精确并自动化地获取页面首屏时间

如何自动获取首屏时间

作者：刘远洋

公司：微店 - 前端团队

日期：2018-03-05

本文发表在 微店前端团队 blog

背景

在前端性能数据的获取方法上，现在业内大多使用手动埋点的方式，即在代码中，人工判断首屏完成的位置，并在该处添加首屏记录的代码，类似：firstscreen.report() 这样。

这样做的简单省事，但缺点也很明显：

• 和业务代码混用

  通用的监控需求混入了业务代码中

• 覆盖不完整

  需要页面开发者自觉手动添加埋点代码，在业务中埋点覆盖率不一定能达到 100%

• 准确性不一定高

  由于需要开发者自行判断统计脚本放置的位置，就会存在一些不准确的情况，因为每个人对首屏的理解不同

基于上面的分析，我们近期尝试了一些方案，试图将首屏时间计算自动化，节省人力、并提高准确性。

定义

对首屏时间的定义，每个公司可能会有所不同，在本文中，首屏时间指的是：

• 如果页面首屏有图片

  首屏时间 = 首屏图片全部加载完毕的时刻 - window.performance.timing.navigationStart

• 如果页面首屏没有图片

  首屏时间 = 页面处于稳定状态前最后一次 dom 变化的时刻 - window.performance.timing.navigationStart

实现原理

总体思路为：

• 从页面加载开始，按照一定的间隔打点，不断记录各个时刻下页面首屏图片列表和其他信息

  问题：按照怎样的间隔打点？

• 找出页面首屏处于稳定状态的时刻 T1（到这个时刻为止，页面首屏可能已经稳定了一段时间）

  问题：如何找出这个 T1？

• 以 T1 时刻的首屏图片数量为准，向前倒推，找到所有打点中最后一次和 T1 时刻首屏图片一致的打点时刻 T2
• 统计 T2 时刻的所有图片加载完成时间 T3
• T3 即为首屏完成的时刻，进行上报

下面，一个个解决上文中提到的问题：

• 问题：如何找出首屏处于稳定状态的时刻 T1？

  我们将页面从加载到渲染分为两大阶段：1. 获取数据；2. 数据获取完毕，渲染页面。

  这个逻辑符合绝大部分的页面逻辑：先获取数据，再渲染页面。

  解决方案：

  1. 通过 AOP 切面方式监听 XHR 的 send 对象，抓取页面中的第一个 XHR 请求，以第一个 XHR 请求发出的时刻为起点，统计在 1000ms 以内所有发出的请求到数组 Request 中。

     我们认为可能影响首屏的请求在 [第一个 xhr 请求发出的时刻，第一个 xhr 请求发出的时刻 + 1000ms] 的时间段内均已发出。

  2. 针对串联型的请求（即下一个请求依赖上一个请求的返回数据），同时统计每个请求返回后，500ms 以内新发出的请求到数组 Request 中。

     有些页面的数据请求方式是串行的，可能经过两个串联的请求后首屏的数据才能加载。

     影响首屏的请求可能也会以这样的形式发出。

  3. 数组 Request 中统计到的请求，基本包含了所有影响首屏的数据请求，同时也包含了部分不影响首屏的数据请求。
  4. 针对上述统计到的请求，找到所有数据返回的时刻 T1，然后，T1 = T1 + 300ms，保证页面接收数据后渲染完毕（300ms 用于一次渲染足够了）。
  5. 此时的 T1 时刻，页面首屏被认为处于稳定状态。

• 问题：按照怎样的间隔打点？

  • MutationObserver

    大家都知道 MutationObserver 对象用于捕捉页面 dom 变化，因此在脚本中，我们使用了 MutationObserver 监听 dom 变化，并在每次 dom 变化时触发一次打点（统计该时刻首屏图片信息）

  • setInterval

    setInterval 也能实现定时打点

  • MutationObserver 和 setInterval 组合

    但 MutationObserver 回调函数的触发时机开发者并不可控，有几种情况：

    • 两次回调之间可能距离几百毫秒甚至 1秒多，导致统计误差较大
    • 某些情况下，dom 不再变化，但页面元素中，img 的 src 发生了变化或元素的 background-image 发生了变化，并不会触发在 MutationObserver 的回调，导致统计失误

      因此，我们现在的方案是结合 MutationObserver 和 setInterval，在 MutationObserver 回调的间歇，启动 setInterval，保证页面加载过程中打点间隔不会过长，提高统计准确率。

统计误差

即使使用了上述复杂的打点与判断，误差仍然存在，那么，误差到底在哪里？

如下图所示：

不稳定状态（1 images）   稳定状态2（2 images）      稳定状态1（2 images）
    |                        |                       |
    |________________________|_______________________|
    t1                       t2                      t3

按照上面的理论，我们会取 t2 时刻为可以统计首屏的时刻，两张图片加载完成的时刻即为首屏完成的时刻。

t2 和 t1 时刻差了 1 张图片。

按照我们的理论，首屏完成时间一定在 t2 之后的某个时刻 t2.n。

而实际相差的那张图片，什么时候加载完成的，我们不得而知，可能在 t2 前已经加载完毕了，也可能已经发出请求，但还没加载完毕。

误差就在这里，它总会存在。

但我们需要统计的是在误差可以接受范围内的首屏数据，根据在公司业务实践的反馈来看，数据可靠性很高。

Talk is cheap, show me the code

我们也开源了这个小工具：

github: auto-compute-first-screen-time

npm: auto-compute-first-screen-time

欢迎小伙伴们使用，吐槽，改进。