前端面试宝典之 React 篇 - 某一线大厂资深前端工程师 - 拉勾教育

如何做性能优化是一个老生常谈的问题了，但很多同学还是不能答到点儿上。所以这讲，我将为你讲解 “如何分析和调优性能瓶颈”，这个面试题该如何回答。

破题

做优化应该是一个有指标、有比较、有数据的过程，就和上一讲我们提到的一样：做工程，应该有调研、有方案、有结果。而很多同学只是回答自己做了方案，比如说自己拆了包、做了懒加载等，对于为什么要这样做，做了有什么收益完全讲不清楚。

这主要是缺乏基准测试，即没能建立起衡量当前性能指标的基线。比如，一个前端页面从打开到完全可用需要耗费 3 秒：

  • 这对于 C 端而言是无法接受的；
  • 而对于管理后台而言，这样的加载速度是可以接受的。

所以在没有衡量标准的情况下，你很难解释清楚为什么要做优化，优化的收益在哪里。

其实一个问题的解决方案的逻辑应该是自洽的，方案也不是只有代码，并不能把代码等同于你的工作。一个完整的解决方案应该是说清楚标准，讲清楚缘由，理清楚过程，算清楚结果，最后用数据与收益来说明你的工作成果。

13 | 如何分析和调优性能瓶颈？ - 图1

审题

整理以上的思路可以得到这样一个答题流程。

  • 建立衡量标准，这样可以为优化后计算收益提供指标。衡量标准应该是可量化的，所以要制定可量化的指标。在确认指标之后，还需要有量化基础，有数据积累，那么就需要考虑如何进行数据采集。
  • 确认优化原因：有了数据基础后，还需要根据实际场景分析优化能转化多少价值，确认是否需要优化。
  • 实施方案：在有了优化点以后，需要制定具体的提升方案并实施。
  • 计算收益：在优化方案实施后，需要通过数据描述收益效果。

13 | 如何分析和调优性能瓶颈？ - 图2

那接下来我们就将 “衡量、排查、实施、收益” 四个过程展开聊一聊。

入手

衡量

理论基础

分析调优的第一步是要知道问题出在哪儿？就好比看病得先找到病灶。找病灶就需要先体检，看指标，才能找到病因，然后对症下药。

在前端项目中，有开发经验的同学一定有过这样的经历：用户反馈页面慢、页面卡。但用户反馈的慢、卡与开发人员理解的慢、卡是不一样的。我就曾经遇到过这样的用户反馈，他认为每次操作时出现的 Loading 提示都是页面卡的表现，所以他认为整个系统完全没法用。还有的用户会把后端 API 响应慢，认为是网页慢，要求前端工程师去做优化。以上的例子说明，在没有对齐标准的情况下，你很难发现真正的问题在哪儿？那么怎么建立一个标准呢？不妨看看业界是怎么做的？

Google 的 DoubleClick 小组做过一个研究，证明了网页性能在一定程度上影响用户留存率。他们的研究显示，如果一个移动端页面加载时长超过 3 秒，用户就会放弃而离开。这很有意思，结论非常简单，却是可量化的。

显然，数字在沟通上具有降低理解成本、加强印象的魔力，可以说没有比这更好的表达方式了。在此基础上，Google 的 Chrome 小组进一步提出了以用户为核心的 RAIL 模型，用更多的数字维度去阐释网页性能。

RAIL 指响应（Response）、动画（Animation）、浏览器空闲时间（Idle）、加载（Load）四个方面。

  • 响应：应在 50 毫秒内完成事件处理并反馈给用户；
  • 动画：10 毫秒内生成一帧；
  • 浏览器空闲时间：最大化利用浏览器空闲时间；
  • 加载：在 5 秒内完成页面资源加载且使页面可交互。

衡量工具

有了标准就要有测量的工具，总不能用肉眼比对吧？Chrome 团队在理论基础上，又进一步提出了名为 Lighthouse 的测量工具。

Lighthouse 内置在 Chrome 中，开启开发者工具就可以找到它。如下图所示：

13 | 如何分析和调优性能瓶颈？ - 图3

这个工具用起来也很简单，点击generate report，就可以直接生成一份网站性能报告。如下图所示：

13 | 如何分析和调优性能瓶颈？ - 图4

在报告中会对诸如初次内容渲染、可交互时间、加载等进行具体的数值量化并打分，最后还会为整体性能给出一个总体的分数，如下图所示，这里是 79 分。

  • 黄色代表当前处于一个用户尚可接受的状态；
  • 绿色就代表了表现优异。

13 | 如何分析和调优性能瓶颈？ - 图5

那么拉到最底部会有如何优化当前性能指标的指导意见。整份报告不仅包含了当前页面的性能数据，还囊括了最佳实践指南，对于前端开发是非常有指导意义的。如下图所示：

13 | 如何分析和调优性能瓶颈？ - 图6

那么既然有了 Lighthouse，照着工具去优化不就完事了吗？道理似乎是这样，但有一个问题需要回答，Lighthouse 是否能反应用户的真实情况呢？

真实情况

作为一个程序员，我们都经历过这样一种情况，QA 不断强调他的电脑打开页面很慢，而你在自己的电脑上通过不断刷新网页证明了加载速度很快。同一个页面在不同的环境下，是否存在性能差异？那么是否需要根据不同的网络环境、不同的浏览器单独衡量呢？

其次是开篇提到的一个问题，对于管理后台而言，需要对标 C 端的加载速度吗？那显然是不需要的。

从以上场景可以看出：

  • Lighthouse 并不能真实地反映出每个用户的设备的实际性能数据；
  • Lighthouse 的分数反应的是业界的标准，而非项目实际需求的标准。

基于以上原因，我们需要自行完成性能指标的采集。一般在大厂，公司相关基建比较成熟，有现成的工具可以直接使用。如果没有呢，你可以考虑使用网页 APM 工具：

  • 其中国际上比较老牌的就是 New Relic，做了很多年，实力十分强悍；
  • 国内的话可以直接考虑使用阿里云的 ARMS，建议你可以看下它的开发文档，有个基本概念，或者用开源项目自建。

但我个人并不太推荐使用开源项目自行搭建，因为数据的采集和处理都会消耗相当多的服务器资源，与成熟的产品服务相比，不管是投入的人力还是服务器运维成本都会更高。

无论是什么工具，它们都会对齐 Lighthouse 这样一个业界标准，所以完全不用担心指标会有差异，这是业界公认的一件事。所以在面试中，指标及指标的采集方式也会是一个考点。

采集过程

以阿里云的 ARMS 为例，采集通常是由一个 JavaScript SDK 完成的，就像下面这样一个在 script 标签中引入 bl.js 的示例一样：

  1. <script>
  2. !(function(c,b,d,a){c[a]||(c[a]={});c[a].config={pid:"xxx",appType:undefined,imgUrl:"https://arms-retcode.aliyuncs.com/r.png?", uid: "xxxx"};
  3. with(b)with(body)with(insertBefore(createElement("script"),firstChild))setAttribute("crossorigin","",src=d)
  4. })(window,document,"https://retcode.alicdn.com/retcode/bl.js","__bl");
  5. </script>

接着就是做指标采集工作。指标需要根据业界发展与业务需求去增减或者修改，所以经常会有变化，常用的指标一般有以下几个。

  • FCP（First Contentful Paint），首次绘制内容的耗时。首屏统计的方式一直在变，起初是通过记录 window.performance.timing 中的 domComplete 与 domLoading 的时间差来完成，但这并不具备交互意义，现在通常是记录初次加载并绘制内容的时间。

13 | 如何分析和调优性能瓶颈？ - 图7

  • TTI（Time to Interact），是页面可交互的时间。通常通过记录 window.performance.timing 中的 domInteractive 与 fetchStart 的时间差来完成。
  • Page Load，页面完全加载时间。通常通过记录 window.performance.timing 中的 loadEventStart 与 fetchStart 的时间差来完成。
  • FPS，前端页面帧率。通常是在主线程打点完成记录。其原理是 requestAnimationFrame 会在页面重绘前被调用，而 FPS 就是计算两次之间的时间差。
  1. let lastTime = performance.now()
  2. let frame = 0
  3. let lastFameTime = performance.now()
  4. const loop = (time) => {
  5. const now = performance.now()
  6.     lastFameTime = now
  7.     frame++
  8. if (now > 1000 + lastTime) {
  9.         let fps = Math.round(frame / (( now - lastTime ) / 1000))
  10.         frame = 0
  11.         lastTime = now
  12.         console.log(fps)
  13.     }
  14.     window.requestAnimationFrame(loop) 
  15. }
  • 静态资源及API 请求成功率。通常是通过 window.performance.getEntries( ) 来获取相关信息。

13 | 如何分析和调优性能瓶颈？ - 图8

以上就是衡量的理论基础、指标体系与采集方式，那么接下来看一下如何优化。

排查

优化最难的地方在于定目标。

制定目标有一个前提，对象是谁？很多应聘者在描述优化的时候，喜欢讲页面在优化方案下，快了多少倍。正如前文所分析的，这是不准确的。如果我们要提升网页的加载速度，应该把关注点放在整个用户群，而不是只有自己。

我们不妨假设，现在已经收集到了用户页面的性能数据，比如 FCP 的数据是 1 秒，3 秒，4 秒，6 秒，7 秒，8 秒，65 秒。那提升性能就是去提升他的平均数值吗？平均数约 39 秒，并不能反映整体情况。如下图所示。

13 | 如何分析和调优性能瓶颈？ - 图9

在性能监控中有一个概念叫TP（Top Percentile），比如 TP50、TP90、TP99 和 TP999 等指标，指高于 50%、90%、99% 等百分线的情况。如 TP50 就意味着，50% 的用户打开页面绘制内容的时间不超过 6 秒，90% 的用户不超过 8 秒。如果要提升 FCP，那么就需要提升 TP 50、TP90、TP999 下的数据，这才是有正确方向的目标。

其次就是场景，如果是 2C 的页面，那么 FCP、TTI、FPS、Page Load、静态资源及 API 请求成功率等几个指标都很重要，会直接影响关键业务的转化率，而管理后台，更关注的是使用起来功能是否完整，运行是否流畅，对加载速度并没有很高的要求，所以通常只对 FPS 、静态资源及 API 请求成功率这三个指标更为关注。显然，指标的选择取决于你的业务形态。

这样对于优化大致就有一个落脚点了，接下来就可以探讨如何做实施工作了。

实施

这部分拿 FCP、TTI、Page Load、FPS、静态资源及 API 请求成功率这六个指标来进行讲解。

FCP

回到 React 的角度来看，加载一个 React 页面，通常是从白屏到直接显示内容。那么如果白屏时间很长，用户可能会流失，就需要在页面上绘制内容，给出一些反馈。

最早的优化方案是绘制一个Loading图标，写死在 HTML 的 CSS 里，等 JS 开始执行的时候再移除它。

后来有了骨架屏的概念，如下面 Facebook 的网页显示。在内容还没有就绪的时候，先通过渲染骨架填充页面，给予用户反馈。

13 | 如何分析和调优性能瓶颈？ - 图10

还有一种解决方案是SSR，也就是走服务端渲染路线，常用的方案有 next.js 等。

TTI

TTI 在实现上，可以优先加载让用户关注的内容，让用户先用起来。策略上主要是将异步加载与懒加载相结合。比如：

  • 核心内容在 React 中同步加载；
  • 非核心内容采取异步加载的方式延迟加载
  • 内容中的图片采用懒加载的方式避免占用网络资源。

Page Load

页面完整加载时间同样可以通过异步加载的方式完成。异步加载主要由 Webpack 打包 common chunk 与异步组件的方式完成。

FPS

FPS 主要代表了卡顿的情况，在 React 中引起卡顿的主要原因有长列表与重渲染。长列表的解决方案很成熟，直接使用 react-virtualized 或者 react-window 就可以，相关的原理你可以自行学习；重渲染的问题比较复杂，下一讲我会详细讲解。

静态资源及 API 请求成功率

静态资源及 API 请求成功率的统计是非常有意义的。两者都有可能出现在用户的机器上失败，但在自己的电脑上毫无问题的情况。导致这个问题的原因千奇百怪。

  • 你是直接从前端服务器拉取 JS 与 CSS 资源，还是从 CDN 拉取的？
  • 解析 CDN 与 API 域名存在失败的情况。
  • 运营商对静态资源及 API 请求做了篡改，导致请求失败。

那怎么解决这些问题呢？

  • 对于静态资源而言，能用 CDN 就用 CDN，可以大幅提升静态资源的成功率。
  • 如果域名解析失败，就可以采取静态资源域名自动切换的方案；还有一个简单的方案是直接寻求 SRE 的协助。
  • 如果有运营商对内容做了篡改，我推荐使用 HTTPS。

收益

技术必须服务于业务，否则就只是技术团队的自嗨。

所以从技术角度讲收益，需要从业务实际效益出发。就像开篇所说的：“如果一个移动端页面加载时长超过 3 秒，用户就会放弃而离开。” 那么将 TP999 从 5 秒优化到 3 秒以内，就可以得出具体的用户转化率数据。这样的技术优化才是对公司有帮助的。

答题

接下来我将用本文讲到的方案进行回答。

我负责的业务是 CRM 管理后台，用户付费进入操作使用，有一套非常标准的业务流程。在我做完性能优化后，整个付费率一下提升了 17%，效果还可以。

前期管理后台的基础性能数据是没有的，我接手后接入了一套 APM 工具，才有了基础的性能数据。然后我对指标观察了一周多，思考了业务形态，发现其实用户对后台系统的加载速度要求并不高，但对系统的稳定性要求比较高。我也发现静态资源的加载成功率并不高，TP99 的成功率大约在 91%，这是因为静态资源直接从服务器拉取，服务器带宽形成了瓶颈，导致加载失败。我对 Webpack 的构建工作流做了改造，支持发布到 CDN，改造后 TP99 提升到了 99.9%。

13 | 如何分析和调优性能瓶颈？ - 图11

总结

本文中 React 相关的内容偏少，因为在做页面性能优化的工作时，无论你采用什么前端框架，工作流程都是一样的。需要结合业务形态与指标数据去思考要优化哪些指标，如果不优化是否可行。在实施部分，大致讲解了每个指标对应 React 的优化情况，因为方案都很成熟，所以你可以根据方案自行学习，了解下原理与使用方式。

其中重渲染是一个比较麻烦且容易出错的点，所以在下一讲中，将会着重为你介绍重渲染应该如何处理。

13 | 如何分析和调优性能瓶颈？ - 图12

《大前端高薪训练营》

对标阿里 P7 技术需求 + 每月大厂内推，6 个月助你斩获名企高薪 Offer。点击链接，快来领取！