龙泉寺扫地僧，首席浏览器架构吹牛师，全球最小chromium内核--miniblink作者 阅读原文 这会儿正好在 rebuild chromium，机器卡到不行。看到这个问题有感来回答一下。 其他童鞋对于“浏览器内核真的很复杂”这个复杂的一面，已经回答的很的多了，但我想从“复杂”和“没那么复杂”两个方面都来讲讲，给大家提供一些别的思路和参考。 （如果觉得前文太长，也可以直接跳到最后看吐槽） 先说复杂。其他回答基本都是用 chromium 来举例的。我们来看 chromium，这货确实相当相当的复杂。源码拉下来就有十多 G。我们不禁好奇，chromium 到底有哪些玩意，为啥平时感觉只是显示个网页、几句 HTML 而已，怎么会需要这么多代码。 第一眼从目录结构上，chromium 包含这些东西： base，通用代码，基础组件，包含字符串、文件、线程、消息队列等工具类集合。 cc，Chromium compositor 的缩写，负责渲染合成。 chrome，Chromium 浏览器外壳实现。 content，多进程沙盒浏览器的核心代码，管理进程架构和线程架构。 gpu，OpenGL 封装代码，包含 CommandBuffer 和 OpenGL 兼容性支持等。 net，网络栈实现。 ipc，进程间消息通信实现。 media，多媒体封装代码，包含了媒体内容捕获和播放的组件集合。 mojo，类似于 Android 的 AIDL，提供了跨语言（C++ / Java / JavaScript）跨平台的进程间对象（Object）通信机制；。 skia，图形库，这里存放的是 Chromium 对 skia 的 配置和扩展代码，另有 third_party/skia 目录存放原生的 skia 代码。 third_party，网页排版引擎。第三方库 ui，UI 框架。 v8，V8 JavaScript 引擎库。 看起来还好吧？但实际上，这里面每一个展开来讲，都是一本厚厚的工具书的容量。 比如 net，看起来只是个网络库，然而里面包含主机解析，cookies，网络改变探测，SSL，资源缓存，ftp，HTTP， OCSP 实现，代理 (SOCKS 和 HTTP) 配置，解析，脚本获取（包括各种不同系统下实现），QUIC，socket 池，SPDY，WebSockets……里面每一项展开来讲，又是一本书。 v8 层，看起来功能很单一，只是实现一下 js 嘛，但里面包括字节码解析器，JIT 编译器，多代 GC，inspector (调试支持)，内存和 CPU 的 profiler（性能统计），WebAssembly 支持，两种 post-mortem diagnostics 的支持，启动快照，代码缓存、代码热点分析……里面每一项展开来讲，又是一本书，还是难坑的编译原理和优化方向。 Skia，看起来只是个图形库嘛，用点画出各种图。然而里面包括十几种矢量的绘制，文字绘制、GPU 加速、矢量的指令录制以及回放（还要能支持线程安全）、各种图像格式的编解码、PDF 的生成（这个是个隐藏的很深的功能，但很有趣。Skia 支持把矢量图绘制成 pdf）、GPU 渲染优化（既以上部分功能需要用 gpu 来渲染）……里面每项展开来讲，又是一本书。另外值得一提的是，skia 是谷歌收购的。不知道谷歌是觉得自己没实力做，还是太费功夫。总之谷歌选择了直接买别人的代码来完成这些功能。 ui，看起来只是一套 UI 框架嘛。然而 chromium 需要一套全平台适配的 ui 库，还要能支持 gpu 加速。不过可惜的是里面没实现 richedit。ui 库的设计，深入来做，其实可以说又是个浏览器了。 等等，以上这些，看起来只是浏览器的外层。我们最关心的网页排版呢？这个难道不是浏览器的核心嘛。是的，chromium 奇特的把排版引擎 blink 放到了 third_party 下，而且真的当成了一个第三方库一样对待。据谷歌的员工说，这是历史原因……好吧姑且信了。然而这个第三方库，成了当之无愧的最复杂，功能最重要的第三方库。 blink 的工作包括： 实现 web 平台的规范（例如，HTML 标准），包括 DOM，CSS 和 Web IDL 配合 V8 运行 JavaScript 从底层网络堆栈请求资源 构建 DOM 树 计算样式和布局 请求 chrome compositor（上文提到的 cc 层）并绘制图形。 说起来简单。看一下现在的 HTML、CSS 规范，各种细节加起来……有快上万页。除了 chromium layout 组、firefox 的工作人员，我想没几个人会去仔细阅读并一个个的实现这些规范吧。光是看目录和文字描述，就头大了，更别说要完整的实现出来。往往一个简单的 display:gird\flex 背后就是庞大复杂的计算，而且还要充分考虑性能上如何优化，滚动时如何更快的展示… 另外排版还需要支持世界各国的奇奇怪怪的文字。例如从右往左写、规则复杂无比阿拉伯文，天城文。相比之下，汉字这种方块字的排版简直就是弟弟。还有各种奇怪的 unicode 字符。 【转】奇怪的 unicode 字符 怎么能处理好这些字符和语言，并配合几千页的 html、css 排版规则正确显示出来……这是个极度烧脑的事情。 我们再从排版这个大泥坑里跳出来看看外面别的东西。这时候你会发现……原来外面的泥坑好像更大。 随便说几个，比如： 多进程框架。嗯，你需要更多的进程来渲染更多的网页，这样才能崩溃了也不影响其他网页。注意，chromium 把渲染排版放在渲染线程，但绘制到窗口又是主进程。这里面少不了各种跨进程通信、同步。对于代码的编写以及调试，是个很考验编程功底的事情。 webrtc。网络视频相关。又是一个被收购的库。关于 webrtc，你需要知道它能实现多人实时语音、降噪、网络传输视频、摄像头的捕获，音频算法实现（比如 fft），视频算法实现（比如 h264 协议格式）， Socket、线程、锁等基础库（是的，webrtc 也造了套自己的轮子）。又是个庞大的组件。 密码管理、下载管理、扩展管理。 一套调度整个多进程框架以及 blink 的核心层。在 chromium 被称之为 content 层。负责处理了一切繁琐的细节，例如各种系统、平台的鼠标键盘消息派发，历史栈（前进后退），页面缓存。 沙箱机制。负责隔离以及降低子进程的权限。沙箱的实现上，在不同系统做了诸多 hook 操作。 chrome 相关的外壳及应用。例如我们常见的标题栏、url 栏，webui 如设置页、历史记录页。对，其实 chrome 单词的原意就是这个。 Clound_Print，谷歌云打印相关，提供谷歌浏览器页面预览打印清单。 Courgetter，谷歌提供的二进制文件对比核心算法，在谷歌浏览器中用于比较不同版本的二进制差异。谷歌为了方便升级，搞了套升级策略和算法。 神奇的 syzygy 优化。是的，谷歌也嫌 chrome 太大了，加载太慢了。于是他们开发的一套优化重排布 PE 二进制文件来达到优化程序的工具链。Chrome 浏览器应用了 Syzygy 优化之后，程序冷启动的页面调度（paging traffic）优化了 80%，加载的 Image 的 Working Set 优化了 40%。简单的说，谷歌从编译器上对 exe、dll 开始做手脚了。 Media Chrome 的多媒体模块，支持音频播放和录音等功能。这里用到了 ffmpeg。但在 ffmpeg 外，为了和 blink 配合，又是包裹了厚厚的一层，用来处理好渲染管线。另外 MSE API 也花了不少功夫。 swiftshader。很有趣的一个模块，用纯软件的代码，完整实现了 opengl 的接口。可以在没有硬件加速的机器上跑起 opengl。也是个庞大的库，而且也是被收购的。看起来谷歌对图形学方面的很多工程似乎不擅长？还是不想觉得应该交给更专业的团队去做。 gn、gyp。chromium 为了更方便的管理编译，自己撸了两套轮子。类似 makefile、cmake。 其他的点还有很多很多，以后想到了再补充。总之，以上随意一个点，要正确的实现，都是一个团队的工作量，都可以写成一本书。然而 chromium 把他们全部实现了，而且还在不停的加入新的功能。 看到这里，大家应该明白为啥强如微软，也放弃维护他们自己的浏览器内核了。因为需要投入的人力财力实在是太恐怖了。chromium 团队，光是开发人员，都已经上千了。假如每个人员年薪是 100w 人民币，持续投入十年，这个支出就是几十亿，这还不算周边的测试、产品、UI。最关键的是，就算微软愿意投入十亿，能保证做到 chromium 相同的功能吗？就算能做到相同的功能，还不是另外一套 chromium 吗？能做出其他优势吗？所以最后微软也放弃了，干脆直接从开源的 chromium 上改起，把微软需要的功能融入 chromium。 所以，chromium 的霸权就是这么来的。看似开源免费，实则把所有开发者和对手，紧紧的捆绑在自己周围。 好了，现在吐槽开始了。 chromium 称霸浏览器界以来，看起来开源，谁都可以拿去改。然而比起它的前辈，我觉得从“道德”上，chromium 要“差”很多。最让我受不了的一点是，chromium 在无尽的往里面塞功能的时候，很少想过是否别人可以轻易的移除它们。chromium 代码号称模块化、高内聚低耦合，然而如果你想砍掉一些不需要的东西，对不起，没有宏控制，手动注释代码吧。有几个人能有精力一点点的去掉里面这些繁琐的功能呢？这就导致一个问题，需要 chromium 某一部分功能的人，必须被强塞进一堆谷歌认为你需要的东西。 对比之下，为啥我说比起 chromium 的前辈要差很多呢，其实我指的正是 webkit。webkit 最让人欣赏的一点就是它在专注实现内核的同时，大部分功能都是可“拆卸”的。有宏可以关闭。甚至连 svg 这种排版上的小功能都有宏可以关闭。而 chromium，如果我需要排版、音视频，但不需要多进程呢？对不起，谷歌没这考虑。要带就全都带上吧。 这也就造成现在基于 chromium 的一堆开发框架，如 electron、cef、nwjs，全都动不动 100 多 M 的大小。因为从 chromium 的框架设计上，就很难把那些极其庞大复杂的细节功能排除掉。这些功能对于谷歌作为一个浏览器来说，当然是必要的。然而回到本问题，“浏览器内核”真的需要这么复杂吗？浏览器需要这么复杂，这是真的；然而作为一个浏览器内核提供给一些 sdk 给别人用，也需要这么复杂吗？我们用 electron 写一套进供销管理系统的客户端，你会需要带上十几 M 的 webrtc、webgl、多媒体播放、天城文支持吗？ 最后打破这个疑问的，是我很多年后进入了 QQ 浏览器的移动端组（其实就是 x5 内核，微信上被大家吐槽最多的那个）。当年的 x5 内核其实是基于 webkit 改造的。从 chromium 回到 webkit，我突然有种豁然开郎的感觉。从浏览器内核的角度，只要做好网络、排版、渲染，就足以应付大部分使用场景了。 然而后来组里架构调整，x5 内核为了跟上时代，也从 webkit 跳回了 chromium（也是被骂了太多了，当时 x5 号称移动端 IE6）。对 chromium 深恶痛绝的我，当时有了一个大胆的想法。把排版引擎 blink（也就是 webkit 在 chromium 里的继承者）重新从 chromium 里剥离出来，再补上一些周边的设施、组件，再次成为一个完整独立的浏览器内核。 当然我还是有自知之明的。一个浏览器内核而已，不可能实现 chromium 同样的功能。但能把排版、渲染、网络、视频实现，就差不多了。其实我也不是想做个浏览器，而是想专注内核这块，做一个提供给第三方 app 嵌入的内核。 作为一个内核，其实不需要上面讲的所有那一大堆功能。比如，网络层，大部分人不需要什么网络改变探测，ftp，OCSP 实现，代理配置、解析、脚本获取，QUIC，socket 池，SPDY 什么的。大部分人仅仅需要一个 http 的实现，可以拉取到服务器资源。我用 300k 的 curl 代替了十余 M 的 chromium net 库，并工作良好。少了的功能可以用插件形式补上嘛。一些和排版渲染无关的功能，我都打算做成插件。例如音视频、webgl、webrtc、多进程等。 目前这个项目已经撸了 5 年了，放在 github 上，提供 C 接口方便其他语言调用。整个编译出来就是一个 1-20m 左右的 dll（视编译选项而定），甚至还包含了一个 electron 的精简实现： weolar/miniblink49 欢迎围观。 阅读原文
