面试防线：依赖图触发雪崩更新时的微任务合并与优先级调度
面试官提问：
“虽然你做了依赖图 (Dependency Graph)，但如果修改一个字段同时被 100 个字段监听，触发了上百个精确更新，一齐并发的话 React 渲染线程一样会卡死，这种雪崩更新怎么防？”
核心回答思路 (STAR法则)
-
业务痛点 (Situation)
在引入依赖图后遇到了“一对多”的高频触发。一个核心字段的轻微变动，触发底层图谱所有相关联动，引发主线程阻塞，用户打字严重卡顿。 -
技术考量 (Task)
不能让收集图一通知就立刻去 setState，必须引入一层“缓冲与批处理调度池（Scheduler）”。 -
架构决策 (Action)
我深入借鉴了 Vue 的 NextTick 和 React Fiber 调度思想：
- 防抖收集队列 (Microtask Queue)：数据变化触发 notify 钩子时，不立刻调用组件更新，而是把 field_id 推入 Set 集合（天然去重）。
- 借用微任务机制合并渲染：推入集合时抛出一个异步微任务 Promise.resolve().then(flushQueue)。因为微任务会在当前宏任务结束、渲染前统一执行。这样无论字段被改多少次，最终只会统一执行一次全局最优的精准重绘（Batching Update）。
- 拓扑排序保证单向数据流：清空队列时根据依赖图层次进行拓扑排序。层级浅的先算，避免深层节点被多条路径重复计算。
- 业务价值 (Result)
彻底斩断了雪崩效应。用户在千级节点的巨型表单里持续输入时，帧率稳稳锁在 60FPS。