sitespeed.io v36.0.0 版本发布:性能测试工具的现代化改造
2025-06-12 00:05:15作者:郜逊炳
sitespeed.io 是一个开源的网站性能测试工具,它能够帮助开发者和运维人员全面监测网站的各项性能指标。通过自动化测试和分析,sitespeed.io 可以提供包括页面加载时间、资源优化建议、可持续性指标等在内的全方位性能数据。
重大变更与现代化改进
本次发布的 v36.0.0 版本是 sitespeed.io 的一次重要现代化改造,移除了大量过时的依赖项,转而使用现代 NodeJS 原生功能实现相同功能。这些改进不仅提升了工具的运行效率,也减少了潜在的安全风险。
可持续性插件优化
新版本对可持续性插件进行了重要调整:
- 不再默认下载 green2URL 数据(服务器名称到绿色数据的映射)
- 用户需要通过设置
DOWNLOAD_URL2GREEN=true环境变量来显式请求下载这些数据 - 更新了 green2url 数据源,使用 2024 年底的最新可用数据
- 新增直接使用绿色主机 API 的选项 (
--sustainable.useGreenWebHostingAPI true)
这一变更使得默认安装包大小减少了 80MB,同时提供了更灵活的可持续性数据获取方式。
CPU 性能分析优化
新版本改进了 CPU 性能分析的逻辑:
- 禁止同时使用
--cpu和--collectProfileRun参数,因为这两个参数的功能存在冲突 - 如果检测到不合理的配置组合,工具会直接报错退出,避免产生误导性的分析结果
用户计时功能调整
对用户计时(User Timing)功能的参数命名进行了规范化:
- 弃用了
userTimingWhitelist参数 - 统一使用
userTimingAllowList作为标准参数名 - 修复了禁用用户计时功能时可能出现的匹配错误
技术架构改进
v36.0.0 版本进行了大规模的技术架构优化,移除了多个第三方依赖,转而使用原生实现:
依赖项替换
- 日志系统:用自定义实现替换了 intel 日志库
- 文件操作:用原生 NodeJS 模块替代 fs-extra
- 数据处理:移除了多个 lodash 工具函数,改用原生实现
- 并发控制:实现了自定义的并发队列管理
- 唯一标识生成:用原生方法替代 uuid 库
这些改进不仅减少了项目的依赖复杂性,还提升了运行时的性能表现。
容器环境更新
Docker 容器环境也进行了多项更新:
- 升级至 Firefox 134 和 Chrome 132 浏览器
- 使用 NodeJS 22 作为基础运行环境
- 移除了不再需要的 WebDriver 管理器
- 优化了容器体积,使 slim 版本更加轻量
- 增加了 CPU 架构信息输出,便于问题诊断
功能增强与问题修复
除了架构改进外,新版本还包含多项功能增强和问题修复:
功能增强
- 更新了 Coach-core 至 8.1.1 版本,提供更准确的性能建议
- 使用官方 Slack 插件替代了旧的 node-slack 实现
- 改进了 CO2 计算模块至 0.16.4 版本
- 优化了 CO2 数据的加载方式,仅在启动时读取一次
问题修复
- 修复了 CLI 命令参数
--summaryDetail的使用问题 - 移除了损坏的连接性文本输出
- 修复了比较插件中 Wilcoxon 测试可能产生 NaN 值的问题
- 确保可持续性数据仅加载一次,避免重复计算
开发者注意事项
对于插件开发者,需要注意以下变更:
- 必须将插件依赖升级至 @sitespeed.io/plugin 1.0.0 或更高版本
- 日志输出方式变更,不再支持 logToFile 选项,建议使用管道重定向
总结
sitespeed.io v36.0.0 版本标志着该项目向现代化 NodeJS 开发实践的重要转变。通过移除冗余依赖、优化架构设计和改进核心功能,新版本提供了更高效、更可靠的性能测试体验。对于现有用户,建议仔细阅读变更说明,特别是那些标记为破坏性变更的内容,以确保平滑升级。
这次更新不仅提升了工具的技术质量,也为未来的功能扩展奠定了更坚实的基础,使 sitespeed.io 能够更好地满足现代 Web 性能测试的需求。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1