本文受众是专业的图形开发者和前端开发者，从介绍的浏览器渲染引擎开始，逐渐引出和图形引擎的比较，尝试从图形视角探索和理解浏览器的渲染原理。

浏览器引擎

浏览器引擎是浏览器的核心部分，负责解析网页内容（如 HTML、CSS 和 JavaScript）并呈现给用户。各种浏览器可能使用不同的引擎，这导致了不同浏览器之间在渲染页面时可能会有细微的差异。以下是一些主要的浏览器引擎及与其关联的浏览器：

IE: Trident
WebKit: Safari
Blink: Chrome、Opera、Edge

WebKit

以 WebKit 为例，WebKit 是一个开源的 Web 浏览器引擎，它为多种浏览器提供支持，如 Apple 的 Safari 浏览器。它起源于 KDE 项目的 KHTML 和 KJS 库，但后来由 Apple 进一步发展并开源，从而产生了 WebKit。WebKit 代码库主要是用 C++ 编写的，其中包含一些 C 和汇编代码。

主要特点和组件：

WebCore： 这是 WebKit 的主要部分，负责渲染 HTML 和 CSS。这基于原先的 KHTML。
JavaScriptCore： 负责执行 JavaScript，基于原先的 KJS。

在 WebKit 的成功之后，Google 最初使用 WebKit 为其 Chrome 浏览器提供支持，但后来 Google 选择分叉并创建了自己的引擎，名为 Blink。

时间线

WebCore

WebCore 是 WebKit 浏览器引擎的核心部分，将网页内容转化为用户可以看到和与之互动的视觉表示。

WebCore 是 WebKit 最大的组件，该层实现了大部分 Web API ，最重要的是负责解析 HTML 和 CSS，计算布局，并渲染页面。它处理页面中的所有元素，包括文本、图像、视频、SVG、Canvas、WebGL、动画、音频等。它还实现了 CSS JIT，这是现有的唯一 CSS 即时编译器。

渲染过程

WebCore 的渲染过程涉及多个步骤，从接收原始的 HTML、CSS 和 JavaScript 资源开始，到生成用户在屏幕上看到的最终像素结束。以下是基本的渲染步骤：

解析（CPU）：

WebCore 开始通过解析 HTML 生成一个 DOM（Document Object Model）树。
CSS 也会被解析，生成一个叫做 CSSOM（CSS Object Model）的结构。CSS 是告诉引擎如何在屏幕上呈现 DOM 树的语言。每个 Web 引擎都使用复杂的机制来遍历 DOM 中的所有内容并应用 CSS 定义的规则。

合并 DOM 和 CSSOM（CPU）: DOM 和 CSSOM 被结合，生成一个渲染树（Render Tree）。这个树只包含实际需要被渲染的元素，不包括例如 display: none 的元素。
布局（CPU）： 布局阶段开始，浏览器确定所有有可视表现的元素在屏幕上的确切位置和大小。每个元素将获得一个确定的屏幕坐标。
划分图层（CPU）： 图层是独立于其他内容进行合成的渲染单位，它的决策是基于布局完成后的信息。图层的创造是为了优化性能。一些特定的 CSS 属性和操作，如动画、3D 变换、视频播放等，如果能在它们自己的图层上运行，通常可以更高效地渲染。
绘制（CPU+GPU）： 绘制阶段开始时，WebCore 会遍历渲染树，并使用 UI 后端层来绘制每个元素的具体像素。
合成（GPU）： 对页面上的元素进行分层，并在合成阶段将它们按正确的顺序合并为一个图层，然后呈现给用户。合成通常是渲染流程的最后一个阶段。在这个阶段，浏览器会处理那些可以被 GPU 直接处理的工作，例如页面的滚动、元素的移动和透明度的变化。因为这些操作不需要重新计算布局或重绘整个页面，所以它们通常会比其他操作更加高效。

绘制和合成

绘制和合成大部分是在 GPU 中进行的，对于我们图形开发者来说，进入到了我们熟悉的语境。

绘制

绘制（Painting）过程可以涉及到调用 GPU API，但这取决于具体的渲染场景和浏览器的优化策略。

在浏览器的渲染流程中，"绘制" 通常指的是将渲染树中的每个元素转换为像素数据的过程。这个过程可能首先在 CPU 上完成，并产生一个位图。然后，这个位图可以被上传到 GPU 并存储为纹理，随后在合成阶段由 GPU 处理。

但是，随着硬件加速绘图技术的普及，越来越多的绘图任务直接在 GPU 上进行，特别是当涉及到复杂的图形效果（如 CSS 滤镜、渐变等）时。在这种情况下，浏览器会直接调用 GPU API（例如 OpenGL 或 DirectX）来进行绘图。

所以，有时浏览器的绘制过程是通过调用 GPU API 来完成的，但并不总是这样。具体情况取决于浏览器的实现、页面的内容以及用户设备的硬件和驱动支持。

UI 后端层则负责与特定平台的图形和 UI 系统进行交互。这样，渲染引擎可以"写一次，到处运行"，而不必为每个平台编写特定的绘图代码。UI 后端层为浏览器提供了一个平台无关的方法来绘制其内容，使得浏览器可以跨多个操作系统平台工作，而无需担心每个平台的绘图特定细节。

Windows：UI 后端层可能使用 DirectX 进行绘图
macOS: Core Graphics、Metal
Linux：它可能使用 X11 或 Wayland 等
iOS ：Core Graphics 和 Metal
Android：OpenGL ES 或 Vulkan

绘制过程

当 WebCore 进入绘制阶段并开始遍历渲染树时，其主要目的是将每个可见的渲染对象绘制到屏幕上。以下是在这个阶段中的主要步骤和发生的活动：

确定绘制顺序： WebCore 会根据渲染树中的层次结构确定绘制的顺序。基本的原则是，先绘制在底部的元素，再绘制在其上方的元素。这确保了层叠上下文和 z-index 的正确处理。
裁剪和隐藏： 不是渲染树上的所有元素都需要绘制。有些元素可能位于视口之外，或者被其他元素完全遮盖。通过裁剪和优化，WebCore 可以跳过这些元素，从而提高绘制的性能。
调用平台相关的绘图 API： WebCore 本身不直接处理低级的图形操作。相反，它依赖于底层的图形 API（例如 macOS 上的 Core Graphics 或 Windows 上的 Direct2D）来执行实际的绘制。
背景和边框： 对于每个需要绘制的渲染对象，WebCore 首先绘制背景颜色和背景图片（如果有的话），然后绘制边框。
文字和图像： 接下来，WebCore 会绘制文本、图像和其他内容。对于文本，它会处理字体、大小、颜色和其他样式。对于图像，它可能还会进行缩放或其他转换。
子元素绘制： 对于容器元素（例如一个具有子元素的 <div>），WebCore 会递归地遍历其子渲染对象，并对每个子对象重复上述的绘制过程。
处理透明度和复合效果： 如果渲染对象有透明度、阴影或其他复合效果，WebCore 在绘制时会应用它们。
处理交互状态： 某些元素可能具有交互状态，如：hover 或 :active。WebCore 会确保这些状态下的样式得到正确的反映。

一旦遍历完成并且所有可见的渲染对象都被绘制到了屏幕上，绘制阶段就结束了。

合成

为了提高性能，现代浏览器会尽可能地利用合成。例如，当你使用像transform或opacity这样的 CSS 属性时，浏览器可能会为该元素创建一个新的合成层。这样，当该元素发生变化时，浏览器只需要更新那个合成层，而不是整个页面。这大大提高了性能，特别是在移动设备和低功耗设备上。

合成（Compositing）主要是在 GPU 中进行的。现代浏览器为了提高渲染性能，尤其是动画和页面的平滑滚动，会尽量将合成任务交给 GPU 处理。这是因为 GPU 在处理像素和图层操作上特别高效，特别是涉及大量并行计算时。

当浏览器决定为某个元素创建一个新的合成层时（例如，使用了transform、opacity、filters或其他会触发合成的 CSS 属性时），该元素的渲染内容会被发送到 GPU，存在一个称为纹理（texture）的结构中。随后，当这个元素需要移动或进行其他视觉变化时，GPU 只需简单地操作这个纹理，而无需重新计算或重绘整个页面。这样可以大大提高性能。

简而言之，合成是在 GPU 中进行的，利用了 GPU 的并行处理能力和专门的图形处理技术来实现高效渲染。

合成主要是在 GPU 中将不同的图层组合到一起以形成最终的页面视图。在这个过程中，各个图层可以独立地进行移动、缩放或调整透明度等操作，而不需要重新绘制整个页面。利用 GPU 进行合成可以提高渲染速度和效率。

对比图形引擎

3D 图形引擎是专门用于创建、渲染和操作 3D 内容的软件框架。它通常包括物理模拟、光照计算、动画、模型加载等功能。

以 three.js 为例，它使用 WebGL API 在浏览器中进行 3D 渲染。而浏览器中的常规页面渲染，例如使 WebCore 的渲染，是基于浏览器的标准渲染流程，主要处理 2D 内容。

three.js 旨在创建 3D 世界和效果，而浏览器的 2D 渲染更关心内容的结构和样式。

核心概念对比

当我们试图类比浏览器的 2D 页面渲染和 three.js 的 3D 渲染时，可以发现一些相似的核心概念，尽管这些概念在每个上下文中可能有所不同。以下是一些相似性：

元素/物体

2D 页面渲染：页面上的每个 HTML 元素，如<div>， <img>， <p>等。
three.js/3D 渲染：场景中的每个 3D 物体，如THREE.Mesh， THREE.Group等。

样式/材质

层次结构/场景

视图/摄像机

2D 页面渲染：视口定义了用户当前可以看到的页面部分。
three.js/3D 渲染：摄像机定义了用户从哪个角度和位置看到 3D 场景。

光照/颜色

2D 页面渲染：颜色定义了元素的背景、文本和边框颜色。
three.js/3D 渲染：光源影响了物体的颜色和明暗，与物体的材质和纹理结合，决定了其最终的外观。

动画/变换

2D 页面渲染：CSS 动画和转换可以改变元素的位置、大小、颜色等。
three.js/3D 渲染：动画库和变换方法可以改变物体的位置、大小、旋转等。

交互/事件

2D 页面渲染：可以使用事件监听器捕捉元素的点击、鼠标悬停、焦点等事件。
three.js/3D 渲染：通过光线投射，可以监听物体的点击、交叉、拖放等事件。

渲染过程对比

	步骤	WebCore	Three.js
CPU	资源加载	加载 HTML、CSS、JS 文件	加载 3D 模型、纹理、着色器等资源
CPU	处理	解析 HTML、CSS 和 JavaScript 代码生成 DOM 和 CSSOM 树	解析和执行 Three.js 脚本，构建 3D 场景
CPU	交互	JavaScript 监听和处理用户交互事件，如点击、滚动等	Three.js 监听鼠标、键盘和触摸事件，更新 3D 场景状态
CPU	布局	计算页面中每个元素的大小和位置生成布局树	定义场景、摄像机、灯光、物体等位置和属性
CPU	绘制预备	创建渲染树，结合 DOM 和 CSSOM	传递顶点数据、纹理、灯光信息等到 GPU
GPU	绘图 API	平台特定 API	WebGL/WebGL2
GPU	与硬件交互	通常通过平台的底层 API 与 GPU 交互	直接通过 WebGL 与 GPU 交互
GPU	顶点处理	不适用于传统的 2D 页面渲染	GPU 上的顶点着色器处理顶点数据、转换 3D 坐标到 2D 屏幕坐标
GPU	绘制/光栅化	为每个元素生成像素颜色	GPU 的片段着色器为每个像素计算颜色、光照、阴影等
GPU	合成	GPU 将多个图层和特效合并到一个完整的 2D 页面视图中	渲染结果被绘制到 HTML 的 Canvas 元素上，如果有 post-processing 也在这里完成
GPU	显示	GPU （更新屏幕缓冲）	GPU （更新屏幕缓冲）
显示	渲染目标	操作系统窗口或选项卡	HTML Canvas 元素

进化中的变和不变

图形引擎的演变

从 2005 年 Unity 的亮相，到 2010 年 Three.js 的出现，再到 2013 年 Babylon.js 的发布，不断演进出新的图形引擎并在各自领域发挥作用。

变的是底层技术和上层框架：在时间的长河中，上层的应用框架持续调整、优化，底层的渲染技术也衍生出从前向渲染、后向渲染、全局光、基于物理的渲染等技术，再到到 WebGL1、WebGL2、WebGPU 等底层的进化。
不变的是概念模型：即使技术在进步，某些核心元素如网格、材质、纹理和灯光等概念始终保持不变。

浏览器的演进

浏览器的历史自 1995 年 IE 的诞生开始，经历了 2003 年 Safari 的发布，再到 2008 年 Chrome 的出现。

变的是底层技术和上层框架： 在各种应用框架如 jQuery、Angular、React 的推出与退场中，底层的渲染技术也在不断的升级与优化。
不变的是概念模型：尽管浏览器技术在飞速进化，但盒模型、结构树、样式树和渲染树这些核心概念始终保持其原始的形态。

所以，无论是图形引擎还是浏览器，面对各种创新与挑战，都需要有一个稳固的基础。这就像建筑，无论外部如何装修，基石始终不变。当我们面对不同的领域，构建系统的解决方案时，构建模型成是首先要思考的问题。在应用层面，需要不断为特定的细分领域找到最佳的解决方案；而在底层，持续优化效率是确保长远发展的关键。

浏览器和图形引擎渲染对比