Quicklink库中解决CORS预取问题的技术方案
在Web性能优化领域,预取技术是提升用户体验的重要手段之一。GoogleChromeLabs开发的Quicklink库通过智能预取技术,显著提高了页面加载速度。然而,在实际应用中,开发者发现了一个与跨域资源共享(CORS)相关的重要问题。
问题背景
当Quicklink尝试预取跨域资源时,浏览器会将这些资源标记为"opaque"(不透明)类型。这种处理方式会导致后续实际请求这些资源时出现CORS错误,即使服务器已经正确配置了CORS策略。这是因为预取请求和实际请求的CORS处理机制存在差异。
典型的错误表现为:"The resource at [URL] was preloaded using link preload but not used within a few seconds. Make sure all attributes of the preload tag are set correctly."
技术分析
问题的核心在于Quicklink生成的预取链接元素缺少关键的crossorigin属性。根据CORS规范,当请求跨域资源时,如果希望资源被正确处理,需要在请求中明确指定跨域模式。对于不需要凭据的请求,应当设置crossorigin="anonymous"属性。
当前Quicklink的实现中,预取链接的创建过程没有考虑这一属性,导致浏览器无法正确识别资源的CORS状态。这会产生两个主要影响:
- 预取资源可能被错误地标记为不透明资源
- 即使服务器配置了正确的CORS头,浏览器仍可能拒绝使用预取的资源
解决方案
经过技术讨论和验证,最终确定了以下解决方案:
- 在创建预取链接元素时,默认添加
crossorigin="anonymous"属性 - 提供配置选项,允许开发者根据需要指定不同的跨域模式
- 实现自动检测机制,对于同源请求不添加不必要的跨域属性
该方案通过修改Quicklink的核心预取逻辑实现,主要涉及src/prefetch.mjs文件的更新。新的实现会智能判断资源是否跨域,并自动应用合适的跨域属性。
实现细节
在技术实现上,解决方案包含以下关键点:
- 属性自动添加:在创建link元素时,自动添加crossorigin属性
- 智能检测:通过URL分析判断资源是否跨域,避免对同源资源添加不必要的属性
- 配置扩展:扩展Quicklink的API,支持开发者自定义跨域行为
- 向后兼容:确保修改不会影响现有功能的正常使用
实际影响
这一改进为开发者带来了以下好处:
- 消除了因预取导致的CORS错误
- 提高了预取资源的可用性
- 保持了Quicklink的易用性,同时提供了更精细的控制选项
- 改善了整体性能优化效果
最佳实践
基于这一改进,开发者在使用Quicklink时应注意:
- 确保服务器正确配置CORS头信息
- 对于需要凭据的跨域请求,应显式配置
crossorigin="use-credentials" - 定期更新Quicklink版本以获取最新改进
- 在生产环境部署前充分测试预取行为
这一技术改进不仅解决了具体的CORS问题,也为Web性能优化实践提供了更可靠的预取机制,体现了Quicklink项目持续优化用户体验的承诺。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C033
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00