4
回答
淘宝详情页的 BigRender 优化与存放大块 HTML 内容的最佳方式
利用AWS快速构建适用于生产的无服务器应用程序,免费试用12个月>>>   

对于复杂页面,为了将用户关注的内容尽可能快渲染出来,至少有两种方式:

一、Facebook 的 BigPipe 方式。先输出页面整体布局,然后逐步输出脚本块,一边输出一边执行,将内容渲染回页面布局中。这样可以让服务端的运算、网络传输和浏览器端的渲染变成并行。BigPipe 最主要解决的问题是服务端的运算时间,当服务端的运算时间大于 300 ~ 500ms 时才能体现出优势。当服务端响应非常快(小于 100ms),BigPipe 退化为下面要讲的 BigRender.

二、淘宝商品详情页的 BigRender 方式。淘宝的商品详情页,服务端平均响应时间为 52ms, 采用 BigPipe chunked 输出意义不大。这次优化主要在浏览器端。页面下载完毕后,要经过 Tokenization — Tree Construction — Rendering. 要让首屏尽快出来,得给浏览器减轻渲染首屏的工作量。可以从两方面入手:

  1. 减少 DOM 节点数。节点数越少,意味着 Tokenization, Rendering 等操作耗费的时间越少。(对于典型的淘宝商品详情页,经测试发现,每增加一个 DOM 节点,会导致首屏渲染时间延迟约 0.5ms.)
  2. 减少脚本执行时间。脚本执行和 UI Update 共享一个 thread, 脚本耗的时间越少,UI Update 就能越发提前。

减少首屏 DOM 节点数

对于 BigPipe 来说,初始输出的只有页面布局,DOM 节点数不多。首屏的 DOM 节点数主要取决于首屏脚本块中,字符串化的 html 代码:

big_pipe.onPageletArrive({ "content": { /* data */ } })

这种方式下,页面中的 DOM 节点是逐步增加的。尚未渲染的 DOM 节点,不会影响 TTI 区域。

对于 BigRender 来说,减少 DOM 节点数的方式有:

  1. 和 Facebook 的 BigPipe 一样,调整页面代码为 页面布局 + 脚本块。BigPipe 是服务器 chunked 输出 html 内容,BigRender 是服务器一次性输出,其他都是一样的。
  2. 尽量少调整页面代码,但通过某种方式,将首屏不需要的 html 代码先存放起来。渲染好首屏后,再将存储好的 html 代码逐步渲染出来。

用 js 字符串来存放 html 代码

最容易想到的一种方式是学习 Facebook 好榜样,用 js 字符串来存放:

<script>
var data = "<p>some data</p>...";
</script>


这种方式对于 BigRender 来说,并不是很好:

  1. 由于存放在 js 字符串变量中,需要对双引号或单引号转义。
  2. 由于 script 是内嵌的,需要对 script ETAGO 转义。
  3. 服务器端需要将 html 代码转化为一行。(也可以不转成一行,用续行符来做。)
  4. 当 html 代码中含有 script 时,需要先去除 script 中的单行注释,否则转化成一行时,会出问题。这一步,看似简单,实际上很不容易,特别是对于淘宝旺铺这种有第三方代码的情况。(移除注释的方法可以参考:Simple but Safe Comment Removal, 使用正则的方式很难做到 0 bug, 不用正则的话,需要引入 html parser 和 javascript parser, 效率更低。)

把代码规范做好,把校验工作做好,再加上预处理和缓存,js 字符串的方式也是非常不错的。但对于淘宝详情页来说,目前用 js 字符串的方式需要做的改动比较多,增加的服务器消耗不少,不是很合适。

我们这次优化的目标是:

  1. 大幅度减少首屏渲染时间。
  2. 尽量不改变原有开发习惯。
  3. 用尽量少的代码做尽量多的优化。

用注释来存放 html 代码

为了便于获取注释内容,添加一层包裹:

<div id="comment-data"><!--
html code
--></div>

这样,获取代码很简单:

var htmlCode = document.getElementById('comment-data').childNodes[0].nodeValue;

缺点是:

  1. 服务端,html 中的 --> 要替换为某种特殊标记。(不能简单转义为 --&gt;
  2. 服务端,html 中的 -- 也要替换为某种特殊标记。否则在 Firefox 低版本中存在 bug.
  3. 浏览器端,得到 htmlCode 后,要将上面的特殊标记替换回原值。

当 html code 很大时,替换的效率不高。依赖特殊标记的替换理论上也不完美。

还有什么存放方式呢?

HTML 的元素类型

HTML 元素分为五大类:

  1. Void elements. 像 hr, br, base 这种。
  2. Raw text elements. 有两个:script 和 style.
  3. RCDATA elements. 也有两个:textarea 和 title.
  4. Foreign elements. 来自 MATHML 和 SVG 的元素。
  5. Normal elements. 除了以上四种类型之外的所有元素,比如 p, div, iframe 等。

显然,Void elements 和 Foreign elements 不适合用来存放 html 代码。

对于 Normal elements, 里面的 < 字符会被当做 tag open 来解析,有一个方式是通过 display:none 来避免渲染:

<div style="display:none">
html code
</div>

这样做,减少的只是可见的 DOM 节点数,DOM 总数依旧不变。Tokenization — Tree Construction 等操作的耗时并没减少。

我们将重点放到 Raw text elements 和 RCDATA elements 上来。

CDATA, PCDATA 和 RCDATA

先了解下 CDATA(Character Data) 的相关知识点。

在 XML 中,不包含子元素的元素的内容默认必须是 PCDATA(Parsed Character Data):

<data>&lt;p&gt;some text&lt;/p&gt;</data>

“Parsed” 是指 < 和 & 字符要转换成 &lt; 和 &amp; 实体字符形式。如果不想写一大堆 &xx;, 可以直接标记为 CDATA:

<data><![CDATA[<p>some text</p>]]></data>

这是 XML 的习惯,很严格,但对用户并不友好。在 HTML 中,如果要兼容 XML, 得像如下一样:

<script>
//<![CDATA[
var t = "<p>";
//]]>
</script>

增加的 <![CDATA[ 很无聊。script 中本就是 CDATA.

为了让用户更舒心,让代码更自然,HTML 将 script 和 style 定义为 Raw text elements. 也就是说,这两个元素里面的内容是 raw text, 里面出现的 > 就表示 > 字符本身,不会被当作 tag open 来解析;&gt; 也不会根据实体字符来转义,就表示 &gt; 字串自身。这就是 CDATA.

Raw text elements 有一个限制:里面的内容不能有自身的 ETAGO 标记,也就是说,script 里的内容不能含有 </script(\s|\\|>), 否则就会导致 script 提前结束:

<script>
document.write('<script>alert("O HAI")</script>');
</script>

上面的代码会出错,必须打破 &lt/script 组合:

<script>
  // Using string concatenation:
  document.write('<script>alert("heh")<' + '/script>'); // Lame.
  // Using a string literal escape:
  document.write('<script>alert("huh")<\x3Cscript>'); // Lame.
  // Simply escaping the solidus character with a reverse solidus (\):
  document.write('<script>alert("O HAI")<\/script>'); // Awesome!
</script>

style 也类似,不多说。

除了 Raw text elements, 还有 RCDATA elements. 我们来看看。

RCDATA(Replaceable Character Data) 表示里面可以有 &xx; 等实体字符,也可以包含 < 字符而不会被当作 tag open 来解析。比如:

<textarea><p>&lt;</p></textarea>

在 RCDATA 里,&lt; 可替换为 < (Replaceable 的含义),拿到值(比如 textarea.value)后,是无从得知源码里是否有 &lt; 等实体字符的。

用 script 来存放 html 代码

回到正题。在 Raw text elements 里,可以用 script 来存放数据:

<script type="text/html" id="script-data">
<p>some text</p>
</script>

获取也很简单:

var htmlCode = document.getElementById('script-data').innerHTML;

这个方案比用注释来存放的方案更好,但依旧存在以下缺点:

  1. 服务端,要将 script 里 html 中的 </script 替换为某种特殊标记。
  2. 浏览器端,得到 htmlCode 后,要将上面的特殊标记替换回原值。

注意:特殊标记不能是 <\/script, 因为有可能存在以下代码:

<script type="text/html" id="script-data">
<script>
var str = '<\/script>';
<\/script>
</script>

这样替换回原值时,会误伤 str 字符串。

用 textarea 来存放 html 代码

textarea 中的内容会按照 RCDATA 规则来解析:

  1. 遇到 & 时,会尽可能得到实体字符。
  2. 遇到 </textarea(\s|\\|>) 时,会结束解析。
  3. 其他都直接作为 textarea 的内容。
<textarea id="area-data">
<p>some text</p>
</textarea>

获取非常简单:

var htmlCode = document.getElementById('area-data').value;

缺点:

  1. 服务端,要将 html 中的 & 转义成 &amp;
  2. 服务端,要打破 ETAGO, 将 </textarea 转义成 &lt;/textarea

优点很明显,在浏览器端,只需通过 textarea.value 取值即可,无需进行任何转义替换操作。
并且理论上不会出现任何 bug.

存放大块 HTML 代码的最佳方式

经过上面的分析,结果已经很明显,用 RCDATA elements 来存放数据是最妥当的。title 元素明显不合适,因此最后的选择就剩下一个了:textarea. 并且从语义上讲,用 text area 来存放 html text 也说得过去^o^

回到首屏渲染优化

可以根据实际情况,将页面划分成几大区域。非首屏区域,简单转义后,直接用 textarea 包裹起来。这样,DOM 数立刻就减少了。浏览器在拿到 html 代码时,首次 Tokenization — Tree Construction 的速度就会大大加快。

完整的优化,还需要:

  1. 给浏览器合理的喘息(UI Update)时间,等首屏真正在显示器上绘制出来后,再进行下一步操作。
  2. 得到 textarea.value, 填充回 DOM 树时,得妥善处理内嵌的 script 代码。
  3. 对内嵌 script 代码中的 document.write 要妥善处理。
  4. 通过 textarea 回填,里面的非 defer 和 async 脚本会从同步变成异步。要妥善处理依赖关系,不破坏原有脚本逻辑。
  5. 对于优化项目来说,完备的测试和监控非常重要。
  6. 这次还做了 AssetsTransfer. 用户第一次访问时,会将首屏相关的脚本和样式内嵌,并做预加载。用户再次访问时,则改成外链方式,这样能充分利用浏览器缓存,并减少 html 传输量。

最后,给一张优化成果图:

这是一个典型的淘宝详情页的首屏时间趋势图。可看出,首屏时间从优化前的 3s 降低到了优化后的 1.5s 左右,快了一倍!

更深度的优化需要对页面内容(包括脚本)做进一步的细粒度模块化,区分出优先级,然后根据需求,灵活自由地控制各个模块的下载和执行等等⋯⋯

这篇博客写得比较杂,关于 BigRender 优化的更多细节,以后有机会再细说。欢迎反馈、拍砖。欢迎业界各位朋友尝试 BigRender 优化,希望国内的站点速度都越来越快!

参考资料

  1. CDATA
  2. CDATA Confusion
  3. HTML5 Tokenization
  4. The end-tag open (ETAGO) delimiter
  5. tokenization of html
  6. html 实体字符值

补充说明

2011-09-23: 在业界,script 经常用来存放 template 数据:

<script type="text/template">
<h1>{{title}}</h1>
<p>I am {{name}}...</p>
</script>

绝大部分情况下,template 里不会出现 </script . 这样,服务端和浏览器端都无需做任何 replace, 是目前用来存放 template 的最佳实践。

2011-09-24: 举例说明下 textarea 中为何要转义 &. 假设原代码为:

<p>&amp;lt; represents &lt;</p>
<p>&lt;/p&gt;</p>

如果直接放到 textarea 中,

<textarea>
<p>&amp;lt; represents &lt;</p>
<p>&lt;/p&gt;</p>
</textarea>

由于 textarea 是 RCDATA 元素,上面的代码等价于:

<textarea>
<p>&lt; represents <</p>
<p></p></p>
</textarea>

获取 textarea.value, 回填到 DOM 树的代码为:

out.innerHTML = textarea.value;

这时页面中的显示效果明显和原来不一样了。
如果将所有 & 都转化成 &amp; 则可以保持原样。

注意:理论上,并不需要将所有 & 转化成 &amp;, 只需要将与 HTML 语法冲突的字符串 &lt; &gt; &amp; &nbsp; 中的 & 转化成 &amp; 即可。但这样做,还得处理 &#xx 等数值表示,比如 & 还有 &#38; &#0038; 两种表现形式,这样替换起来更麻烦,不如将所有 & 替换成 &amp; 来得快捷高效。

转自 lifesinger.wordpress.com

举报
老盖
发帖于6年前 4回/1K+阅
顶部