简介：前端的本质价值是什么？作者认为是给用户创造良好的交互体验和抵达率优化应该在转化率之前。那么本文就将和大家分享基于业务驱动的前端性能有效实践案例。

作者 | 钱文玲(悠酱)
来源 | 阿里开发者公众号

一、背景

1.1.前端性能优化的业务意义

前端的本质价值是什么?

我认为是 给用户创造良好的交互体验。前端性能对用户体验、对业务跳失率的影响，在业界已有共识，不言而喻。根据 Google 的数据，如果移动站点的加载时间超过 3 秒，53% 的用户会放弃访问。

加载时间从 1s 延长到 3s 时，跳失率增加32%
加载时间从 1s 延长到 5s 时，跳失率增加90%——用户还没看到辛苦优化的页面，就走了一部分 。

（参考文末链接）

抵达率优化应该在转化率之前，用户能够正常访问网页，网页的内容才能产生价值。所以在优化着陆页内容、提高转化率之前，要先保障抵达率。抵达率太低，哪怕页面转化100%，整体的转化效果也会很差。

1.2.测试把控难点

• 现在流行的，运营自行搭建页面+自行多端投放 方式，使我们的不可控。
• 原先发现性能问题主要通过感受+性能跑测数据，或者运营以业务要挟、或者质疑受机器等因素影响、或者相互推诿主要瓶颈点，使优化无法落实。
• 部分性能优化困难，影响性能点比较复杂，实行优化的收益不可预知，也阻碍了优化的落实。

二、前端性能优化 测试视角的解法

很多人都以为，前端性能优化，重点在“前端”优化，“测试”很难起到主导作用。试着换个角度，从整个研发团队视角看，前端做运动员专项治理，测试做裁判员专项评测，这套机制，是否更能切实做到优化，达成的数据也更让大家信赖？再者，测试不止局限于此，还可做队医、分析师。。。。

2.1.可持续优化闭环

以下持续优化闭环，是我们摸索着实行了一年多，有效且高效的解法。

从上图看，整个过程为：

step0、前端事先进行埋点，（一般前端做了sdk，直接引入即可）

step1、测试通过性能黑榜，发现最为突出的重点性能问题页面（首屏平均时长&秒开率，PV&业务意义， 多项结合度量）

step2、协助前端一起专业分析问题页面，找出性能瓶颈点

step3、前端更有策略地针对性治理

step4、查看性能趋势变化，验证优化效果

step5、假设已达到优化预期，或者有更糟糕的页面把之前页面挤下去，继续关注黑榜前列的页面（即跳到step1，继续轮转）

我们可以发现，测试通过发现、分析、验证 三板斧，驱动推进页面性能优化。

2.2.效果明显

从2021年10月份开始迭代以来，共发现了8类严重性能问题。

包括：端外（支付宝）性能问题，外投&跨端性能问题，pha架构性能问题，运营不规范配置导致、其他业务原因导致的性能问题等。

并且快速有效，在业务方或其他同学提过来之前，我们都已经发现并有了分析，在优化节奏上更具有主动性。

三、性能问题的发现

通过线上用户的真实采集，并制定能反应用户体感的指标，进行性能黑榜和全局趋势分析。

从重点单点角度，我们通过性能黑榜；从整体视角，我们通过整体趋势分析。

3.0.性能数据的采集

3.0.1.几个名词解释

ARMS前端监控专注于对Web场景、小程序场景的监控，从页面打开速度（测速）、页面稳定性（JS诊断错误）和外部服务调用成功率（API）这三个方面监测Web和小程序页面的健康度。

SLS日志服务为Log、Metric、Trace等数据提供大规模、低成本、实时的平台化服务。日志服务一站式提供数据采集、加工、查询与分析、可视化、告警、消费与投递等功能。

ODPS即MaxCompute，是适用于数据分析场景的企业级SaaS模式云数据仓库。

FBI是阿里内的智能大数据分析和可视化平台，下面的所有截图都是在FBI平台配置图表而成，还未对外开放。

3.0.2.全过程

arms-sdk结合前端的自定义埋点，在海量用户访问的同时，就会自动上报数据到sls日志库，整体过程如下图：

• 针对H5搭建页的埋点，使用通用方案，一次性埋点即可，前端后续无需额外埋。
• sls日志报表查实时数据，用于实时分析，实时验证。
• ODPS数据长期存储已计算完指标的数据，用于记录、比较、趋势分析。

3.1.性能指标的确定

3.1.1.统计范围--用户视角

所有前台页面，每个用户每次浏览的有效数据（完全加载<15s 内有效）

指标的影响因子：从用户视角，页面流量越大，则对整体数据的影响越大（也就是权重越大）

这样做的好处：流量越大数值越严重的，优化的效果（正反馈）越明显，确定了治理性能问题的优先级。

3.1.2.三个指标

结合淘系、以及集团其他部门的

3.2.性能黑榜

为何要用性能黑榜来作为主要发现手段？我们通常可推理得：

• 排在性能黑榜前列的，必然是性能问题最突出的，相对方便分析

（可根据各自业务，加个样本量的筛选，如我们看每日pv 10w以上的）

• 再结合样本量（pv正相关）数据，样本量非常大的，性能优化的收益必然也是非常大的
• 模块化组件开发盛行的今天，优化某个模块或场景的问题，收益点不仅仅在当前页面，也在其他用了同样模块或场景的页面
• 榜单形式，更能引起老板、对应前端负责同学、对用户体验关注的同学的重视

3.3.整体性能趋势分析

整体趋势分析，即是为在整体角度，看我们的页面性能趋势，它是重要的度量指标。
这里我们把所有的流量都纳入，没有页面的区分，为的是基于用户维度，流量大的页面权重自然会更大。

从上图看，1月初到2月中旬的数据正在持续恶化，必须要采取措施治理！

四、性能问题的分析

（下文以2022年2月A频道页面为例，均为dummy仿造后数据，也不代表整体情况）

4.1.如何衡量性能问题严重性

衡量性能问题严重性，是为了让大家意识到优化的必要性，以及急迫性

4.1.0.进入性能黑榜前几名

同3.1.性能黑榜，不赘述

4.1.1.看完全加载时长分布

见下图“可交互时长分布图”，一个记录代表一个用户。

即使不去统计，我们都能很明显的看出来，这个A频道页面：

4.1.2.看时长分布比例

和开发说明问题严重性时，这个会很有代入感，比如见下图，10%的Android用户在4.9s以上，是不是可以认为他们大部分都跳失了？

4.1.3.看和总体数据的对比

下图不用算都能明显发现，秒开率和 整体数据差异实在太大

4.2.分析性能瓶颈-分析思路

首先要明确，性能分析主要是给相关页面的前端、开发同学看，给关心问题的测试同学看，所以我们可以拆分的更细节、更专业。可以先分前端、后端2个大类：

4.3.分析性能瓶颈-前端环节

4.3.1.分终端分析

业务因素（具体不表），分终端是重点。

从可交互时长、秒开率、3秒+率、5秒+率，分别分析，都能论证--支付宝端问题更明显。

4.3.2.分阶段分析

下图将t1~t9 每个阶段打点情况可视化，并分析重点环节的差值（打点逻辑由前端定义）

见图2可以明显观察到：

1、接口耗时太久，且2.12后变差明显（可以去追溯下2.12发生了什么）；
2、LBS获取耗时很久，高于平均1倍以上，而取lbs是A频道页的关键逻辑

4.3.3.分高中低端机分析

我们根据手淘的高中低端机评判标准，埋点获得数据。平均时长，高中低各自占比，以及低端时长分布（也可选中高端）。下图可发现，低端机比例很低（需要思考是否有必要重点优化），但低端机超过3秒以上的比例远高于其他的（和总体的完全时间分布对比） 。

4.3.4.其他分析

包括：机型、系统等，可做参考

4.4.分析性能瓶颈-后端环节

4.4.1.后端接口分析

主要从后端维度来分析

• 服务端链路逻辑，需要另做具体分析
• 分页面的处理逻辑，需要结合业务逻辑来看

这里可见，下图尽管是开始发起请求-》收到请求的全过程，但也严重超标（几乎是标准值的2倍）

4.4.2.网络传输消耗分析

整个接口过程：

请求连接(apiConnect)--》服务端处理(apiRequest)--》数据下载(apiResponse)
细节不表了

4.5.分析结论关键思路

1、数据差值越大的，样本量越多的，性能数据优化越明显
2、结合业务意义
3、为前端分析提供方向，更细节分析，还是要依赖前端的专业分析

还是以A频道为例，从数据差值看，接口和lbs，和均值差异最大。从样本量看，支付宝 流量占有一定比例，因此，我们优化的重点在：接口、LBS、支付宝端。

五、性能问题的验证

主要通过单页面性能趋势分析，主要2个作用

• 验证性能优化效果，做到可量化
• 及时洞察到页面性能向差的趋势，更具有主动性

5.1.性能恶化及时反馈

再如下图，今年1月，一次业务需求，致使性能变差，通过每周定时性能报表发送群里，马上发现。推荐大家把性能趋势图，定时发送到群内，更及时发现。

5.2.性能优化效果验证

参考链接：SEM M 12 plus：移动互联网时代，你的抵达率够高么 - 知乎

原文链接

本文为阿里云原创内容，未经允许不得转载。