当前位置: 首页>大数据>正文

Web前端性能优化思路

本文旨在整理常见Web前端性能优化的思路,可供前端开发参考。因为力求精简,限于篇幅,所以并未详述具体实施方案。

基于现代Web前端框架的应用,其原理是通过浏览器向服务器发送网络请求,获取必要的index.html和打包好的JS、CSS等资源,在浏览器内执行JS,动态获取数据并渲染页面,从而将结果呈现给用户。

Web前端性能优化思路,第1张

在这个过程中,有两个步骤可能较为耗时,一个是网络资源的加载,另一个是浏览器内代码执行和DOM渲染。

而耗时的增加会导致页面响应慢,卡顿,影响用户体验。

针对上述两种耗时的情况,常见的优化方向有:

  1. 缩短请求耗时;
  2. 减少重排重绘;
  3. 改善JS性能。

1 缩短请求耗时

网络资源是Web应用运行的基础,改善网络资源加载速度会显著改善前端性能。

1.1 优化打包资源

总体原则: 减少或延迟模块引用,以减少网络负荷。

常用工具:

  • webpack
  • webpack-bundle-analyzer可视化分析工具

常用方法:

  • 减小体积:减少非必要的import;压缩JS代码;配置服务器gzip等;使用WebP图片;
  • 按需加载:可根据“路由”、“是否可见”按需加载JS代码,减少初次加载JS体积。比如可以使用import()进行代码分割,按需加载;
  • 分开打包:利用浏览器缓存机制,依据模块更新频率分层打包。

其他方法:

  • 雪碧图:每个HTTP/1.1请求都是独立的TCP连接,最大6个并发,所以合并图片资源可以优化加载速度。HTTP/2已经不需要这么做了。

1.2 CDN加速

总体原则: 通过分布式的边缘网络节点,缩短资源到终端用户的访问延迟。
常用工具:

  • Cloudflare
  • AWS CloudFront
  • Aliyun CDN

常用方法:

  • 加速图片、视频等大体积文件

1.3 浏览器缓存

总体原则:避免重复传输相同的数据,节省网络带宽,加速资源获取。

常用方法:
可以通过设置HTTP Header来控制缓存策略,一般有如下几种。

  • 强缓存

  • Expires:HTTP/1.0

  • Cache-Control:HTTP/1.1

  • 协商缓存

  • ETag + If-None-Match

  • Last-Modified + If-Modified-Since

拿ETag举例,如果浏览器给的If-None-Match值与服务端给的ETag值相等,服务器就直接返回304,从而避免重复传输数据。

ETag示例:

Web前端性能优化思路,第2张

如果几个配置同时存在,则优先级为:Cache-Control > Expires > ETag > Last-Modified

1.4 更高版本的HTTP

总体原则:使用高版本HTTP提升性能。

常用工具:

  • HTTP/2

HTTP/2较HTTP/1.1最大的改进在于:

  • 多路复用:单一TCP连接,多HTTP请求,有Demo;
  • 头部压缩:减少HTTP头体积;
  • 请求优先级:优先获取重要的数据;
  • 服务端推送:主动推送CSS等静态资源。

其他方法:

  • HTTP/3

HTTP/3基于UDP,有很多方面的性能改进,如多路复用无队头阻塞,响应更快。感兴趣的同学可参考Wiki。

1.5 Web Socket

总体原则:解决HTTP协议无法实时通信的问题。

Web Socket是一条有状态的TCP长连接,用于实现实时通信、实时响应。

1.6 服务器端渲染(SSR)

总体原则:第一次访问时,服务器端直接返回渲染好的页面。

一般流程:

  • 浏览器向 URL 发送请求;
  • 服务器端返回“空白”index.html
  • 浏览器不能呈现页面,需要继续下载依赖;
  • 加载所有脚本后,组件才能被渲染。

SSR流程:

  • 浏览器向 URL 发送请求;
  • 服务器端执行JS完成首屏渲染并返回;
  • 浏览器直接呈现页面,然后继续下载其他依赖;
  • 加载所有脚本后,组件将再次在客户端呈现。它将对现有View进行合并。

常用工具:

  • Node.js,用于服务器端执行代码,输出HTML给浏览器,支持所有主流前端框架
  • Next.js,用于服务器端渲染React的框架
  • gatsby,用React生成静态网站的工具

除了可以提升页面用户体验,还能应用于SEO。

2 减少重排重绘

除了网络资源以外,另一个影响前端性能的因素就是前端页面的渲染绘制效率。

虽然不同的前端框架有一些差异,但整体的优化思路是一致的,这里将以React举例。

2.1 减少渲染量

总体原则:不渲染未展示的部分。

常用工具:

  • react-window
  • react-loadable
  • JS原生,如IntersectionObserver
  • 框架提供,如React.lazyreact-intersection-observer

常用方法:

  • 虚拟列表:只渲染可见区;
  • 惰性加载:无限滚动;
  • 按需加载:页面只在切换过去时才加载。

以虚拟列表举例,以下是使用react-window库,仅仅渲染了可见区的数据:

Web前端性能优化思路,第3张

2.2 减少渲染次数

总体思路:避免重复的渲染。

常用工具:

  • lodash
  • JS或框架自带

常用方法:

  • 防抖与节流;
  • 对于React函数组件来说,合理使用副作用,拆分无关联的副作用;
  • 对于React类组件来说,可以使用shouldComponentUpdate或使用PureComponent来优化渲染;
  • 利用缓存,如React.memo;
  • 使用requestAnimationFrame替代setInterval执行动画。

3 改善JS性能

因为浏览器是单线程异步模型,长时间的运算会阻塞渲染过程,所以改善复杂运算有助于改善前端的整体性能。

3.1 缓存复杂计算

总体思路:避免重复计算。

常用方法:

  • 对于React函数组件来说,可以使用useMemo缓存复杂计算值。

举例如下,memoizedValue需要经过复杂计算才能得到,此时就可以使用useMemo缓存,仅仅在输入参数发生变化时才重新计算,避免计算阻塞页面渲染,从而避免页面卡顿。

1const MyFunctionalComponent = () => {
2 const memoizedValue = useMemo(() => {
3   computeExpensiveValue(a, b);
4 }, [a, b]);
5
6 return <AComponent value={memoizedValue}/>;
7}

useMemo自身也有性能消耗,需要视情况使用,某些场景可以利用React的渲染机制避免性能问题,可以参考《Before You memo()》。

3.2 Web Worker

总体原则:多线程思想。

常用方法:

  • Dedicated Workers,处理与UI无关的密集型数学计算:大数据集合排序、数据压缩、音视频处理;
  • Service Worker,服务端推送,或者PWA中配合CacheStorage在前端控制缓存资源;
  • Shared Worker,Tab间通信。

JS语言在设计之初就是单线程异步模型,好处是可以高效处理I/O操作,但坏处是无法利用多核CPU。

Web Worker会启动系统级别的线程,可进行多线程编程,发挥多核的性能。

3.3 Web Assembly

总体原则:将复杂的计算逻辑编译为Web Assembly,避免JS类型推断过程中的性能开销,可用于性能的极限优化。

适用范围有限:

曾在网上看到,有人使用自顶向下非优化的斐波那契数列算法来举例,说Web Assembly比原生JS快一倍,实测之后似乎也没有。

在同一台机器测试,其中求第48个值的耗时如下:

  • C(Ubuntu+GCC):18s
  • JS(V8):32s
  • Web Assembly(V8+EMCC):39s

一种可能的猜想是,斐波那契计算中没有大量的类型推断,而且V8内部有一些优化机制,使得此处JS执行速度快于Web Assembly。

简而言之,并非所有场景都适用于Web Assembly。

另一种运用场景是,把不同语言编写的代码(C/C++/Java等)编译为Web Assembly,能以接近原生的速度在Web中运行,并且与JS共存。

总结

导致前端性能问题的因素是多方面的。

如果是前端资源加载慢,导致页面慢,则应该考虑如何缩短请求耗时。而如果是前端页面逻辑笨重,UI数据量太大,则可以试着从减少重排重绘的角度去优化。对于耗时长的复杂计算,缓存计算结果往往是见效较快的优化方式。

最后需要注意的是,在实际应用开发过程中,因为受限于开发成本,所以需要平衡优化所花的代价与其对应产生的成效。可以有针对性地对性能瓶颈进行分析和处理,同时也需要避免引入不必要的优化措施,以确保最终优化效果。

文/Thoughtworks严文
原文链接:https://insights.thoughtworks.cn/web-frontend-performance-tuning/
更多精彩洞见,请关注微信公众号Thoughtworks洞见。


https://www.xamrdz.com/bigdata/7km1993931.html

相关文章: