上周，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，要想做完善，其实非常花费时间。不是只看文档就行，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 团队投入一周完成了这个深度评测，下面我们就分享下，实际开发不同框架的测试例遇到的问题，和最终的测试结果。
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 (应该是最新稳定版)。
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：
跨端支持度如何？
性能如何？
学习门槛
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：
平台
微信原生
wepy
mpvue
taro
uni-app
chameleon
微信小程序
⭕️
⭕️
⭕️
⭕️
⭕️
⭕️
支付宝小程序
❌
❌
⭕️
⭕️
⭕️
❌
百度小程序
❌
❌
⭕️
⭕️
⭕️
❌
头条小程序
❌
❌
⭕️
⭕️
⭕️
❌
H5 端
❌
❌
❌
上拉加载 / 下拉刷新失效
⭕️
上拉加载 / 下拉刷新失效
App 端
❌
❌
❌
上拉加载失效
⭕️
列表无法滚动，无法测试上拉加载 / 下拉刷新
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 2.0 宣称版已支持其他家小程序，本测试基于 wepy 官网指引安装的 wepy-cli 默认版本为 1.7.3，尚不支持多端
chameleon 尝鲜版宣称支付宝、百度小程序，本测试基于 chameleon 官网指引安装的 chameleon-tool 默认版本为 0.1.1，尚不支持其它小程序
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，支持小程序 (微信 / 支付宝 / 百度)、H5 平台，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
最后补充跨端案例：
mpvue：微信端案例丰富，未见其它端案例
taro：微信端案例丰富，百度、支付宝、H5 端亦有少量案例
uni-app：微信、App、H5 三端案例丰富，官方示例已发布到 6 端
chameleon：未看到任何端案例
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
之前曾有友商掀起一番真跨端和伪跨端之争，通过本次 Demo 实测，这个争论可以盖棺定论了。
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)：
字段
类型
必填
描述
data
Object
是
这次要改变的数据
callback
Function
否
setData 引起的界面更新渲染完毕后的回调函数
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 -> 渲染完成的平均耗时。
测试结果如下：
列表条数
微信原生
wepy
mpvue
taro
uni-app
chameleon
200
770
625
969
752
641
1261
400
876
781
4493
974
741
1970
600
1111
–
–
1250
910
2917
800
1406
–
–
1547
1113
4040
1000
1690
–
–
1878
1321
5196
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，在复杂组件较多的页面，会大量增加 dom 节点，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：uni-app 比微信原生框架性能更好？逆天了？
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，每次仅传递有变化的数据。
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：
组件数量
微信原生框架（优化前）
微信原生框架（优化后）
uni-app
taro
200
770
572
641
752
400
876
688
741
974
600
1111
855
910
1250
800
1406
1055
1113
1547
1000
1690
1260
1321
1878
从测试结果可看出，经过开发者手动优化，微信原生框架可达到更好的性能，但 uni-app、taro 相比微信原生，性能差距并不大。
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
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：
列表数量
微信原生
wepy
mpvue
taro
uni-app
chameleon
200
91
279
666
92
93
101
400
111
501
1507
125
107
145
600
144
–
–
152
148
178
800
176
–
–
214
181
236
1000
220
–
–
229
234
272
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，但后来重写框架，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：taro,uni-app > mpvue > wepy,chameleon
学习资料完善度
官方文档、搜索系统的完备度方面：uni-app 文档内容丰富，示例 demo 完备，taro 次之，其他几个框架相对要弱一些。mpvue 文档虽少，但其概念不复杂，也没有支持 H5、App，组件、API 文档都可直接看微信的文档，学习难度倒也很低。
教程方面：uni-app 官方有视频教程，不少三方专业培训机构也录制的 uni-app 教程，包括腾讯课堂自家 NEXT 学院也录制了 uni-app 培训视频课，公开售卖；mpvue 在腾讯课堂也有三方视频教程售卖；taro 没有视频教程，但官方发布了掘金小册；wepy 和 chameleon 还没有专业教程。
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。
目前看，uni-app、taro、chameleon 都有专职人员做技术支持，uni-app 因交流群过多，还单独引入了智能客服机器人。
活跃的社区意味着你遇到问题有人可问、或者前人会沉淀经验到文章里供你搜索。uni-app 官方有 30 多个交流群（其中有很多千人大群），自建论坛中有大量交流帖子；taro 和 mpvue 有 9 个 500 人微信群；wepy 官网的微信已无法添加，chameleon 发布较晚，用户群还较少。除 uni-app 外，其他框架没有自建论坛社区。
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 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 系列是国产开发工具，有 300 万开发者用户。HBuilderX 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，开源项目多，占据一定优势。
mpvue：发布时间也较早，历史积累较多。
taro：官方提供了 taro ui，github 上有一些开源项目。
uni-app：提供了插件市场，ui 库、周边模板丰富
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。
顺便打个广告，欢迎有实力的同学参加 uni-app/mpvue 插件开发大赛，领取 iPhone Xs Max 等丰厚奖品。
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：
wepy
mpvue
taro
uni-app
chameleon
17136
16650
17078
4728
4287
github star 数对比：wepy > taro > mpvue > uni-app > chameleon
Tips:
star 数采集时间：2019.03.31 21:30
star 数量和产品发布时间有关，也和用户使用习惯有关；除 uni-app 外，其他框架的交流互动主要是 github 的 issus，uni-app 的开发者一般在 uni-app 的问答社区中交流反馈，github 页面访问量较低。
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。
taro 和 chameleon 的名称取自于已存在的名称，实际指代开发框架的指数应该更低。
案例
仅看发布到微信小程序的案例，数量和质量综合对比，wepy > mpvue > taro , uni-app > chameleon
如果看多端案例，综合对比，uni-app > taro > mpvue > wepy > chameleon
除了 uni-app 外，其他跨端框架的出品方本身为一线开发商，其内部项目会使用这些框架，经受过实战考验。但同时鲜有其他大开发商使用这类框架。
这里面有面子问题，也有兼容问题。很多开发商做的框架，可以满足其自身业务需求，但对外开放后想满足所有开发者，仍然需要投入大量工作完善产品，很多开发商主营业务不在此，并没有这么做。
这也是很多开源项目被称为 KPI 项目的原因。
客观讲，凹凸实验室投入如此大精力打磨 taro，让 uni-app 团队也很惊讶和佩服。chameleon 团队初期投入也很大，但发布时间还短，如果能长期投入下去，也是令人敬佩的。uni-app 团队本身就是专业做开发者服务的，案例很多，但创业者居多。
可以说整个多端框架市场仍处于起步期，距离让更多开发者接受，还需要所有框架作者的共同努力。
其他补充说明
1. 开源和 App 侧的补充说明
有的友商在评测中提到 uni-app 的开源性不足问题。需要说明下，uni-app 和其他多端框架一样，都是前端框架，是纯开源的。
除了 uni-app，其他框架的 App 端，或者使用 expo(一个基于 react native 的封装库）、或者使用 weex。
做过这些开发的人都知道，原生排版引擎和 web 排版引擎有很多差异。而且不管 react native 还是 weex，都只是渲染器，能力部分还需要开发者写原生代码，这就无法跨端了。expo 比 react native 强的是多封装了一些能力，但也带来新的限制。
uni-app 的 App 端，是一个真的小程序引擎，又补充了可选的 weex 引擎。这也是 uni-app 在 App 端能够提供比其他跨端框架更好兼容性的原因。
而这个引擎，是另一个开源项目，叫 h5p，这个引擎是部分开源状态。
整个业内目前还不存在一个完全开源的小程序引擎。
不过 uni-app 的 App 端使用许可是完全免费，可以放心使用。
其实也不用好奇为什么 DCloud 会有小程序引擎，因为业内第一个做小程序的并不是微信，而是 DCloud。
关于 App 端，其实可以再写出一篇很长的专业评测。后续 uni-app 团队会再做一篇 App 端与 react native、weex、cordova、flutter 等框架的对比。
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，这是 taro 的特色，其他跨端框架没有提供。这对于降低入门门槛有不少帮助。
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：
如果你想多端开发，提升效率，不想踩太多坑，uni-app 相对更完善。
如果你只开发微信小程序，不做多端，那么使用 uni-app、微信原生开发、taro 是更优的选择。
如果使用微信原生开发，需要注意手动写优化代码来控制 setdata
如果你是 react 系，那就用 taro
如果是 vue 系，那就用 uni-app，uni-app 在性能、周边生态和开发效率上更有优势
如果你主要为了微信端和 H5 端，那么 uni-app 和 taro 都可以。可以根据自己熟悉的技术栈选择。
如果你主要需要跨 App 端，uni-app 兼容性更好，其他框架的 App 端差异过大。如果你只关心 App，不关心小程序和 H5，那欢迎关注我们后续的评测：uni-app 和 cordova、react native、flutter 的深度比较。
如果你主要为了各家小程序，且不用复杂组件，那除了 uni-app 和 taro，mpvue 也是不错的选择。mpvue 发布 2.0 版本后，搜索指数明显爬升，希望能持续更新，迎来二次繁荣。
chameleon 发布不久，提供的组件和 API 还很少，但其未来的规划比较令人期待，值得关注。
这篇评测写完后，小编有点惴惴不安。
一方面本评测不太温和，容易得罪人。但我们相信，这样的评测，会激起所有跨端框架从业者的斗志，让大家投入更多去完善产品，这对整个产业、对前端开发者，是大好事。
另一方面，读者可能会以为现阶段的 uni-app 很完美，其实我们深知 uni-app 还有很多需要完善的地方。uni-app 团队也将持续投入心血，为中国的前端开发者造福！
如有读者认为本文中任何评测失真，欢迎在这里报 issues。