一、背景

1.1.前端性能優(yōu)化的業(yè)務(wù)意義

前端的本質(zhì)價(jià)值是什么?

我認(rèn)為是  給用戶創(chuàng)造良好的交互體驗(yàn) 。 前端性能對用戶體驗(yàn)、對業(yè)務(wù)跳失率的影響，在業(yè)界已有共識(shí)，不言而喻。 根據(jù) Google 的數(shù)據(jù)，如果移動(dòng)站點(diǎn)的加載時(shí)間超過 3 秒，53% 的用戶會(huì)放棄訪問。

加載時(shí)間從 1s 延長到 3s 時(shí)，跳失率增加32%

加載時(shí)間從 1s 延長到 5s 時(shí)，跳失率增加90%——用戶還沒看到辛苦優(yōu)化的頁面，就走了一部分 。

（參考文末鏈接）

抵達(dá)率優(yōu)化應(yīng)該在轉(zhuǎn)化率之前， 用戶能夠正常訪問網(wǎng)頁，網(wǎng)頁的內(nèi)容才能產(chǎn)生價(jià)值。 所以在優(yōu)化著陸頁內(nèi)容、提高轉(zhuǎn)化率之前，要先保障抵達(dá)率。 抵達(dá)率太低，哪怕頁面轉(zhuǎn)化100%，整體的轉(zhuǎn)化效果也會(huì)很差。

1.2. 測試把控難點(diǎn)

• 現(xiàn)在流行的，運(yùn)營自行搭建頁面+自行多端投放 方式，使我們的不可控。
• 原先發(fā)現(xiàn)性能問題主要通過感受+性能跑測數(shù)據(jù)，或者運(yùn)營以業(yè)務(wù)要挾、或者質(zhì)疑受機(jī)器等因素影響、或者相互推諉主要瓶頸點(diǎn)，使優(yōu)化無法落實(shí)。
• 部分性能優(yōu)化困難，影響性能點(diǎn)比較復(fù)雜，實(shí)行優(yōu)化的收益不可預(yù)知，也阻礙了優(yōu)化的落實(shí)。

二、前端性能優(yōu)化 測試視角的解法

很多人都以為，前端性能優(yōu)化，重點(diǎn)在“前端”優(yōu)化，“測試”很難起到主導(dǎo)作用。 試著換個(gè)角度，從整個(gè)研發(fā)團(tuán)隊(duì)視角看，前端做運(yùn)動(dòng)員專項(xiàng)治理，測試做裁判員專項(xiàng)評測，這套機(jī)制，是否更能切實(shí)做到優(yōu)化，達(dá)成的數(shù)據(jù)也更讓大家信賴？ 再者，測試不止局限于此，還可做隊(duì)醫(yī)、分析師。 。 。 。

2.1.可持續(xù)優(yōu)化閉環(huán)

以下持續(xù)優(yōu)化閉環(huán)，是我們摸索著實(shí)行了一年多，有效且高效的解法。

從上圖看，整個(gè)過程為：

step0、前端事先進(jìn)行埋點(diǎn)，（一般前端做了sdk，直接引入即可）

step1、測試通過性能黑榜，發(fā)現(xiàn)最為突出的重點(diǎn)性能問題頁面（首屏平均時(shí)長&秒開率，PV&業(yè)務(wù)意義， 多項(xiàng)結(jié)合度量）

step2、協(xié)助前端一起專業(yè)分析問題頁面，找出性能瓶頸點(diǎn)

step3、前端更有策略地針對性治理

step4、查看性能趨勢變化，驗(yàn)證優(yōu)化效果

step5、假設(shè)已達(dá)到優(yōu)化預(yù)期，或者有更糟糕的頁面把之前頁面擠下去，繼續(xù)關(guān)注黑榜前列的頁面（即跳到step1，繼續(xù)輪轉(zhuǎn)）

我們可以發(fā)現(xiàn)，測試通過發(fā)現(xiàn)、分析、驗(yàn)證 三板斧，驅(qū)動(dòng)推進(jìn)頁面性能優(yōu)化。

2.2.效果明顯

從2021年10月份開始迭代以來， 共發(fā)現(xiàn)了8類嚴(yán)重性能問題 。

包括：端外（支付寶）性能問題，外投&跨端性能問題，pha架構(gòu)性能問題，運(yùn)營不規(guī)范配置導(dǎo)致、其他業(yè)務(wù)原因?qū)е碌男阅軉栴}等。

并且快速有效，在業(yè)務(wù)方或其他同學(xué)提過來之前，我們都已經(jīng)發(fā)現(xiàn)并有了分析，在優(yōu)化節(jié)奏上更具有主動(dòng)性。

三、性能問題的發(fā)現(xiàn)

通過線上用戶的真實(shí)采集，并制定能反應(yīng)用戶體感的指標(biāo)，進(jìn)行性能黑榜和全局趨勢分析。

從重點(diǎn)單點(diǎn)角度，我們通過性能黑榜； 從整體視角，我們通過整體趨勢分析。

3.0.性能數(shù)據(jù)的采集

3.0.1.幾個(gè)名詞解釋

ARMS 前端 監(jiān)控專注于對Web場景、小程序場景的監(jiān)控，從頁面打開速度（測速）、頁面穩(wěn)定性（JS診斷錯(cuò)誤）和外部服務(wù)調(diào)用成功率（API）這三個(gè)方面監(jiān)測Web和小程序頁面的健康度。

SLS 日志服務(wù)為Log、Metric、Trace等數(shù)據(jù)提供大規(guī)模、低成本、 實(shí)時(shí) 的平臺(tái)化服務(wù)。日志服務(wù)一站式提供數(shù)據(jù)采集、加工、查詢與分析、可視化、告警、消費(fèi)與投遞等功能。

ODPS 即MaxCompute，是適用于 數(shù)據(jù)分析 場景的企業(yè)級(jí)SaaS模式云數(shù)據(jù)倉庫。

FBI 是阿里內(nèi)的智能大數(shù)據(jù)分析和 可視化 平臺(tái)，下面的所有截圖都是在FBI平臺(tái)配置圖表而成，還未對外開放。

3.0.2.全過程

arms-sdk結(jié)合前端的自定義埋點(diǎn)，在海量用戶訪問的同時(shí)，就會(huì)自動(dòng)上報(bào)數(shù)據(jù)到sls日志庫，整體過程如下圖：

• 針對H5搭建頁的埋點(diǎn)，使用通用方案，一次性埋點(diǎn)即可，前端后續(xù)無需額外埋。
• sls日志報(bào)表查實(shí)時(shí)數(shù)據(jù)，用于實(shí)時(shí)分析，實(shí)時(shí)驗(yàn)證。
• ODPS數(shù)據(jù)長期存儲(chǔ)已計(jì)算完指標(biāo)的數(shù)據(jù)，用于記錄、比較、趨勢分析。

3.1.性能指標(biāo)的確定

3.1.1.統(tǒng)計(jì)范圍--用戶視角

所有前臺(tái)頁面，每個(gè)用戶每次瀏覽的有效數(shù)據(jù)（完全加載<15s 內(nèi)有效）

指標(biāo)的影響因子：從用戶視角，頁面流量越大，則對整體數(shù)據(jù)的影響越大（也就是權(quán)重越大）

這樣做的好處：流量越大數(shù)值越嚴(yán)重的，優(yōu)化的效果（正反饋）越明顯，確定了治理性能問題的優(yōu)先級(jí)。

3.1.2.三個(gè)指標(biāo)

結(jié)合淘系、以及集團(tuán)其他部門的

3.2.性能黑榜

為何要用性能黑榜來作為主要發(fā)現(xiàn)手段？我們通?？赏评淼茫?/span>

• 排在性能黑榜前列的，必然是性能問題最突出的，相對方便分析

（可根據(jù)各自業(yè)務(wù)，加個(gè)樣本量的篩選，如我們看每日pv 10w以上的）

• 再結(jié)合樣本量（pv正相關(guān)）數(shù)據(jù)，樣本量非常大的，性能優(yōu)化的收益必然也是非常大的
• 模塊化組件開發(fā)盛行的今天，優(yōu)化某個(gè)模塊或場景的問題，收益點(diǎn)不僅僅在當(dāng)前頁面，也在其他用了同樣模塊或場景的頁面
• 榜單形式，更能引起老板、對應(yīng)前端負(fù)責(zé)同學(xué)、對用戶體驗(yàn)關(guān)注的同學(xué)的重視

3.3.整體性能趨勢分析

整體趨勢分析，即是為在整體角度，看我們的頁面性能趨勢，它是重要的度量指標(biāo)。

這里我們把所有的流量都納入，沒有頁面的區(qū)分， 為的是基于用戶維度，流量大的頁面權(quán)重自然會(huì)更大。

從上圖看，1月初到2月中旬的數(shù)據(jù)正在持續(xù)惡化，必須要采取措施治理！

四、性能問題的分析

（下文以2022年2月A頻道頁面為例，均為dummy仿造后數(shù)據(jù)，也不代表整體情況）

4.1.如何衡量性能問題嚴(yán)重性

衡量性能問題嚴(yán)重性，是為了讓大家意識(shí)到優(yōu)化的必要性，以及急迫性

4.1.0.進(jìn)入性能黑榜前幾名

同3.1.性能黑榜，不贅述

4.1.1.看完全加載時(shí)長分布

見下圖“可交互時(shí)長分布圖”，一個(gè)記錄代表一個(gè)用戶。

即使不去統(tǒng)計(jì)，我們都能很明顯的看出來，這個(gè)A頻道頁面：

<1.5s的比例很低

1.5~3s占比最大

>3s的比例相對而言很高，居然還有這么高比例在8s以上？

4.1.2.看時(shí)長分布比例

和開發(fā)說明問題嚴(yán)重性時(shí)，這個(gè)會(huì)很有代入感， 比如見下圖，10%的Android用戶在4.9s以上，是不是可以認(rèn)為他們大部分都跳失了？

4.1.3.看和總體數(shù)據(jù)的對比

下圖不用算都能明顯發(fā)現(xiàn)，秒開率和 整體數(shù)據(jù)差異實(shí)在太大

4.2.分析性能瓶頸-分析思路

首先要明確，性能分析主要是給相關(guān)頁面的前端、開發(fā)同學(xué)看，給關(guān)心問題的測試同學(xué)看，所以我們可以拆分的更細(xì)節(jié)、更專業(yè)。 可以先分前端、后端2個(gè)大類：

4.3.分析性能瓶頸-前端環(huán)節(jié)

4.3.1.分終端分析

業(yè)務(wù)因素（具體不表），分終端是重點(diǎn)。

從可交互時(shí)長、秒開率、3秒+率、5秒+率，分別分析，都能論證--支付寶端問題更明顯。

4.3.2.分階段分析

下圖將t1~t9 每個(gè)階段打點(diǎn)情況可視化，并分析重點(diǎn)環(huán)節(jié)的差值（打點(diǎn)邏輯由前端定義）

見圖2可以明顯觀察到：

1、接口耗時(shí)太久，且2.12后變差明顯（可以去追溯下2.12發(fā)生了什么）；

2、LBS獲取耗時(shí)很久，高于平均1倍以上，而取lbs是A頻道頁的關(guān)鍵邏輯

4.3.3.分高中低端機(jī)分析

我們根據(jù)手淘的高中低端機(jī)評判標(biāo)準(zhǔn)，埋點(diǎn)獲得數(shù)據(jù)。 平均時(shí)長，高中低各自占比，以及低端時(shí)長分布（也可選中高端）。 下圖可發(fā)現(xiàn)，低端機(jī)比例很低（需要思考是否有必要重點(diǎn)優(yōu)化）， 但低端機(jī)超過3秒以上的比例遠(yuǎn)高于其他的（和總體的完全時(shí)間分布對比） 。

4.3.4.其他分析

包括：機(jī)型、系統(tǒng)等，可做參考

4.4.分析性能瓶頸-后端環(huán)節(jié)

4.4.1.后端接口分析

主要從后端維度來分析

• 服務(wù)端鏈路邏輯，需要另做具體分析
• 分頁面的處理邏輯，需要結(jié)合業(yè)務(wù)邏輯來看

這里可見，下圖盡管是開始發(fā)起請求-》收到請求的全過程，但也嚴(yán)重超標(biāo)（幾乎是標(biāo)準(zhǔn)值的2倍）

4.4.2.網(wǎng)絡(luò)傳輸消耗分析

整個(gè)接口過程：

請求連接(apiConnect)--》服務(wù)端處理(apiRequest)--》數(shù)據(jù)下載(apiResponse)

細(xì)節(jié)不表了

4.5.分析結(jié)論關(guān)鍵思路

1、數(shù)據(jù)差值越大的，樣本量越多的，性能數(shù)據(jù)優(yōu)化越明顯

2、結(jié)合業(yè)務(wù)意義

3、為前端分析提供方向，更細(xì)節(jié)分析，還是要依賴前端的專業(yè)分析

還是以A頻道為例， 從數(shù)據(jù)差值看，接口和lbs，和均值差異最大。 從樣本量看，支付寶 流量占有一定比例， 因此，我們優(yōu)化的重點(diǎn)在： 接口、LBS、支付寶端。

五、性能問題的驗(yàn)證

主要通過單頁面性能趨勢分析，主要2個(gè)作用

• 驗(yàn)證性能優(yōu)化效果，做到可量化
• 及時(shí)洞察到頁面性能向差的趨勢，更具有主動(dòng)性

5.1.性能惡化及時(shí)反饋 

再如下圖，今年1月，一次業(yè)務(wù)需求，致使性能變差，通過每周定時(shí)性能報(bào)表發(fā)送群里，馬上發(fā)現(xiàn)。 推薦大家把性能趨勢圖，定時(shí)發(fā)送到群內(nèi)，更及時(shí)發(fā)現(xiàn)。

5.2.性能優(yōu)化效果驗(yàn)證

參考鏈接： https://zhuanlan.zhihu.com/p/51673262

R語言編程基礎(chǔ)(U3010001)

R是用于統(tǒng)計(jì)分析、繪圖的語言和操作環(huán)境，屬于GNU系統(tǒng)的一個(gè)自由、免費(fèi)、源代碼開放的軟件，它是一個(gè)用于統(tǒng)計(jì)計(jì)算和統(tǒng)計(jì)制圖的優(yōu)秀工具。

R語言語法通俗易懂,很容易學(xué)會(huì)和掌握語言的語法。而且學(xué)會(huì)之后,我們可以編制自己的函數(shù)來擴(kuò)展現(xiàn)有的語言。這也就是為什么它的更新速度比一般統(tǒng)計(jì)軟件,如SPSS、SAS等快得多。大多數(shù)最新的統(tǒng)計(jì)方法和技術(shù)都可以在R中直接得到。

點(diǎn)擊閱讀原文查看詳情。