Lighthouse项目中a11y gatherer在特定页面卡顿问题分析
2025-05-05 07:25:40作者:虞亚竹Luna
问题背景
在GoogleChrome的Lighthouse项目中,开发团队发现当对某些特定网页进行可访问性(a11y)测试时,测试过程会出现卡顿甚至超时的情况。这一问题在测试"https://almanac.httparchive.org/en/2021/ecommerce"页面时尤为明显,导致PROTOCOL_TIMEOUT错误。
问题定位
经过开发团队的深入排查,发现问题源于Lighthouse 10.0版本之后引入的一个变更。通过二分法定位,团队确认问题与GitHub issue #15216相关。具体表现为"target-size"规则检查耗时过长,导致整个测试过程无法在合理时间内完成。
技术分析
-
target-size规则问题:
- 这是axe-core提供的一个可访问性检查规则,用于验证交互元素的目标尺寸是否足够大(通常建议至少24x24像素)
- 在包含大量相似元素的页面(如带有众多"View Source"链接的页面)上,该规则检查会消耗过多时间
- 问题在页面包含大量Web Mentions(页面底部显示的引用信息)时尤为突出
-
DOM规模影响:
- 测试发现,当页面DOM结构过于庞大时,不仅target-size规则,其他类似规则(如identical-links-same-purpose)也会面临性能挑战
- 在"https://almanac.httparchive.org/en/2021/webassembly"页面上,禁用Web Mentions功能后,测试能够顺利完成
-
配置影响:
- 虽然可以通过配置禁用特定规则(如identical-links-same-purpose)来规避问题
- 但由于Lighthouse审计ID与axe配置之间缺乏直接映射关系,仅通过配置无法完全解决问题
解决方案
开发团队采取了以下措施解决该问题:
-
临时解决方案:
- 在axe-core修复性能问题前,暂时禁用target-size规则检查
- 这确保了Lighthouse测试能够在合理时间内完成,同时不影响其他可访问性检查
-
长期规划:
- 计划改进Lighthouse审计ID与axe配置之间的映射机制
- 待axe-core修复性能问题后,重新启用target-size规则,以保持完整的可访问性检查能力
经验总结
这一案例为Web可访问性测试工具的开发提供了宝贵经验:
- 性能考量:可访问性检查工具在处理大型DOM时需要特别关注性能优化
- 规则选择性:并非所有规则都适合在所有场景下运行,需要提供灵活的配置选项
- 工具集成:当整合不同工具时,需要考虑配置映射等细节问题
该问题的解决确保了Lighthouse工具在保持严格可访问性检查的同时,也能在各种规模的网页上稳定运行。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0116
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
677
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler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。
C
455
437
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++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
116
昇腾LLM分布式训练框架
Python
178
220