Lighthouse性能分析中CSS使用跟踪引发的样式重计算问题分析
2025-05-05 00:21:11作者:晏闻田Solitary
背景概述
在GoogleChrome的Lighthouse工具从11.5版本升级到11.7版本后,部分网站出现了明显的性能评分下降问题。经过深入分析,发现这与Lighthouse对CSS使用情况的跟踪机制变更有关,该变更导致了页面加载过程中出现大量不必要的样式重计算(recalc),从而影响了性能评分。
问题本质
问题的核心在于CSS使用跟踪的启用时机。在Lighthouse 11.7版本中,CSS使用跟踪功能(CSS.enable)被提前到了页面导航开始之前,而之前的版本是在页面加载完成后才启用。这种时序上的变化带来了显著的性能差异。
技术原理分析
CSS使用跟踪是Lighthouse用来分析哪些CSS规则实际被页面使用的重要功能。当这个功能被启用时,浏览器需要建立一套复杂的监控机制来跟踪每条CSS规则的应用情况。这个过程本身就会带来性能开销:
- 监控机制开销:浏览器需要为每个CSS规则建立使用情况跟踪
- 样式重计算:启用跟踪会触发整个页面的样式重新计算
- 执行时机影响:如果在页面加载前启用,这些计算会与正常的页面渲染过程重叠
性能影响对比
通过性能追踪可以明显看到两种不同时序的影响:
-
导航前启用CSS跟踪:
- 导致大量样式重计算
- 这些计算与页面正常加载过程重叠
- 显著延长了页面加载时间
-
导航后启用CSS跟踪:
- 样式重计算发生在页面加载完成后
- 不影响核心页面加载性能指标
- 但可能遗漏加载过程中临时使用的CSS规则
解决方案权衡
这个问题实际上反映了性能分析工具中的一个经典权衡:精确性(accuracy)与侵入性(intrusiveness)之间的矛盾。
-
早期启用方案:
- 优点:能捕获所有CSS使用情况,包括临时应用的样式
- 缺点:对页面性能产生显著影响
-
后期启用方案:
- 优点:不影响页面实际加载性能
- 缺点:可能遗漏部分CSS使用数据
最佳实践建议
对于网站开发者,面对这类问题时可以考虑:
- 版本选择:根据实际需求选择Lighthouse版本
- 性能分析:理解不同分析方式对结果的影响
- CSS优化:减少动态样式变更,优化CSS规则
总结
Lighthouse工具在11.7版本中的这一变更,虽然提高了CSS使用分析的准确性,但也带来了性能分析本身的侵入性问题。这提醒我们,在使用任何性能分析工具时,都需要理解其工作原理和可能的影响,才能正确解读分析结果。对于关键性能指标,建议结合多个版本和工具进行交叉验证。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
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-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
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
项目优选
收起
deepin linux kernel
C
24
9
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
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
671
155
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++
660
308
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
392
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322