首屏加载优化总结

作者:excel日期:2025/10/4

一、什么是首屏加载

  • 首屏时间(First Contentful Paint,FCP) :浏览器从输入网址到 首屏内容渲染完成 的时间。
  • 不需要整个网页都渲染完,但首屏区域必须显示内容。
  • 重要性:是衡量用户体验最关键的性能指标之一。

计算方式

  1. 监听 DOMContentLoaded
1document.addEventListener('DOMContentLoaded', () => {  
2    console.log('first contentful painting');  
3});  
  1. Performance API
1performance.getEntriesByName("first-contentful-paint")[0].startTime;  

二、加载慢的常见原因

  1. 网络延时(跨域/弱网环境)
  2. 资源体积过大(JS、CSS、图片)
  3. 资源重复请求(缓存缺失,依赖打包不合理)
  4. JS 脚本阻塞渲染(未使用 async/defer)

三、常见优化方案

1. 减小入口文件体积

  • 路由懒加载:拆分路由对应组件,按需加载
1routes:[  
2    {  
3      path: 'Blogs',  
4      component: () => import('./components/ShowBlogs.vue')  
5    }  
6]  

2. 静态资源缓存

  • HTTP 缓存Cache-ControlEtagLast-Modified
  • Service Worker:离线缓存
  • localStorage:存储部分数据

3. UI 框架按需引入

  • 避免全量引入 UI 库,改为按需加载组件
1import { Button, Input, Pagination } from 'element-ui';  
2Vue.use(Button).use(Input).use(Pagination);  

4. 公共依赖抽取

  • 使用 webpack SplitChunksminChunks
1minChunks: 3 // 使用 3 次以上抽取为公共依赖  

5. 图片优化

  • 图片压缩(tinypng、image-webpack-loader)
  • 使用字体图标/雪碧图
  • 优先考虑 WebP 格式

6. 开启 GZip 压缩

  • 前端构建时使用 compression-webpack-plugin
  • 服务端启用 gzip(express 示例):
1const compression = require('compression')  
2app.use(compression())  

7. 使用 SSR

  • SSR(服务端渲染) :服务器直接返回 HTML
  • Vue 推荐 Nuxt.js 实现 SSR,显著提升首屏速度

四、优化整体思路

  • 资源加载优化:拆分入口、缓存、压缩、依赖抽取、GZip
  • 页面渲染优化:SSR、懒加载、UI 框架按需加载、减少阻塞

五、参考资料


🤖 AI 生成提示:本文由 AI 模型自动生成并整理,仅供学习与参考。


首屏加载优化总结》 是转载文章,点击查看原文


相关推荐


Android Studio | 设置国内代理(SDK 设置国内代理(阿里云镜像))
指针不南2025/10/2

Android Studio 相关下载设置国内代理(阿里云镜像)(Android Git 仓库 国内代理/阿里云镜像) 简介 Android 上的 Git 存储库。 下载地址 阿里云镜像:https://mirrors.aliyun.com/android.googlesource.com/ 相关链接 官方主页 使用方法 打开设置(settings)。进入“外观与行为”(Appearance & Behavior)。选择“系统设置”(System Settings)。点击“HTT


[创业之路-643]:互联网与移动互联网行业与通信行业的关系
文火冰糖的硅基工坊2025/10/2

互联网、移动互联网与通信行业三者之间存在着深度嵌套、相互依存、协同发展的关系。它们不是并列的平行产业,而是构成现代信息社会基础设施的“网络之网”。下面从定义、关系结构、产业链角色和技术演进角度系统解析三者之间的关系。 一、基本定义 行业定义通信行业(Telecommunications)提供信息传输通道的基础服务行业,包括语音、数据、视频等信号的物理传输和网络连接能力。核心是“通路”——让信息从A传到B。互联网(Internet)基于TCP/IP协议族构建的全球性计算机网络系统,通过通信网


头歌Educoder答案 Lucene - 全文检索入门
是犹橐籥2025/10/2

第1关:使用lucene创建索引 任务描述 本关任务:使用lucene完成索引库的创建。 相关知识 如果你还没有接触过Lucene,那么强烈建议你查看背景知识了解Lucene的基础知识和开发环境的配置,如果你已经学习过Lucene那么你可以根据下列知识尝试完成本关任务。 package step1; import java.io.File; import java.io.IOException; import org.apache.commons.io.FileUtils; import


《系统与软件工程功能规模测量IFPUG方法》(GB/T42449-2023)标准解读
2401_8653825010/1/2025

需注意的是,两类方法在功能点取值上存在差异:NESMA方法中,行标、国标及国际标准ILF默认取值为7,EIF默认取值为5,而北京地标《信息化项目软件开发费用测算规范》(DB11/T1010—2019)及之后的《中国软件行业基准数据》(CSBMK®)与大部分省市如湖南、广西、辽宁、安徽、海南、厦门等地费用标准采用ILF默认取10,EIF默认取7(对应IFPUG方法中功能复杂度为‘中’的情况),这会导致规模计算结果不同。若仅被引用且由其他应用程序识别为内部逻辑文件(ILF),归类为外部接口文件(EIF)。


ChatGPT模型降级事件深度解析:中国卖家的挑战与机遇,应对策略全指南
qmy7569/30/2025

本文深入剖析了ChatGPT模型降级事件对中国卖家的影响,提出了加强自主研发、多元化AI服务布局、深化用户沟通等应对策略,助力中国卖家在这场科技变革中抓住机遇。


数据仓库和商务智能考试考点及关系梳理
轩哥Up2025/10/5

一、核心考点分类及具体内容 (一)基础定义与核心区别(高频基础考点) 核心定义 概念 核心含义 关键目标 数据仓库(Data Warehouse, DW) 面向主题、集成、稳定、时变的结构化数据存储系统,通过整合多个数据源(OLTP系统、文件、API等)的历史数据,为企业决策提供统一的数据基础 1. 数据整合:消除数据孤岛,形成企业级统一数据视图; 2. 历史存储:保留长期历史数


Oracle云基础设施强势崛起:AI驱动的新一代云计算竞争格局
qife1222025/10/6

Beyond Stargate: Oracle OCI提升云基础设施吸引力 Oracle与前沿AI模型制造商达成了震撼市场的交易,但专家表示,该公司也加强了对云计算三巨头在企业IaaS领域的挑战。 无论企业AI最终是福音还是泡沫,IT买家现在都需要考虑Oracle云基础设施这个新的主要参与者。Oracle本月频频登上头条,包括9月9日发布的强劲云收入预测,这主要得益于来自前沿模型公司的投资,例如OpenAI和软银的Stargate合资企业,该企业于6月与Oracle签署了4.5吉瓦数据中心协议。


Flutter 应用生命周期:使用 AppLifecycleListener 阻止应用崩溃
JarvanMo2025/10/8

当我刚开始进行 Flutter 开发时,应用生命周期(App Life Cycle)感觉就像一个神秘的黑盒子。为什么我点击 Home 键时我的计时器会停止?为什么我恢复应用时相机有时会崩溃?朋友们,答案就在于应用生命周期。 欢迎关注我的微信公众号:OpenFlutter,感谢。 作为一名 Flutter 开发者,掌握应用生命周期不仅仅是一个好主意——它是构建专业应用的必不可少的条件。它能让你防止应用崩溃、节省用户的电量,并保护他们宝贵的数据。 本指南将详细解析这些关键状态,并使用 AppLif


基于Hadoop的车辆二氧化碳排放量分析与可视化系统|基于Spark的车辆排放量实时监控与预测系统|基于数据挖掘的汽车排放源识别与减排策略系统
计算机源码社2025/10/9

💕💕作者:计算机源码社 💕💕个人简介:本人八年开发经验,擅长Java、Python、PHP、.NET、Node.js、Spark、hadoop、Android、微信小程序、爬虫、大数据、机器学习等,大家有这一块的问题可以一起交流! 💕💕学习资料、程序开发、技术解答、文档报告 💕💕如需要源码,可以扫取文章下方二维码联系咨询 💕💕Java项目 💕💕微信小程序项目 💕💕Android项目 💕💕Python项目 💕💕PHP项目 💕💕ASP.NET项目 💕�


从0到1微调DeepSeek大模型,LoRA+4位量化让24GB显卡也能玩转
陈敬雷-充电了么-CEO兼CTO2025/10/10

注:此文章内容均节选自充电了么创始人,CEO兼CTO陈敬雷老师的新书《GPT多模态大模型与AI Agent智能体》(跟我一起学人工智能)【陈敬雷编著】【清华大学出版社】 清华《GPT多模态大模型与AI Agent智能体》书籍配套视频课程【陈敬雷】 文章目录 GPT多模态大模型与AI Agent智能体系列二百一十六从0到1微调DeepSeek大模型,LoRA+4位量化让24GB显卡也能玩转一、为什么要微调DeepSeek?从“通才”到“专家”的蜕变二、微调核心原理:从损失函数到数据策略

首页编辑器站点地图

Copyright © 2025 聚合阅读

License: CC BY-SA 4.0