常见方法了,但这会降低准确性并增加幻觉现象。那如果你和你的朋友们...
- ncnn+PPYOLOv2首次结合!全网最详细代码解读来了
-
编辑:好困LRS【新智元导读】今天给大家安利一个宝藏仓库miemiedetection,该仓库集合了PPYOLO、PPYOLOv2、PPYOLOE三个算法pytorch实现三合一,其中的PPYOL...
- 人工智能——图像识别(人工智能图像识别流程)
-
概述图像识别(ImageRecognition)是计算机视觉的核心任务之一,旨在通过算法让计算机理解图像内容,包括分类(识别物体类别)、检测(定位并识别多个物体)、分割(像素级识别)等,常见的应用场...
- PyTorch 深度学习实战(15):Twin Delayed DDPG (TD3) 算法
-
在上一篇文章中,我们介绍了DeepDeterministicPolicyGradient(DDPG)算法,并使用它解决了Pendulum问题。本文将深入探讨TwinDelayed...
- 大模型中常用的注意力机制GQA详解以及Pytorch代码实现
-
分组查询注意力(GroupedQueryAttention)是一种在大型语言模型中的多查询注意力(MQA)和多头注意力(MHA)之间进行插值的方法,它的目标是在保持MQA速度的同时...
- pytorch如何快速创建具有特殊意思的tensor张量?
-
专栏推荐正文我们通过值可以看到torch.empty并没有进行初始化创建tensor并进行随机初始化操作,常用rand/rand_like,randint正态分布(0,1)指定正态分布的均值还有方差i...
- 一周热门
-
-
Python实现人事自动打卡,再也不会被批评
-
Psutil + Flask + Pyecharts + Bootstrap 开发动态可视化系统监控
-
一个解决支持HTML/CSS/JS网页转PDF(高质量)的终极解决方案
-
再见Swagger UI 国人开源了一款超好用的 API 文档生成框架,真香
-
【验证码逆向专栏】vaptcha 手势验证码逆向分析
-
网页转成pdf文件的经验分享 网页转成pdf文件的经验分享怎么弄
-
C++ std::vector 简介
-
python使用fitz模块提取pdf中的图片
-
《人人译客》如何规划你的移动电商网站(2)
-
Jupyterhub安装教程 jupyter怎么安装包
-
- 最近发表
-
- 深入解析 MySQL 8.0 JSON 相关函数:解锁数据存储的无限可能
- MySQL的Json类型个人用法详解(mysql json类型对应java什么类型)
- MySQL的json查询之json_array(mysql json_search)
- 头条创作挑战赛#一、LSTM 原理 长短期记忆网络
- TensorBoard最全使用教程:看这篇就够了
- 图神经网络版本的Kolmogorov Arnold(KAN)代码实现和效果对比
- kornia,一个实用的 Python 库!(python kkb_tools)
- 图像分割掩码标注转YOLO多边形标注
- [python] 向量检索库Faiss使用指北
- 如何把未量化的 70B 大模型加载到笔记本电脑上运行?
- 标签列表
-
- python判断字典是否为空 (50)
- crontab每周一执行 (48)
- aes和des区别 (43)
- bash脚本和shell脚本的区别 (35)
- canvas库 (33)
- dataframe筛选满足条件的行 (35)
- gitlab日志 (33)
- lua xpcall (36)
- blob转json (33)
- python判断是否在列表中 (34)
- python html转pdf (36)
- 安装指定版本npm (37)
- idea搜索jar包内容 (33)
- css鼠标悬停出现隐藏的文字 (34)
- linux nacos启动命令 (33)
- gitlab 日志 (36)
- adb pull (37)
- table.render (33)
- uniapp textarea (33)
- python判断元素在不在列表里 (34)
- python 字典删除元素 (34)
- react-admin (33)
- vscode切换git分支 (35)
- vscode美化代码 (33)
- python bytes转16进制 (35)