深入理解前端性能优化:从网络到渲染

简介: 网络优化包括减少HTTP请求、使用HTTP/2、开启GZIP压缩和缓存策略。资源加载优化涉及懒加载、预加载和预读取。渲染优化建议使用Critical CSS、减少CSS和JavaScript阻塞以及避免强制同步布局。Service Worker实现离线存储,性能监控使用Lighthouse等工具。动态导入和代码拆分减少初始加载时间,响应式图片适应不同设备。Web Workers处理耗时任务,避免内存泄漏。

1. 网络优化

减少HTTP请求

  • 合并资源:通过合并CSS和JavaScript文件减少请求次数。
  • 资源内联:对于小的CSS和JavaScript,直接内联到HTML中。

使用HTTP/2

  • HTTP/2支持多路复用,减少请求阻塞,提高加载速度。

开启GZIP压缩

服务器端配置,压缩文本资源,减小传输体积。

缓存策略

利用HTTP缓存头,如Cache-Control,设置合适的缓存策略。

2. 资源加载优化

懒加载

只在资源即将进入视口时才加载,适用于图片和视频等。

<img src="placeholder.jpg" data-src="real-image.jpg" class="lazy" />
<script>
document.addEventListener('DOMContentLoaded', function() {
    
  let lazyImages = document.querySelectorAll('.lazy');
  lazyImages.forEach(img => {
    
    img.src = img.dataset.src;
  });
});
</script>

预加载与预读取

使用<link rel="preload">提前加载关键资源。
使用<link rel="prefetch">预读取非关键资源。

3. 渲染优化

Critical CSS

将首屏渲染所需的CSS内联在HTML头部,避免阻塞渲染。

减少CSS和JavaScript的阻塞

  • 使用<link rel="stylesheet" media="print" onload="this.media='all'">延迟非关键CSS加载。
  • 使用asyncdefer属性异步加载JavaScript。
<script async src="script.js"></script>

避免强制同步布局

  • 使用requestAnimationFrame或CSS动画代替复杂的JavaScript动画,减少重排重绘。

图片优化

  • 选择合适的图片格式(如WebP),并使用正确的尺寸和分辨率。

4. Service Worker与离线存储

  • 使用Service Worker实现离线缓存和资源更新。
if ('serviceWorker' in navigator) {
   
  window.addEventListener('load', () => {
   
    navigator.serviceWorker
      .register('/sw.js')
      .then(registration => console.log('SW registered:', registration))
      .catch(error => console.error('SW registration failed:', error));
  });
}

5. 性能监控与分析

  • 使用Lighthouse、WebPageTest或Chrome DevTools等工具进行性能测试和分析。

6. 代码拆分与懒加载

动态导入

利用动态导入(import()表达式)按需加载代码块,减少初始加载时间。

button.onclick = async () => {
   
  const module = await import('./lazyModule.js');
  module.default();
};

路由级别代码拆分

在SPA应用中,利用框架提供的路由级别代码拆分功能,如Vue Router的懒加载。

// Vue Router 示例
const Foo = () => import('./Foo.vue');

const routes = [
  {
    path: '/foo', component: Foo },
];

7. 图像优化

响应式图片

利用<picture>元素或srcset属性,根据设备像素比或视口大小提供不同分辨率的图片。

<picture>
  <source srcset="img/low-res.jpg" media="(max-width: 600px)">
  <source srcset="img/high-res.jpg" media="(min-width: 600px)">
  <img src="img/fallback.jpg" alt="Example">
</picture>

8. Web Workers

将耗时的计算任务移到Web Worker中,避免阻塞主线程,保持UI响应。

// main.js
const worker = new Worker('worker.js');
worker.postMessage([1024, 512]);

// worker.js
self.onmessage = function(e) {
   
  const result = e.data[0] * e.data[1];
  self.postMessage(result);
};

9. 避免内存泄漏

定期清理不再使用的定时器、事件监听器和大型数据结构,防止内存泄漏。

window.addEventListener('resize', handleResize);
// 清理
window.removeEventListener('resize', handleResize);

// 对于setTimeout或setInterval
let timerId = setInterval(() => {
    /*...*/ }, 1000);
clearInterval(timerId);

10. Web Vitals监控

关注LCP(最大内容绘制)、FID(首次输入延迟)和CLS(累计布局偏移)等Web Vitals指标,它们是衡量用户体验的关键指标。

// 使用Web Vitals库进行监控
import {
    getCLS, getFID, getLCP } from 'web-vitals';

getCLS(console.log);
getFID(console.log);
getLCP(console.log);

2500G计算机入门到高级架构师开发资料超级大礼包免费送!

相关文章
|
8月前
|
机器学习/深度学习 算法 调度
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
587 0
|
8月前
|
机器学习/深度学习 并行计算 算法
粒子群算法优化RBF神经网络的MATLAB实现
粒子群算法优化RBF神经网络的MATLAB实现
582 123
|
7月前
|
机器学习/深度学习 数据可视化 网络架构
PINN训练新思路:把初始条件和边界约束嵌入网络架构,解决多目标优化难题
PINNs训练难因多目标优化易失衡。通过设计硬约束网络架构,将初始与边界条件内嵌于模型输出,可自动满足约束,仅需优化方程残差,简化训练过程,提升稳定性与精度,适用于气候、生物医学等高要求仿真场景。
815 4
PINN训练新思路:把初始条件和边界约束嵌入网络架构,解决多目标优化难题
|
7月前
|
机器学习/深度学习 算法
采用蚁群算法对BP神经网络进行优化
使用蚁群算法来优化BP神经网络的权重和偏置,克服传统BP算法容易陷入局部极小值、收敛速度慢、对初始权重敏感等问题。
504 5
|
7月前
|
机器学习/深度学习 数据采集 人工智能
深度学习实战指南:从神经网络基础到模型优化的完整攻略
🌟 蒋星熠Jaxonic,AI探索者。深耕深度学习,从神经网络到Transformer,用代码践行智能革命。分享实战经验,助你构建CV、NLP模型,共赴二进制星辰大海。
|
9月前
|
机器学习/深度学习 数据采集 运维
匹配网络处理不平衡数据集的6种优化策略:有效提升分类准确率
匹配网络是一种基于度量的元学习方法,通过计算查询样本与支持集样本的相似性实现分类。其核心依赖距离度量函数(如余弦相似度),并引入注意力机制对特征维度加权,提升对关键特征的关注能力,尤其在处理复杂或噪声数据时表现出更强的泛化性。
463 6
匹配网络处理不平衡数据集的6种优化策略:有效提升分类准确率
|
8月前
|
存储 前端开发 安全
实现“永久登录”:针对蜻蜓Q系统的用户体验优化方案(前端uni-app+后端Laravel详解)-优雅草卓伊凡
实现“永久登录”:针对蜻蜓Q系统的用户体验优化方案(前端uni-app+后端Laravel详解)-优雅草卓伊凡
330 5
|
8月前
|
机器学习/深度学习 并行计算 算法
【CPOBP-NSWOA】基于豪冠猪优化BP神经网络模型的多目标鲸鱼寻优算法研究(Matlab代码实现)
【CPOBP-NSWOA】基于豪冠猪优化BP神经网络模型的多目标鲸鱼寻优算法研究(Matlab代码实现)
193 8
|
7月前
|
机器学习/深度学习 人工智能 算法
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
289 0
|
8月前
|
机器学习/深度学习 传感器 算法
【表面粗糙度】基于粒子群PSO算法优化-BP神经网络的表面粗糙度研究(Matlab代码实现)
【表面粗糙度】基于粒子群PSO算法优化-BP神经网络的表面粗糙度研究(Matlab代码实现)
347 7

热门文章

最新文章