Node.js模块化机制原理探究

摘要：要想让模块再次运行，必须清除缓存。用户自己编写的模块，称为文件模块。并且和指向了同一个模块对象。模块路径这是在定位文件模块的具体文件时指定的查找策略，具体表现为一个路径组成的数组。

Node应用是由模块组成的，Node遵循了CommonJS的模块规范，来隔离每个模块的作用域，使每个模块在它自身的命名空间中执行。

CommonJS规范的主要内容：

模块必须通过 module.exports 导出对外的变量或接口，通过 require() 来导入其他模块的输出到当前模块作用域中。

CommonJS模块的特点：

（1）所有代码运行在当前模块作用域中，不会污染全局作用域
（2）模块同步加载，根据代码中出现的顺序依次加载
（3）模块可以多次加载，但是只会在第一次加载时运行一次，然后运行结果就被缓存了，以后再加载，就直接读取缓存结果。要想让模块再次运行，必须清除缓存。

一个简单的例子：

demo.js

module.exports.name = "Aphasia";
module.exports.getAge = function(age){
    console.log(age)
};
//需要引入demo.js的其他文件
var person = require("./demo.js")

根据CommonJS规范，每一个文件就是一个模块，在每个模块中，都会有一个module对象，这个对象就指向当前的模块。module对象具有以下属性：

（1）id：当前模块的bi
（2）exports：表示当前模块暴露给外部的值
（3）parent： 是一个对象，表示调用当前模块的模块
（4）children：是一个对象，表示当前模块调用的模块
（5）filename：模块的绝对路径
（6）paths：从当前文件目录开始查找node_modules目录；然后依次进入父目录，查找父目录下的node_modules目录；依次迭代，直到根目录下的node_modules目录
（7）loaded：一个布尔值，表示当前模块是否已经被完全加载

示例：

module.js

module.exports = {
    name: "Aphasia",
    getAge: function(age){
            console.log(age)
    }
}
console.log(module)

执行node module.js

从上面的例子我们也能看到，module对象具有一个exports属性，该属性就是用来对外暴露变量、方法或整个模块的。当其他的文件require进来该模块的时候，实际上就是读取了该模块module对象的exports属性。

简单的使用示例

module.exports = "Aphasia";
module.exports.name = "Aphasia";
module.exports = function(){
    //dosomething
}
module.exports = {
    name: "Aphasia",
    getAge: function(){
        //dosomething
    }
}

一开始我很郁闷，既然module.exports就能满足所有的需求，为什么还有个exports对象呢？其实，二者之间有下面的关系

（1）首先，exports和module.exports都是引用类型的变量，而且这两个对象指向同一块内存地址。在node中，二者一开始都是指向一个空对象的

exports = module.exports = {};

可以在REPL环境中直接运行下面代码module.exports，结果会输出一个{}

（2）其次，exports对象是通过形参的方式传入的，直接赋值形参会改变形参的引用，但是并不能改变作用域外的值。这句话是什么意思呢？我们举个例子。

var module = {
    exports: {}
}

var exports = module.exports

function change(exports) {
    //为形参添加属性，是会同步到外部的module.exports对象的
    exports.name = "Aphasia"
    //在这里修改了exports的引用，并不会影响到module.exports
    exports = {
        age: 24
    }
    console.log(exports) //{ age: 24 }
}

change(exports)
console.log(module.exports) //{exports: {name: "Aphasia"}}

现在明白了吧？其实我们在模块中像下面的代码那样，直接给exports赋值，会改变当前模块内部的形参exports对象的引用，也就是说当前的exports已经跟外部的module.exports对象没有任何关系了，所以这个改变是不会影响到module.exports的。因此，下面的这种方式是没有任何效果的，所有的属性和方法都不会被抛出。

//以下操作都是不起作用的
exports = "Aphasia";
exports = function(){
    console.log("Aphasia")
}

其实module.exports就是为了解决上述exports直接赋值，会导致抛出不成功的问题而产生的。有了它，我们就可以这样来抛出一个模块了。

//这些操作都是合法的
exports.name = "Aphasia";
exports.getName = function(){
    console.log("Aphasia")
}
//相当于下面的方式
module.exports = {
    name: "Aphasia",
    getName: function(){
        console.log("Aphasia")
    }
}

这样就不用每次把要抛出的对象或方法赋值给exports的属性了 ，直接采用对象字面量的方式更加方便。

我们都知道，当使用exports或者module.exports抛出一个模块，通过给require()方法传入模块标识符参数，然后node根据一定的规则引入该模块之后，我们就能使用模块中定义的方法和属性了。这里要讲的就是node的模块引入规则。

在Node中引入模块，需要经历3个步骤

（1）路径分析
（2）文件定位
（3）编译执行

在Node中，模块一般分为两种

（1）Node提供的模块，例如http、fs等，称为核心模块。核心模块在node源代码编译的过程中就编译进了二进制执行文件，在Node进程启动的时候，部分核心模块就直接加载进内存中了，因此这部分模块是不用经历上述的（2）（3）两个步骤的，而且在路径分析中是优先判断的，因此加载速度最快。
（2）用户自己编写的模块，称为文件模块。文件模块是按需加载的，需要经历上述的三个步骤，速度较慢。

优先从缓存中加载

与浏览器会缓存静态脚本文件以提高页面性能一样，Node对引入过的模块也会进行缓存。不同的地方是，node缓存的是编译执行之后的对象而不是静态文件。这一点我们可以用下面的方式来验证。

modA.js

console.log("模块modA开始加载...")
exports = function() {
    console.log("Hi")
}
console.log("模块modA加载完毕")

init.js

    
var mod1 = require("./modA")
var mod2 = require("./modA")
console.log(mod1 === mod2)

执行node init.js，运行结果：

虽然我们两次引入modA这个模块，但是模块中的代码其实只执行了一遍。并且mod1和mod2指向了同一个模块对象。

下面是Module._load的源码：

Module._load = function(request, parent, isMain) {

  //  计算绝对路径
  var filename = Module._resolveFilename(request, parent);

  //  第一步：如果有缓存，取出缓存
  var cachedModule = Module._cache[filename];
  if (cachedModule) {
    return cachedModule.exports;

  // 第二步：是否为内置模块
  if (NativeModule.exists(filename)) {
    return NativeModule.require(filename);
  }

  // 第三步：生成模块实例，存入缓存
  var module = new Module(filename, parent);
  Module._cache[filename] = module;

  // 第四步：加载模块
  try {
    module.load(filename);
    hadException = false;
  } finally {
    if (hadException) {
      delete Module._cache[filename];
    }
  }

  // 第五步：输出模块的exports属性
  return module.exports;
};

对应流程如下图所示：

路径分析

模块标识符分析：
（1）核心模块，如http、fs、path
（2）以. 或..开始的相对路径文件模块
（3）以/开始的绝对路径文件模块
（4）非路径形式的文件模块

1）核心模块：优先级仅次于缓存，加载速度最快；如果自定义模块与核心模块名称相同，加载是不会成功的。若想加载成功，必须选择一个不同的名称或者换用路径。

2）路径形式的文件模块：以. || .. || /开始的标识符，都会被当做文件模块来处理。在加载的过程中，require方法会将路径转换为真实的路径，加载速度仅次于核心模块

3） 非路径形式的自定义模块：这是一种特殊的文件模块，可能是一个文件或者包的形式。查找这类模块的策略类似于JS中作用域链，Node会逐个尝试模块路径中的路径，直到找到目标文件为止。

模块路径： 这是Node在定位文件模块的具体文件时指定的查找策略，具体表现为一个路径组成的数组。

可以在REPL环境中输出Module对象，查看其path属性的方式查看上述数组

文件定位：

文件扩展名分析

require()分析的标识符可以不包含扩展名，node会按.js、.node、.json的次序补足扩展名，依次尝试

目标分析和包

如果在扩展名分析的步骤中，查找不到文件而是查找到相应目录，此时node会将目录当做包来处理，进行下一步分析查找当前目录下package.json中的main属性指定的文件名，若查找不成功则依次查找index.js,index.node,index.json。

如果目录分析的过程中没有定位到任何文件，则自定义模块会进入下一个模块路径继续查找，直到所有的模块路径都遍历完毕，依然没找到则抛出查找失败的异常。

参考源码

在Module._load方法的内部调用了Module._findPath这个方法，这个方法是用来返回模块的绝对路径的，源码如下：

Module._findPath = function(request, paths) {

  // 列出所有可能的后缀名：.js，.json, .node
  var exts = Object.keys(Module._extensions);

  // 如果是绝对路径，就不再搜索
  if (request.charAt(0) === "/") {
    paths = [""];
  }

  // 是否有后缀的目录斜杠
  var trailingSlash = (request.slice(-1) === "/");

  // 第一步：如果当前路径已在缓存中，就直接返回缓存
  var cacheKey = JSON.stringify({request: request, paths: paths});
  if (Module._pathCache[cacheKey]) {
    return Module._pathCache[cacheKey];
  }

  // 第二步：依次遍历所有路径
  for (var i = 0, PL = paths.length; i < PL; i++) {
    var basePath = path.resolve(paths[i], request);
    var filename;

    if (!trailingSlash) {
      // 第三步：是否存在该模块文件
      filename = tryFile(basePath);

      if (!filename && !trailingSlash) {
        // 第四步：该模块文件加上后缀名，是否存在
        filename = tryExtensions(basePath, exts);
      }
    }

    // 第五步：目录中是否存在 package.json 
    if (!filename) {
      filename = tryPackage(basePath, exts);
    }

    if (!filename) {
      // 第六步：是否存在目录名 + index + 后缀名 
      filename = tryExtensions(path.resolve(basePath, "index"), exts);
    }

    // 第七步：将找到的文件路径存入返回缓存，然后返回
    if (filename) {
      Module._pathCache[cacheKey] = filename;
      return filename;
    }
 }
    
  // 第八步：没有找到文件，返回false 
  return false;
};

根据上述的模块引入机制我们知道，当我们第一次引入一个模块的时候，require的缓存机制会将我们引入的模块加入到内存中，以提升二次加载的性能。但是，如果我们修改了被引入模块的代码之后，当再次引入该模块的时候，就会发现那并不是我们最新的代码，这是一个麻烦的事情。如何解决呢？

查看require对象

require(): 加载外部模块

require.resolve()：将模块名解析到一个绝对路径

require.main：指向主模块

require.cache：指向所有缓存的模块

require.extensions：根据文件的后缀名，调用不同的执行函数

解决方法

    
//删除指定模块的缓存
delete require.cache[require.resolve("/*被缓存的模块名称*/")]

// 删除所有模块的缓存
Object.keys(require.cache).forEach(function(key) {
     delete require.cache[key];
})

然后我们再重新require进来需要的模块就可以了。

通过源码解析 Node.js 中一个文件被 require 后所发生的故事

阮一峰--CommonJS规范

Nodejs源码--GitHub