性能优化之php gzencode请求压缩及前端处理及注意事项

在前端开发过程中,性能优化是非常重要的一部分,或许两到三秒的时间都将有不一样的体验;而且,对于目前前端开发,很多框架的使用,从而导致在开发过程中都会使用ajax和json的方式进行前后台的数据交互,在这过程中,如何优化ajax请求就非常重要;

我们在微信页面项目中,使用vue进行架构,vue resource进行ajax请求;由于做的企业服务;公司组织架构数据量就会因为公司的人员较多而导致数据量过大,请求时间过于长而导致体验很差;

所以最后后台尝试使用php gzencode对请求进行数据压缩;根据后台测试,对压缩后数据量,能够达到只有没有压缩之前数据量的十分之一,效果相当不错,后面的就是前端如何解析数据;

我们前端架构中,使用了node js中间层,主要负责前端页面路由及与后台php进行请求中转;

在使用请求压缩过程中,前端处理以下几个注意事项:
1、在node层中转时,由于需要能够正确返回已经进行压缩后的数据,即The encoded string字符;所以在通过看request api;有如下:

encoding:
- Encoding to be used onsetEncoding of response data. Ifnull, thebody is 
returned as aBuffer. Anything else**(including the default value ofundefined)**
will be passed as the[encoding(http://nodejs.org/api/buffer.html#buffer_buffer)
parameter totoString()(meaning this is effectivelyutf8 by default). 
(**Note:**if you expect binary data, you should setencoding: null.)

可以看出,在node中使用request模块时,因为需要能够正确返回压缩数据,需要在node端请求php时:

request({    
        headers: headers_params,   
        uri: serviceURL,   
        method: 'GET',    
        encoding: config.isCompress ? null : undefined,   
        timeout: 180000
     }, function (error, response, body) {
})

即,如果需要压缩,则encoding: null;如果不需要压缩,则encoding: undefined;

2、在前端,ajax正确返回encoded数据后,需要将其转换成正常的string数据;此时,就使用了一个pako进行数据解析:

var compressToString = function (data) {   
         if (window.pako) {        
                try {           
                       var binData = new Uint8Array(data); 
                       var _data = pako.inflate(binData);
                       try {
                            var array = new Uint16Array(_data);
                            var strData = String.fromCharCode.apply(null, array);
                            //var strData = handleCodePoints(array); //注意事项3会解释
                       } catch (e) {
                            console.log(e)
                       }
                       return strData;
                } catch (e) {
                       return data;
                }
         }
         return data;
};

3、通过2中方式,可以正确解析数据,但是,当数据量过大时,pako会报错误Maximumcallstacksizeexceeded;所以需要如下方式处理:

function handleCodePoints(array) {
    var CHUNK_SIZE = 0x8000; // arbitrary number here, not too small, not too big
    var index = 0;
    var length = array.length;
    var result = '';
    var slice;
    var arr = [];
    for (var i = 0, _i = array.length; i < _i; i++) {
        arr[i] = array[i];
    }
    while (index < length) {
        slice = arr.slice(index, Math.min(index + CHUNK_SIZE, length)); // `Math.min` is not really necessary here I think
        result += String.fromCharCode.apply(null, slice);
        index += CHUNK_SIZE;
    }
    return result;
}

在注意事项2中,将var strData = String.fromCharCode.apply(null, array);这段代码换成var strData = handleCodePoints(array);,即将所有数据进行循环分块解析;

综上,使用请求压缩的方式,可以减少很多的数据请求,对于性能中请求优化是一个很好的方式;在前端处理过程中,也有不少的坑;

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,271评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,275评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,151评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,550评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,553评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,559评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,924评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,580评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,826评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,578评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,661评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,363评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,940评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,926评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,156评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,872评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,391评论 2 342

推荐阅读更多精彩内容