2026年了,请停止相信“公共 CDN 能提升性能”

简介: 注意,今天我们要讨论的是公共 CDN,而不是自建 CDN 或云厂商的 CDN。公共 CDN 已经没有缓存优势,对用户来说该加载数据量一点不会减少。早年公共 CDN 能提速的核心逻辑非常简单:用户访问过任意使用同款 CDN 资源的网站,本地就会缓存该库,再次访问你的网站可以直接命中缓存、零下载。但这套逻辑,在现代浏览器机制和前端生态下,早已荡然无存。第一,Chrome 86 正式启用浏览器缓存分区机制,Firefox、Safari 等主流浏览器也同步跟进。不同站点的缓存是被隔离的,用户仍然需要重新下载脚本,所以公共CDN的那点缓存优势早已过时。

注意,今天我们要讨论的是公共 CDN,而不是自建 CDN 或云厂商的 CDN。

公共 CDN 已经没有缓存优势,对用户来说该加载数据量一点不会减少。

早年公共 CDN 能提速的核心逻辑非常简单:用户访问过任意使用同款 CDN 资源的网站,本地就会缓存该库,再次访问你的网站可以直接命中缓存、零下载

但这套逻辑,在现代浏览器机制和前端生态下,早已荡然无存。

第一,Chrome 86 正式启用浏览器缓存分区机制,Firefox、Safari 等主流浏览器也同步跟进。不同站点的缓存是被隔离的,用户仍然需要重新下载脚本,所以公共CDN的那点缓存优势早已过时。

第二,即便退一步来说,用户使用 Chrome86 以下的老旧版本,现在已经不是千篇一律的jQuery时代了,现在是前端构建时代,要碰巧遇到之前访问过的网站刚好用了同供应商、同库、同版本、同格式的概率也比较低。

对用户来说,要加载数据量有可能更大

公共 CDN 提供的资源,都是固定全量打包产物。而现代前端工程最大的优势,就是可以基于业务场景做极致按需构建。进一步说,一切构建优化公共 CDN 都无法享用。

tree-shaking 项目中未使用的冗余代码、废弃逻辑,大幅精简资源体积。公共 CDN 的全量包包含库的全部功能代码,哪怕项目只用到 10% 能力,也需要加载 100% 的代码,冗余度极高。

打包 工程构建可将多个小型同类依赖合并为单个 chunk,减少请求数量;也可根据路由、功能拆分资源粒度,实现按需加载。公共 CDN 是固定打包产物,无法适配项目专属的合并、拆分策略。

依赖自身的构建开关 大量主流库提供了环境裁剪、功能开关的构建配置,可按需关闭无用模块、兼容代码。比如 Vue 的 __VUE_OPTIONS_API__。公共 CDN 为了适配全网所有场景,只能保留全部功能、开启全量兼容,无法做定制化裁剪。

按条件加载 现代前端工程可同时输出多份产物不同浏览器运行不同产物。比如业界常用 module/nomodule 实现条件加载。公共 CDN 大多只提供统一大包,要么产物臃肿,要么兼容性差。

自动 polfill 引入 一个优雅的构建过程,是会自动扫描依赖,然后注入特定polyfill的。但是外部依赖就无法扫描到了,要么就全局引入polyfill,要么只能人肉判断polyfill。

深层依赖预加载 在动态import时,现代前端工程能够同时请求深层依赖。使用公共 CDN,只有当前依赖请求完,才知道有哪些深层依赖。

公共 CDN 的网络真就比主站好吗?我看未必

公共 CDN 节点质量不可控、运营商链路不确定。弱网、跨国、小众地区可能比业务自研 CDN / 源站更慢。使用公共CDN还会带来额外的DNS解析、TLS握手、TCP连接建立、CORS校验等开销。

如果主站已经用了HTTP/2、3的多路复用,同域更能提升连接复用效率,进一步拉开差距。

就我个人平时的上网体验来看,打开慢的网站几乎都在用jsDelivr。

增加供应链风险

你的小网站可能黑客不感兴趣,但公共 CDN 可是黑客眼中的香饽饽。历史上,开源供应链攻击层出不穷,公共 CDN 极易面临劫持、篡改、停服、投毒风险。

为了防御,我们被迫使用 SRI (Subresource Integrity)

但 SRI 是把双刃剑。一旦 CDN 资源被篡改或者哈希不匹配,浏览器会直接拒绝加载。这就像是为了防止食物中毒,直接把所有外卖都倒进垃圾桶。用户结果是什么?页面白屏。

于是乎,为了用户体验,我们又要写“降级逻辑”:检测 CDN 挂了 -> 加载本地备用资源。

绕了一大圈,不仅代码变复杂了,用户还多走了一条无效的失败路径,速度反而更慢了。 这真是“捡了芝麻丢了西瓜”。

公共 CDN 和主站的 https 加密协议版本可能不同。

HTTPS 的加密协议在不断更新,但有一个核心矛盾:协议越安全,支持面越窄;支持面越广,越不安全。

当你的主站和公共 CDN 的 https 加密协议版本不同时,有可能你的主站支持的用户更广,公共 CDN 支持的用户更窄,导致主站正常,CDN 挂了,又要降级了哎。

更常见的是,公共 CDN 的域名不在用户的 HSTS 列表中。这等于是用户相信我们,但不相信别人,也会导致CDN 挂了。

首屏大小

绝大多数人使用公共 CDN 的方式,都是在首页直接通过 script 全局引入。这种模式本质上就是最原始的手动维护依赖方式,完全违背现代按需加载的工程理念。

如果是 jQuery 这类大概率首屏刚需的依赖,全局引入尚且可以接受。但如果是 lodash、工具类库、非核心组件库,大概率是页面二级、三级路由才会用到,或动态按需引入。

将非首屏依赖强行挂载到首页,会直接增大首屏资源体积、增加首屏请求数、阻塞页面渲染,白白拖慢首屏加载速度,完全得不偿失。

工程复杂度

如果在首屏,你可能通常这样写:

<script src="https://code.jquery.com/jquery-3.7.1.min.js"
    integrity="sha384-这是一个示例哈希,故意不匹配"
    crossorigin="anonymous"
></script>
<script>
if(!self.$) {
    
    document.write('<script src="/res/jquery.min.js"></script>');
}
// 上面代码虽然勉强实现降级,但是由于是同步加载,是牺牲性能的。
</script>

如果不在首屏的话,还要考虑失败降级、SRI、兼容性整个复杂度提升不是一点半点。这里我就不展开说了,展开文章就跑题了。我简单地列一个表格就能窥见其复杂度。

场景 处理方案
支持 type="importmap": integrity 使用importmap integrity
支持 top-level-await 和 script integrity 别名到一个虚拟模块,虚拟模块用 top-level-await 动态创建
不想使用构建技巧,就想使用原生import 基于原生import写模块化运行时,fetch拿数据,运行时校验integrity,运行时解析转化源代码,生成blob url,创建script module,里面使用import *
不支持top-level-await或原生import 使用传统模块化运行时

如果非要我做的话,我会选择使用top-level-await,不支持的用传统模块化运行时降级。

总结

公共 CDN 只适合在首屏依赖,工程化不足的情况。比如传统 jQuery 项目:全局引入、人肉babel,这就很适合公共 CDN。但凡工程化能力比较强,即便用jQuery也能按需构建玩出花。

题外话

如果是面试场景,主考官问到“如何优化前端性能”,我建议你还是用公共 CDN。这不妥妥的八股题吗?你要是说公共 CDN不好,岂不是打面试官的脸吗?

目录
相关文章
|
2月前
|
JSON 缓存 Shell
Codex Desktop 无法识别自定义模型的 5 种解决方法(2026 最新)
你接好了一个自定义 provider,codex 在终端里跑得好好的,但桌面版的模型选择器却像你的模型根本不存在一样。 这种落差几乎从来不是你的 API 密钥或配置语法出了问题,而是桌面版客户端悄悄过滤掉了后端已经加载好的模型。
|
21天前
|
存储 安全 API
阿里云通义千问Qwen大模型全解:模型矩阵、免费额度、API实战与企业私有化落地完整指南
生成式大模型已经成为数字化业务的核心基础设施,通义千问(Qwen)作为全栈自研大模型家族,并不是单一模型,而是一套覆盖文本、代码、图像、音频、视频、行业垂直场景的完整产品矩阵。整套能力依托百炼大模型服务平台对外输出,提供模型推理、微调训练、智能体开发、私有知识库、应用一键发布整套MaaS能力。Qwen3.7作为主力迭代谱系,划分旗舰、均衡全能、轻量极速、专项垂直四大分支,在中文理解、百万级超长上下文、自主智能体执行、多模态统一解析方面拥有突出表现。平台设计四层计费体系,兼顾个人学习调试、开发者原型验证、中小企业业务、大型企业规模化生产等不同场景。本文从产品定位、核心能力、模型梯队、分层计费、多
501 0
|
2月前
|
存储 人工智能 运维
2026年阿里云GPU服务器优惠券领取指南:代金券获取与使用技巧
本文由聚搜云运维部撰写,详解2026年阿里云GPU服务器优惠券领取与使用全攻略:涵盖新/老用户领券路径、满减/折扣/现金券适用场景、GPU实例规格限制、叠加规则及避坑指南,助中小企业与开发者高效降本。(239字)
|
2月前
|
缓存 人工智能 数据可视化
GLM 5.2自托管完整实操指南:硬件选型、vLLM/SGLang部署与成本测算全解
GLM 5.2作为国产标杆级开源大模型,采用753B MoE混合专家架构,单次推理仅激活8个专家模块,原生支持百万Token超长上下文,在代码生成、复杂数学推理、长篇文档分析等场景综合能力突出。企业选择GLM 5.2本地/私有云自托管,核心收益在于数据完全不出域、模型可深度定制、长期算力成本可控,但落地需要解决硬件匹配、推理框架适配、性能调优、成本核算四大核心难题。同时,搭配OpenClaw、Hermes两类主流AI智能体,可搭建完整本地自动化工作流,结合阿里云百炼Token Plan云端订阅方案,形成本地私有化+云端弹性混合使用架构。本文完整覆盖GLM 5.2硬件分级方案、两大主流推理框架部
633 1
|
2月前
|
人工智能 缓存 弹性计算
基于 RAG 构建企业培训 AI 学习助手——从课件解析到多轮问答的工程实践
企业培训场景下,学员需在大量 PDF 课件、PPT、Word 制度文档中查找知识点,传统关键词搜索效果差。本文介绍企学宝如何基于 RAG(检索增强生成)架构,在阿里云上构建企业培训 AI 学习助手,覆盖课件解析、语义切片、向量检索、多轮对话管理及幻觉抑制等核心环节,并分享生产环境踩坑经验。
524 1
|
3月前
|
前端开发 JavaScript API
一个案例教你彻底搞明白`AbortController` 、`AbortSignal`
今天这个案例,最硬核、最扎心、最真相、最干脆、最不墨迹、最不留情面、最一针见血、最开门见山、最单刀直入、最不铺垫、最不客套、最不煽情、最不废话、最不拐弯、最不磨叽、最不装、最不端着、最不啰嗦、最不拖沓、最不委婉、最不掩饰、最不藏着掖着、最直白、最彻底、最决绝、最了当。
222 1
|
8月前
|
人工智能 负载均衡 安全
探秘 AgentRun|流量一大就瘫痪?如何解决AI 模型调用之痛
阿里云函数计算AgentRun全新发布,推出“探秘AgentRun”系列,聚焦企业落地Agent的模型稳定性、安全与治理难题。通过统一模型管理、多模型接入、高可用治理策略(主备切换、负载均衡、智能路由等),实现生产级可靠调用。支持无代码快速搭建与高代码深度定制,助力Agentic AI高效进入生产环境。欢迎加入钉钉群134570017218交流体验。
|
9月前
|
人工智能 弹性计算 运维
【本不该故障系列】告别资源“不确定性”,SAE如何破解刚性交付核心困境
资源刚性交付是保障线上业务稳定的核心。阿里云SAE通过全托管Serverless架构,实现资源无限弹性、性能100%隔离、按需秒级计费,破解自建K8s在库存、性能、成本等方面的系统性困境,让企业无需妥协即可获得确定性交付能力。
【本不该故障系列】告别资源“不确定性”,SAE如何破解刚性交付核心困境
|
2月前
|
弹性计算 缓存 运维
阿里云ECS云服务器 + OpenClaw Agent搭建A股量化回测系统完整实战:全流程部署与回测引擎开发指南
传统量化投研工作存在三大核心痛点:手动回测全流程耗时严重、多人执行标准不统一导致回测结果失真、缺少系统化风控校验流程,大量研发精力消耗在数据下载、指标手工计算、报告整理等重复工作,策略验证效率极低。本文以OpenClaw智能体框架为核心,完整搭建适配A股规则的自动化量化回测系统,集成Tushare、AKShare双行情数据源,内置双均线、均值回归、动量三类主流策略,实现数据自动采集、指标批量计算、回测自动执行、风控多维评估、报告一键生成全链路自动化,回测整体效率可提升十倍以上,同时完整兼容A股T+1、涨跌停、交易手续费等特有市场约束,附带全套Skill代码、云端部署步骤、风控校验流程与常见踩坑
531 0