手把手教你基于 Myers 算法实现 JSON 树结构的深度 Diff 比对

一、 Myers 算法基础：编辑网格与最短路径 (Shortest Edit Script)

Myers 算法将两个序列的差异对比转化为在二维网格上的最短路径搜索问题。横向代表删除，纵向代表插入，对角线代表字符匹配（免费走过）。

通过寻找从 (0,0) 到 (N,M) 的最少非对角线步数 D，即可求出最少编辑步数。

技术团队应当在持续集成流水线中建立自动化回归测试、代码静态扫描规则与监控预警防线，在研发早期及时捕获并消除边界隐患。

研发人员需要对首屏可交互时间（TTI）、主线程阻塞耗时（TBT）以及高并发负载下的峰值内存占用进行全方位监控。通过

• 建立完善的自动化回归测试用例，覆盖边界极端场景。
• 在研发规范中明确字段与接口类型的命名约束，降低沟通成本。
• 定期审查生产监控日志，及时处置潜在的异常报错。

二、 树状 JSON 的递归比较映射

对于 JSON 树，我们使用两阶段比较：对象使用 Key 路径映射，数组使用 Myers 动态规划算法找出最少的元素插入与删除操作。

技术团队应当在持续集成流水线中建立自动化回归测试、代码静态扫描规则与监控预警防线，在研发早期及时捕获并消除边界隐患。

研发人员需要对首屏可交互时间（TTI）、主线程阻塞耗时（TBT）以及高并发负载下的峰值内存占用进行全方位监控。通过

• 建立完善的自动化回归测试用例，覆盖边界极端场景。
• 在研发规范中明确字段与接口类型的命名约束，降低沟通成本。
• 定期审查生产监控日志，及时处置潜在的异常报错。

// Myers Diff 节点操作类型枚举
type DiffOp = 'add' | 'remove' | 'replace' | 'unchanged';
interface JsonDiffPatch {
  path: string;
  op: DiffOp;
  oldValue?: any;
  newValue?: any;
}

线上避坑：大 JSON 解析卡顿与边界类型丢精度排查

在前端处理超过 50MB 的超大 JSON 数据时，直接在主线程调用 JSON.parse 会导致页面死锁卡顿几百毫秒甚至崩溃。解决办法是把文本数据交给 Web Worker 在后台子线程解析，解析完成后再把对象以 Transferable Objects 方式传回主线程。

另一个常见的隐蔽 Bug 是 JavaScript 的 64 位双精度浮点数精度限制。超过 9007199254740991 (Number.MAX_SAFE_INTEGER) 的订单 ID 或雪花 ID，在 JSON.parse 时末尾数字会被悄悄改变。对于这种长整数，后端接口必须返回字符串格式，或者前端引入 json-bigint 库进行安全反序列化。

• 超大 JSON 解析切勿在主线程硬扛，优先使用 Web Worker。
• 超过 16 位的长整型 ID 必须转为字符串传输，防止精度丢位数。
• 使用 Try...Catch 包裹 JSON.parse，防止非法语法导致页面白屏。