AI 摘要：本文深入探讨了 Turbopack 的核心技术——增量计算（Incremental Computation）。通过从 Webpack 等工具中吸取教训并借鉴 Rust 社区的 Salsa 框架，Turbopack 构建了一套基于“值单元（Value Cells）”的细粒度缓存系统。它不仅能自动追踪函数间的依赖关系，实现“按需”重算，还通过创新的“聚合图（Aggregation Graphs）”解决了大规模依赖图下的查询性能瓶颈。此外，Next.js 16.1 正式引入了持久化的文件系统缓存，进一步提升了大型项目的启动和冷启动效率。

1. 核心架构：增量计算（Incremental Computation）
• 传统的打包工具随着应用规模增长，构建速度呈线性下降（$O(n)$）；而 Turbopack 的构建耗时仅取决于变更的大小，而非应用总量。
• 增量计算虽然增加了复杂度和内存开销，但对于大型 Web 应用实现即时反馈（Fast Refresh）至关重要。
• 设计灵感源自十余年的研究，包括 Webpack 的经验以及 Salsa (Rust-Analyzer)、Parcel、Adapton 等系统的启发。

2. 细粒度缓存：值单元（Value Cells）
• 引入 Vc<...>（Value Cells）概念：将每一个执行片段（如读取文件、解析 AST、元数据处理）抽象为类似电子表格的单元格。
• 自动依赖追踪：类似于 SolidJS 的 Signals，当一个函数等待（await）一个 Vc 时，系统会自动建立依赖关系。
• 避免冗余计算：只有当函数真正读取的单元格发生变化时，才会触发重算，而非整个对象发生变化就重算。

3. 变更传播与需求驱动执行（Propagation & Demand-driven）
• 脏值标记（Marking Dirty）：当文件变更时，系统将依赖该文件的函数标记为“脏”，并向上冒泡传播，直到受影响的所有节点。
• 需求驱动（Demand-driven）：即使标记为脏，系统也会推迟重算，直到该数据被当前的“活跃查询”（如浏览器打开的页面）真正需要。
• 结果比对（Equality Check）：如果在传播过程中发现计算出的新值与旧值相等，则停止向上继续传播，从而减少不必要的重算。

4. 大规模优化：聚合图（Aggregation Graphs）
• 性能挑战：在拥有数百万个节点的精细图中，收集错误信息或等待子图计算完成会非常缓慢。
• 聚合层设计：在依赖图之上构建多层聚合图，对下层节点的信息（如错误、警告、状态）进行摘要总结。
• 快速遍历：通过减少需要访问的节点数量，使得系统能够在大规模依赖网络中快速响应全局查询。

5. 持久化存储：文件系统缓存（File System Caching）
• 在 Next.js 16.1 版本中，文件系统缓存已转为稳定版并默认开启。
• 将内存中的依赖图、聚合图及 Vc 结果持久化到磁盘，使得 next dev 在重启后能快速恢复状态。
• 解决了复杂的数据序列化与一致性挑战，显著缩短了大型项目的冷启动时间。

nextjs.org

Inside Turbopack: Building Faster by Building Less

Learn how we built Turbopack with incremental computation to scale development and builds to massive Next.js applications.