2024 年我们做过一轮「性能专项」,前后持续三个月。每周发版都在改:图片换 WebP、字体预加载、接口合并、组件懒加载。季度末拉报表,LCP 从 3.8 秒变成了 3.7 秒,基本等于没动。团队士气掉得很厉害,领导开始怀疑这件事本身没有价值。
后来才发现,问题出在两处。第一,我们改的是首页,而报表统计的是全部页面,首页只占 11% 的访问量,摊薄之后什么都看不见。第二,报表用的是平均值,平均值被大量「秒开」的缓存命中用户拉低了,真正难受的那批用户——低端安卓、弱网、冷启动——完全被平均掉了。我们优化了三个月,改的是一批本来就不慢的用户。
这件事之后,我们把性能从「专项运动」改成了「有指标、有采集、有归因、有门禁」的日常流程。这篇讲的就是这个流程怎么搭,以及每一步的代价。它不神秘,但很容易做歪,做歪之后最典型的症状就是:数字很漂亮,用户还是说慢。
第一步不是采集,是定义「慢在哪」
很多团队一上来就接监控 SDK,采一堆指标,然后没人看。原因是这些指标跟业务的痛点没对上。定义指标之前,先回答三个问题:
用户在哪个环节流失?是首屏白屏太久走了,还是点了搜索要等两秒才出结果?前者对应加载指标,后者对应交互指标。看错方向,优化手段完全不同。
哪批用户最受影响?低端机、弱网、特定地区、特定浏览器版本。性能问题从来不是均匀分布的,平均指标几乎一定会掩盖尾部。
改到什么程度算够?没有阈值就没有终点。目标可以是「p75 的 LCP 进 2.5 秒」,也可以是「搜索出结果的 p90 进 1 秒」,但必须写下来,否则每次讨论都会变成感觉之争。
指标分三层,别混着看
我们用三层指标,各自回答不同的问题。混在一起看,就会得出「指标涨了但用户没感觉」这种结论。
业务层指标最容易被忽略,但它往往才是老板真正关心的。我们后来加了一个「搜索到首条结果」的耗时,p75 是 1.4 秒,而接口本身只占 300 毫秒,剩下 1.1 秒全花在前端拼装和渲染上。这个发现直接推动了搜索结果的虚拟列表改造,收益比前面三个月的图片优化大得多。
指标选好之后,还要定分位。平均值几乎没有意义,因为它会被大量快用户拉低;p50 也只能说明「一半人还行」。我们看 p75 和 p90:p75 代表「多数人的体验」,p90 代表「最难受的那批人」。两个数字一起看,才知道优化是让大多数人受益,还是只救了少数极端情况。如果 p75 正常但 p90 很差,通常说明问题集中在特定机型或网络,不是全局性的。
采集:精度、成本与偏差的三角
采集不是「加个 SDK 就完事」。它有三个互相冲突的目标:数据要准、成本要低、样本要有代表性。你不可能同时拿满。
选型前我们列了当时的约束,后面每个方案都是拿这张表去对照的:
| 约束 | 实际情况 | 对方案的影响 |
|---|---|---|
| 用户规模 | 日活约 40 万,三条产品线,页面十余个 | 样本够做分维度,但存储和上报成本要控 |
| 团队 | 没有专职性能工程师,前端 20 人 | 自建全套平台不现实,优先现成方案加轻量自建 |
| 发布节奏 | 每天 8 到 12 次 | 门禁必须在几分钟内给出结果,不能阻塞发布 |
| 合规 | 用户数据不能出境 | 排除纯海外 SaaS,上报前要脱敏 |
| 流量分布 | 三个核心页面占了八成访问 | 优先覆盖头部页面,长尾页面只做基础采集 |
A. 只做实验室测试(Lighthouse / CI)
好处:环境可控,每次跑的条件一致,适合做回归门禁。数字稳定,容易对比。
代价:只代表一台模拟机器和一个模拟网络,跟真实用户差得很远。我们实验室分数 92,真实用户 p75 只有 61,中间隔着机型、网络、缓存状态和第三方脚本。
B. 全量真实用户采集(RUM)
好处:能反映真实分布,能分机型、分网络、分地区、分版本。这是唯一能回答「谁慢」的数据。
代价:数据脏、口径容易错、上报本身有成本。全量采集的请求量可能比业务请求还多,而且移动端上报会消耗用户流量和电量。
C. 采样 + 分维度聚合
做法:按用户或会话采样(比如 10%),上报时带上机型档位、网络类型、页面、版本、是否冷启动。聚合时只看 p75/p90,不看平均。
代价:需要一套聚合和存储,采样率低了小页面样本不够。要处理「同一用户多次访问」的权重问题。
D. 买第三方 APM
好处:开箱即用,有现成的看板、告警、版本对比。对小团队来说,省下的开发时间通常比费用值钱。
代价:数据出境、隐私合规、采样策略不可控;定制业务指标要么做不了,要么要加钱。国内网络环境下还要考虑 SDK 的可用性。
我们最后是 C 为主、A 做门禁、B 只对关键页面做短周期全量。理由很实际:团队没有专职的性能工程师,自建全套平台不现实;但完全依赖第三方,业务指标又接不进去。这个组合的维护成本大约是一个人每周半天。
实验室那套(A)要固定三件事才有可比性:构建产物必须是生产构建、机器配置固定、网络和 CPU 降速参数固定。我们用一台闲置的云主机当 runner,跑三次取中位数。少任何一条,数字都会飘到没法当门禁用。它不代表真实用户,但它的价值是「可重复」——同一个版本跑两次,差异应该很小。
// web-vitals 4.x:采集三个核心指标,注意 SPA 要在路由切换时重新观察
import { onLCP, onINP, onCLS } from "web-vitals";
function report(metric) {
const body = JSON.stringify({
name: metric.name,
value: metric.value,
rating: metric.rating,
page: location.pathname,
// 机型档位、网络类型由业务侧注入,别在上报时才算
deviceTier: window.__deviceTier || "unknown",
release: window.__release || "dev"
});
// 用 sendBeacon,避免页面卸载时请求被取消
navigator.sendBeacon("/api/perf", body);
}
onLCP(report);
onINP(report);
onCLS(report);
还有一个隐蔽的偏差:上报失败的样本会系统性地偏向「网络好」的用户。弱网用户的请求本来就容易丢,如果再在 unload 里发同步请求,丢得更多。结果就是「越慢的用户越采不到」,指标看起来比实际好。用 sendBeacon、设置合理的超时和重试,能缓解但不能消除。看数据时心里要有这根弦。
归因:从「慢」到「哪里慢」
指标只能告诉你「慢了」,不能告诉你「为什么」。归因要沿着三条线走,顺序很重要,因为越往后成本越高。
第一条线:按维度切。同一份数据,按机型档位、网络、地区、页面、版本、是否冷启动切片。通常切两刀就能看到差异,比如「低端机 + 4G」的 LCP 是高端机的三倍。这一步几乎零成本,但能排除掉一大半猜测。
第二条线:按资源切。首屏关键资源的加载时序:DNS、连接、TTFB、下载、解析。LCP 元素对应的图片或文本块,前面卡了哪些请求。第三方脚本占了主线程多少时间。
第三条线:按执行切。主线程的长任务、 hydration 耗时、接口串行、不必要的重复渲染。这一步要用 Performance 面板或火焰图,成本最高,所以放在最后。
我们后来发现,很多「性能问题」其实不是性能问题,而是产品问题。比如列表页 LCP 慢,查到最后是首屏塞了十二个推荐位,每个都要单独请求。技术上可以优化,但真正的解法是产品砍掉一半。这种结论只能靠「按资源切 + 和产品一起看」得出,纯技术视角永远得不出。
第三方脚本是另一个高频根因,而且最难推动。统计、客服、广告、A/B 实验,每一个都说自己「只加一点点」,加起来能占主线程时间的四成。我们做了一次实验:把第三方脚本全部延迟到首屏渲染之后加载,LCP 直接降了 0.8 秒,代价是统计数据的会话开始时间略有偏差。这个取舍必须由业务方拍板,前端单方面关掉只会引发另一场争吵。可行的做法是给每个第三方脚本标上「体积、主线程占用、业务价值」,按性价比排序,每年清一次。
还有一个容易被数据掩盖的事实:性能优化有明显的边际递减。首屏从 5 秒降到 3 秒,用户能感知;从 3 秒降到 2.5 秒,只有一部分人能感知;再往下,投入产出比会迅速变差。到了这个阶段,继续压榨加载时间的收益,可能不如把交互反馈做好——比如点击后立刻给一个加载态,让用户知道系统收到了。指标和体验不是同一件事,别拿指标当唯一目标。
闭环:让下一个人不能把它改回去
性能优化最怕的不是做不到,而是做完又退回去。业务需求一压,谁都不想为了 200 毫秒去跟产品吵。所以必须有机制,而不是靠自觉。
我们用了三道门禁,按严格程度递增:
第一道,体积预算。入口 chunk 压缩后超过 180KB,CI 报警;超过 220KB,阻断。这个阈值不是拍脑袋,是拿历史数据算出来的:超过这个量,弱网首屏就会掉一个档。
第二道,实验室指标回归。Lighthouse CI 在固定的构建环境跑三次取中位数,LCP 或 TBT 相对基线退化超过 15% 就阻断。必须跑三次,单次波动太大。
第三道,真实用户回归。发布后按版本对比 p75,连续两天退化超过 10% 触发告警。这一道不阻断发布,但会进周会,让退化可见。
真实踩的坑
下面这张表是我们这两年遇到的典型现象。前几行几乎每个团队都会遇到,后面几行是数据量上来之后才出现的。
| 现象 | 真实原因 | 第一步查什么 |
|---|---|---|
| 报表指标不动,本地打开很快 | 统计口径或页面范围不同;本地是热缓存、好机器 | 确认报表统计的是哪些页面、哪个分位;按页面拆开看 |
| RUM 数据比实验室好看很多 | 采集时机不对,SPA 未重置,或慢用户样本丢失 | 校验上报回调时机;对比样本的网络分布 |
| 优化上线后指标反而变差 | 版本对比没控制变量,或新功能引入了重依赖 | 按版本、机型分组对比,看资源体积变化 |
| 指标一天高一天低 | 样本量不足,或受大促、活动页流量结构影响 | 看每日样本量与页面流量占比 |
| 首屏指标很好,用户仍反馈卡 | 只采了加载指标,没采交互指标 | 看 INP 与业务动作耗时,尤其是二次操作 |
| 某个版本特别差但找不到原因 | 该版本灰度到了低端机,或接口超时率上升 | 按版本切片看设备分布与接口错误率 |
| 性能门禁从来没失败过 | 阈值太松,或 CI 跑的是开发构建 | 检查阈值来源;确认 CI 用生产构建和固定环境 |
第一行和最后一行其实是同一类错误:测量的东西和优化的东西不是同一个。这类错误不会报错,只会让你在错误的方向上努力很久。每次看到「优化没效果」,先别怀疑优化手段,先怀疑度量。
边界与代价:这套体系什么时候不划算
性能工程是有固定成本的:采集 SDK、上报通道、聚合存储、看板、门禁,外加一个半个人的维护。几条不那么划算的情形:
日活低于一万的站点,别自建平台。样本量不够,p75 每天能上下跳 20%,做分维度分析只会看到噪声。用现成的 Lighthouse 加第三方 RUM 就够,重点放在「别退步」。
只有前端两三个人的团队,别做三道门禁。门禁的维护成本比收益高,而且被误拦几次之后一定有人要求关掉。选一道最便宜的——体积预算——先立住。
业务还在快速试错的阶段,别把指标卡太死。产品一天改三个版本,性能预算天天红,最后所有人都会学会「点忽略」。等产品形态稳定了再收紧。
不要为了指标而指标。我们见过为了降低 LCP 把首屏内容藏起来、等加载完再显示的写法,指标好看了,用户看到的是更长的白屏。任何优化都要回到「用户感知」这一个标准上。
性能不是一个项目,是一种常态。把它当成季度专项,做完就会反弹;把它变成发布流程的一部分,才会稳定。最实际的做法是给每个核心页面指定一个 owner,负责盯着它的 p75,不用天天看,但退化了要知道是谁的改动。没有 owner 的指标,最后一定会变成没人认领的公共草地。
今天就能动手的五件事
一、打印三个核心指标。引入 web-vitals,在控制台输出 LCP、INP、CLS,先在自己常用的三个页面上看一遍。十分钟,能建立最基本的体感。
二、找到 LCP 元素。用 Performance 面板录制首屏,展开 Timings 里的 LCP 标记,看它对应的是哪张图或哪段文字,前面卡了哪些请求。很多问题在这一步就能看出来。
三、定义三个业务指标。挑用户最常做的三个动作(搜索、加购、打开详情),在动作开始和可见结果出现时各打一个点,算一次耗时。技术指标之外,这是最能推动决策的数据。
四、检查上报有没有丢。在 DevTools 的网络面板里过滤上报请求,把网络设成 Slow 3G,看页面关闭时请求是否还在。用 sendBeacon 前后各试一次,差别很明显。
五、给 CI 加一条体积预算。不用一上来就做 Lighthouse,先卡入口 chunk 的大小,阈值取当前值加 10%。跑一周,看它会不会误报,再决定要不要收紧。
小结
性能工程的核心不是「优化技巧」,而是「度量可信」。指标口径错了,后面所有努力都是白费;样本有偏,报表会持续骗你;没有门禁,做完的优化会在三个迭代内被改回去。
我们做完这一轮之后,还发现一个反复出现的根因:同一个页面里,三个业务团队各写了一套按钮、弹窗和表格,样式重复、依赖重复、交互还不一致。这种重复不是性能工具能解决的,得从组件层收口。下一篇讲设计系统,就是这个问题的正面回答。