跨端框架深度评测：微信原生、wepy、mpvue、uni-app、taro、chameleon

说明：如下文章为2019年4月发布，2020年的测评版本也已出炉，最新评测点击：跨端开发框架深度横评之2020版

之前 Taro 团队发布了一篇《小程序多端框架全面测评》，让开发者对业界主流的跨端框架，有了初步认识。感谢 Taro 团队的付出。

不过横评这件事，要想得到更精确的结论，其实非常花费时间。它需要：

• 真实的动手写多个平台的测试demo，比较各个平台的功能、性能，它们的实际情况到底是不是如文档宣传的那样？
• 真实的学习每个框架，了解它们的学习曲线，在实际开发中遇到问题时，感受它们的文档、教程、社区生态和技服能力到底怎么样？

我们 uni-app 团队投入两周完成了这个深度评测，并定期更新数据。下面我们就分享下，实际开发不同框架的测试例时遇到的问题，以及在各端的兼容测试结果。在本文里，我们团队基于真实测试数据及各框架官网可采集到的公开数据，希望客观公正地评价各个框架的选型和优劣。但宥于利益相关，本文的观点很可能是带有偏向性的，大家可以带着批判的眼光去看待。

评测实验介绍

• 开发内容：开发一个仿微博小程序首页的复杂长列表，支持下拉刷新、上拉翻页、点赞。

• 界面如下：
  

• 开发版本：一共开发了6个版本，包括微信原生版、wepy版、mpvue版、taro版、uni-app版、chameleon版（以这些产品发布时间排序，下同），按照官网指引通过cli方式默认安装。

• 测试代码开源（Github仓库地址：https://github.com/dcloudio/test-framework），
  Tips:若有同学觉得测试代码写法欠妥，欢迎提交 PR 或 Issus

• 测试机型：红米 Redmi 6 Pro、MIUI 10.2.2.0 稳定版（最新版）、微信版本 7.0.3（最新版）

• 测试环境：每个框架开始测试前，杀掉各App进程、清空内存，保证测试机环境基本一致；每次从本地读取静态数据，屏蔽网络差异。

• 测试维度：

  1. 跨端支持度如何？
  2. 性能如何？
  3. 学习门槛
  4. 工具与周边生态

1. 跨端支持度如何

开发一次，到处运行，是每个程序员的梦想。但现实往往变成开发一次，到处调错。

各个待评测框架，是否真得如宣传的那样，一次开发、多端发布？

我们将上述仿微博App依次发布到各平台，验证每个框架在各端的兼容性，结果如下：

测试结果说明：

• ⭕ 表示支持且功能正常，❌ 表示不支持，其它则表示支持但存在部分bug或兼容问题
• wepy 宣称计划在2.0版支持其他家小程序，但目前为alpha版。本测试基于wepy官网指引安装的wepy-cli正式版，版本为1.7.3，尚不支持多端
• taro最新版支持了H5端的下拉刷新，但没有动画（本内容更新日期2019年5月20日）
• chameleon官网未找到stopPullDownRefresh定义，停止页面下拉刷新需分平台编写

通过这个简单的例子可以看出，跨端支持度测评结论：uni-app > taro > chameleon > mpvue >wepy、原生微信小程序

但是仅有上面的测试还不全面，实际业务要比这个测试例复杂很多。但我们没法开发很多复杂业务做评测，所以还需要再对照各家文档补充一些信息。
由于每个框架的文档中都描述了各种组件和API的跨端支持程度。我们过了几家的文档，发现各家基本是以微信小程序为基线，然后把各种组件和API在其他端实现了一遍：

• taro：H5端实现了大部分微信的API，App端和微信的差异比较大。
• uni-app：组件、API、配置，大部分在各个端均已实现，个别API有说明在某些端不支持。可以看出uni-app是完整在H5端实现了一套微信模拟器，在App端实现了一套微信小程序引擎，才达到比较完善的平台兼容性。
• chameleon：非常常用的一些组件和API在各端已经实现，这部分的平台差异较少。但大量组件和API需要开发者自己分平台写代码。

跨端框架，一方面要考虑框架提供的通用api跨端支持，同时还要考虑不同端的特色差异如何兼容。毕竟每个端都会有自己的特色，不可能完全一致。

• taro：提供了js环境变量判断和统一接口的多端文件，可以在组件、js、文件方面扩展多端，不支持其他环节的分平台处理。
• uni-app：提供了条件编译模型，所有代码包括组件、js、css、配置json、文件、目录，均支持条件编译，可不受限的编写各端差异代码。
• chameleon：提供了多态方案，可以在组件、js、文件方面扩展多端，不支持其他方式的分平台处理。

跨端框架，还涉及一个ui框架的跨端问题，评测结果如下：

• taro：官方提供了taro ui，只支持微信小程序和H5两端，不支持App，详见
• uni-app：官方提供了uni ui，可全端运行；uni-app还有一个插件市场，里面有很多三方ui组件，详见
• chameleon：官方提供了cml-ui扩展组件库，可全端运行，但组件数量略少，详见

综合以上信息，本项的最终评测结论：uni-app > taro > chameleon > mpvue > wepy、原生微信小程序

2. 跨端框架性能如何

跨端框架基本都是compiler + runtime模式，引入的runtime是否会降低运行性能？

尤其是与原生微信小程序开发相比性能怎么样，这是大家普遍关心的问题。

我们依然以上述仿微博小程序为例，测试2个容易出性能问题的点：长列表加载、大量点赞组件的响应。

2.1 长列表加载

仿微博的列表是一个包含很多组件的列表，这种复杂列表对性能的压力更大，很适合做性能测试。

从触发上拉加载到数据更新、页面渲染完成，需要准确计时。人眼视觉计时肯定不行，我们采用程序埋点的方式，制定了如下计时时机：

• 计时开始时机：交互事件触发，框架赋值之前，如：上拉加载（onReachBottom）函数开头
• 计时结束时机：页面渲染完毕(微信setData回调函数开头)

Tips：setData回调函数开头可认为是页面渲染完成的时间，是因为微信setData定义如下(微信规范)：

测试方式：从页面空列表开始，通过程序自动触发上拉加载，每次新增20条列表，记录单次耗时；固定间隔连续触发 N 次上拉加载，使得页面达到 20*N 条列表，计算这 N 次触发上拉到渲染完成的平均耗时。

测试结果如下：

说明：以400条微博列表为例，从页面空列表开始，每隔1秒触发一次上拉加载（新增20条微博），记录单次耗时，触发20次后停止（页面达到400条微博），计算这20次的平均耗时，结果微信原生在这20次 触发上拉 -> 渲染完成 的平均耗时为876毫秒，最快的uni-app是741毫秒，最慢的mpvue是4493毫秒

大家初看这个数据，可能比较疑惑，别急，下方有详细说明

说明1：为何 mpvue/wepy 测试数据不完整?

mpvue、wepy 诞生之初，微信小程序尚不支持自定义组件，无法进行组件化开发；mpvue、wepy 为解决这个问题，将用户编写的Vue组件，编译为WXML中的模板（template)，变相实现了组件化开发能力，提高代码复用性，这在当时的技术条件下是很棒的技术方案。

但如此方案，在页面复杂、组件较多的时，会大量增加页面 dom 节点数量，甚至超出微信的 dom 节点数限制。我们在 红米手机（Redmi 6 Pro）上实测，页面组件超过500个时，mpvue、wepy 实现的仿微博App就会报出如下异常，并停止渲染，故这两个测试框架在组件较多时，测试数据不完整。这也就意味着，当页面组件太多时，无法使用这2个框架。

dom limit exceeded please check if there's any mistake you've made

Tips：wepy在400条列表以内，为何性能高于微信原生框架，这个跟自定义组件管理开销及业务场景有关（wepy编译为模板，不涉及组件创建及管理开销），后续对微博点赞，涉及组件数据传递时，微信原生框架的性能优势就提现出来了，详见下方测试数据。

说明2：为什么测试数据显示uni-app 会比微信原生框架的性能略好呢？

其实，在页面上有200条记录（200个组件）时，taro 性能数据也比微信原生框架更好。

微信原生框架耗时主要在setData调用上，开发者若不单独优化，则每次都会传递大量数据；而 uni-app、taro 都在调用setData之前自动做diff计算，每次仅传递变动的数据。

例如当前页面有20条数据，触发上拉加载时，会新加载20条数据，此时原生框架通过如下代码测试时，setData会传输40条数据

data: {  
    listData: []  
},  
onReachBottom() { //上拉加载  
    let listData = this.data.listData;  
    listData.push(...Api.getNews());//新增数据  
    this.setData({  
        listData  
    }) //全量数据，发送数据到视图层  
}

开发者使用微信原生框架，完全可以自己优化，精简传递数据，比如修改如下：

data: {  
    listData: []  
},  
onReachBottom() { //上拉加载  
    // 通过长度获取下一次渲染的索引  
    let index = this.data.listData.length;  
    let newData = {}; //新变更数据  
    Api.getNews().forEach((item) => {  
        newData['listData[' + (index++) + ']'] = item //赋值，索引递增  
    })   
    this.setData(newData) //增量数据，发送数据到视图层  
}

经过如上优化修改后，再次测试，微信原生框架性能数据如下：

从测试结果可看出，如果开发者使用非uni-app开发，则必须手动处理setData的差量。这太麻烦了。

这个结果，和web开发类似，web开发也有原生js开发、vue、react框架等情况。如果不做特殊优化，原生js写的网页，性能经常还不如vue、react框架的性能。

也恰恰是因为Vue、react框架的优秀，性能好，开发体验好，所以原生js开发已经逐渐减少使用了。

复杂长列表加载下一页评测结论：微信原生开发手工优化,uni-app>微信原生开发未手工优化,taro > chameleon > wepy > mpvue

注：有人以为uni-app和mpvue是一样的，早期uni-app确实使用过mpvue，但后来因为性能和vue语法支持度问题已经重新开发了。
注：wepy在2.0 alpha里更改了组件编译模式，支持自定义组件，但由于仍是alpha状态，本次评测没有选择。

2.2 点赞组件响应速度

长列表中的某个组件，比如点赞组件，点击时是否能及时的修改未赞和已赞状态？是这项测试的评测点。

测试方式：

• 选中某微博，点击“点赞”按钮，实现点赞状态状态切换（已赞高亮、未赞灰色），
• 点赞按钮 onclick函数开头开始计时，setData回调函数开头结束计时；

在红米手机（Redmi 6 Pro）上进行多次测试，求其平均值，结果如下：

说明：也就是在列表数量为400时，微信原生开发的应用，点赞按钮从点击到状态变化需要111毫秒。

测试结果数据说明：

• wepy/mpvue 测试数据不完整的原因同上，在组件较多时，页面已经不再渲染了
• 基于微信自定义组件实现组件开发的框架（uni-app/taro/chameleon），组件数据通讯性能接近于微信原生框架，远高于基于template实现组件开发的框架（wepy/mpvue）性能

组件数据更新性能测评：微信原生开发,uni-app,taro > chameleon > wepy > mpvue

综上，本性能测试做了2个测试，长列表加载和组件状态更新，综合2个实验，结论如下：

微信原生开发手工优化,uni-app>微信原生开发未手工优化,taro > chameleon >> wepy > mpvue

3. 学习门槛

DSL语法支持度

主流跨端框架基本都遵循React、Vue（类Vue）语法，其主要目的：复用工程师的现有技术栈，降低学习成本。此时，跨端框架对于原框架（React/Vue）语法的支持度就是一个重要的衡量标准，如果支持度较低、和原框架语法差异较大，则开发者无异于要学习一门新的框架，成本太高。

实际开发中发现，各个多端框架，都没有完全实现vue、react在web上的所有语法：
taro 对于 JSX 的语法支持是相对完善的，其文档中描述未来版本计划，

更多的 JSX 语法支持，1.3 之后限制生产力的语法只有只能用 map 创造循环组件一条

mpvue、uni-app 框架基于 Vue.js 核心，通过修改 Vue.js 的 runtime 和 compiler，实现了在小程序端的运行，支持绝大部分的Vue语法；uni-app 编译到微信端曾经使用过mpvue，但后来重新编写，支持了更多vue语法如filter、复杂 JavaScript 表达式等；

wepy、chameleon 都是 类Vue 的实现，仅支持 Vue 的部分语法，开发时需要单独学习它们的规则；

DSL语法支持评测：uni-app ,taro,> mpvue > wepy,chameleon

学习资料完善度

• 官方文档、问题搜索、示例demo的完备度方面：

• wepy：文档只有2页，也无需搜索。仅支持微信，所以组件API等文档都直接看微信的文档。没有提供示例demo。详见

• mpvue：文档较少，但其概念不复杂，也没有支持H5、App，所以组件API等文档都直接看微信的文档，学习难度低。问题搜索效果一般。没有提供示例demo。详见

• taro：基础API文档完整，具体使用问题资源较少，问题搜索效果一般，示例demo只包含基础功能，仅发布了微信一端。详见

• uni-app：基础文档和各种使用专题内容丰富，问题搜索效果较好，示例demo功能完备，并发布为7端上线。详见

• chameleon：基础API文档完整，具体使用问题资源较少，问题搜索效果一般，示例demo只包含基础功能，仅发布了微信一端。详见

• 教学课程方面：

学习资料完善度评测：uni-app > mpvue , taro > chameleon > wepy

技术支持和社区活跃度

开发难免遇到问题，官方技术支持和社区活跃度很重要。

本次评测demo开发期间，我们的同学（同时掌握vue和react），在学习研究各个多端框架时，切实感受到由于语法、学习资料、社区的差异带来的学习门槛，吐出了很多槽。

综合评估，本项评测结论：uni-app > taro > mpvue > wepy > chameleon

Tips:本测评忽略React、Vue两框架自身的学习门槛

4. 工具和周边生态

工具

所有多端框架均支持cli模式，可以在主流前端工具中开发。
各框架基本都带有d.ts的语法提示库。
由于mpvue、uni-app、taro直接支持vue、react语法，配套的ide工具链较丰富，着色、校验、格式化完善，chameleon针对部分编辑器推荐了插件，wepy的有一些三方维护的vscode插件。

工具属性维度，明显高出一截的框架是uni-app，其出品公司同时也是HBuilder的出品公司，DCloud.io。
HBuilder/HBuilderX系列是四大主流前端开发工具（可对比百度指数），其为uni-app做了很多优化，故uni-app的开发效率、易用性非其他框架可及。
当然对于不习惯HBuilderX的开发者而言，uni-app的这个优势无法体现。

周边生态

一个底层框架，其周边配套非常重要，比如ui库、js库、项目模板。

• wepy：出现时间久，开源的项目示例较多。其没有自身的组件生态，沿用微信的生态。
• mpvue：发布时间也较早，历史积累较多，支持微信的组件生态，但会把微信的自定义组件编译为页面模板，导致性能问题。
• taro：官方提供了taro ui，github上有一些开源项目。不过taro ui只支持小程序和H5，不支持App端。taro提供了物料市场，但截至到19年10月28日，只有64个插件。
• uni-app：提供了插件市场，ui库、周边模板丰富。截至到19年10月28日，有850个插件。这些优质的插件已经超过了原生小程序的生态，比如原生小程序经常用到的wxParse、wx-echart、vant ui weapp等，在功能和性能上，均不如uni-app插件市场里的插件。可以另行参考https://ask.dcloud.net.cn/article/35489
• chameleon：还没有形成周边生态。

值得注意的是，uni-app和mpvue的插件生态是互通的，都是vue插件。所以双方还联合举办了插件大赛。这个联合生态的周边丰富度，是目前各个框架中最丰富的。

综上比较，工具和周边生态评测结论：uni-app,mpvue > wepy > taro > chameleon

其他常见评测指标

github star：

github star 绝对值对比： taro > wepy >mpvue > uni-app > chameleon
增幅对比：uni-app>taro>mpvue>chameleon,wepy
由于uni-app和chameleon推出时间较晚，总star还不多，但从增速来看，最高的是uni-app，其次是taro。这比总star更能说明当前的情况。

百度指数

百度指数代表了开发者的搜索量和包含关键字的网页数量。如下是各跨端框架近7天（2019-03-24 ~ 2019-03-30）的百度指数：

Tips:

• wepy未被百度指数收录，说明其搜索量和包含该关键字的网页数量都不够多。

可以看出一个较大的冲突就是uni-app的star数量较少，而百度指数较高。

根据我们分析，star数量和产品发布时间有关，也和用户使用习惯有关。大多框架的交流互动主要是github的issus，而uni-app的开发者在其问答社区交流，github页面访问量较低。

案例

我们对比了每个框架公布的案例，如下的框架名称的超链接已指向其案例页面，可以直接访问。

仅看发布到微信小程序的案例，数量和质量综合对比，uni-app >wepy > mpvue > taro > chameleon

如果看多端案例，综合对比，uni-app > taro > mpvue > wepy > chameleon

• wepy：出品较早，赶上了第一拨小程序开发需要脚手架的机会，知名案例较多，包括很多一线互联网公司。
• mpvue、taro：跨端框架的出品方本身为一线互联网公司，其内部项目会使用这些框架，经受过实战考验。除内部项目外，外部项目多以创业项目为主，鲜有其他一线互联网公司使用。
• uni-app：案例很多，包括知名互联网公司、政府单位、创业者，官方数据已经超过10w+。各端案例都很丰富。
• chameleon：案例不多，仅公布了几个微信小程序案例和百度小程序案例。

其他补充说明

1. App侧的补充说明

目前有taro、uni-app、chameleon三家框架支持App端。但在App端大多是三方产品，比如taro使用react native，chameleon使用weex。

不管react native还是weex，其架构与小程序架构完全不同，从排版到API能力都差别很大，所以这类产品跨App端时兼容性较差。

uni-app的App端，内置一个完整小程序引擎，并补充了可选的weex引擎给对性能要求更高的开发者。这也是uni-app在App端能够正常运行微信小程序代码的原因。

整个业内目前还不存在一个完全开源的小程序引擎（微信、百度、支付宝、头条的小程序引擎源码均未开源）。uni-app的小程序引擎不是全开源，而是能力层开源，中控未开源。

所以可能各家的多端框架，在App端都有不完美的地方，需要开发者使用时注意。

其实App引擎并非前端领域，是原生领域的另一个竞技场。了解uni-app与react native、weex、flutter的差别，另见文档https://ask.dcloud.net.cn/article/36083。

2. 转换和混写

taro提供了原生小程序转换为taro工程的转换器，也支持在原生小程序里部分页面嵌入taro编写的页面。
uni-app有三方转换器，包括原生小程序、wepy框架小程序、mpvue框架小程序，都可以转换为uni-app。但不支持wxml混写。
chameleon提供了转换的文档，没有官方转换工具，但uni-app有三方开发的开源转换器。

结语

真实客观的永远是实验和数据，而不是结论。不同需求的开发者，可以根据上述实验数据，自行得出自己的选型结论。

但作为一篇完整的评测，我们也必须提供一份总结，虽然它可能加入了我们的主观感受：

• 如果你只开发微信小程序，不做多端，uni-app是更好的选择，除非你有兴趣手动优化原生小程序的代码，或者对react非常熟悉不愿意学习vue也可以使用taro。另外注意，使用微信原生开发，对于webpack、各种预处理器、工程化流程的支持很不好，大公司很少用原生微信开发，还是用框架开发更合适。

• 如果你主要为了统一各家小程序，uni-app仍然是最好的选择，taro次之。

• 如果你还需要跨端到H5侧，那么uni-app在跨端兼容方面会让你更省心。

• 如果你还需要跨端到App侧，那么uni-app是唯一可商用的选择。

当然，uni-app也距离完美尚远，只是在参比框架中相对有优势。uni-app团队仍将持续完善产品，帮助开发者提升投入产出、提升开发体验！

如有读者认为本文中任何评测失真，欢迎在这里报 issuse。