前端体验优化地最终目的就是让用户的使用体感舒适，无阻塞、流畅的得到预期想要的结果，而其中的用户可分为三层：产品用户、公司同事和研发自己。UX、性能优化其实都是体验优化的子集，前端体验犹如下图的冰山那样，在水下别有洞天。
可以将体验优化大致分为 5 个模块，分别是终端、网络、前端、后端以及数据，这 5 个模块可以形成一个闭环。
终端就是浏览器、微信等一类设备，网络就是缓存、协议等一类概念，前端和后端针对的就是技术细节，而数据其实就是最后的分析，对优化前后进行量化对比，最终得出结论，判断此次优化是否成功。
与以往的视觉体验优化（例如线框图的不同布局）不同，本文着重分析的前端体验侧重于技术端和数据分析，更偏向于前端开发人员，而不是 UI 设计人员。
下面是一张前端体验优化的思维导图，还在持续更新中。
其中终端模块的图像、呈现，网络模块，前端模块的 JavaScript、构建都被记录在前端性能精进专栏中。
数据模块的性能指标记录在方法论之测量和分析，监控体系记录在监控系统专栏内（包括 SDK、存储和分析、页面奔溃）。
终端优化的核心是减少渲染时间，网络优化的核心是减少延迟时间，另外三个模块都在服务于这两个模块。
下图描绘了网页在加载过程中，各阶段与上述模块之间的优化关系。
一、终端
终端最常用的就是浏览器，浏览器最需要关注的优化点是两个：图像和呈现。
- 在网页中充斥着图像，而图像往往会增加网页的尺寸，所以优化的重点是用尽手段减小尺寸，例如动态裁剪、响应式、WebP、加载时机的转变等等。
- 呈现涉及浏览器渲染和静态资源的请求，核心就是缩短渲染和资源加载时间，例如只渲染首屏、提前加载后续资源、对重要资源优先请求等等。
微信是一款国民级APP，提供了 JSSDK 和小程序的功能，JSSDK 赋予了用户部分微信的能力，依托微信的生态，小程序现在有了非常广泛的应用。所以对于这个环境，也会有各类独特的优化手段，不过我本人还不熟悉这块。
还有一个很重要的终端就是各类 APP 内置的 WebView，客户端通过 WebView 可以暴露出许多功能，帮助前端页面的优化，例如唤起客户端的登录和支付界面，还有就是最大限度的缓存网页资源，减少网络请求，例如容器化、离线包。
除此之外，还可以增加预请求的能力，将串行的网络请求优化为并行的网络请求，充分利用空闲时间。
诸如 Electron、WebRTC、多媒体等这类优化点，自己并不是很熟悉，在此也不再赘述。
二、网络
当一个请求从终端发出到服务器接收，这段网络传输的时间，其实是我们不可控的。
要优化就只能从起点和终点两处入手。最先想到的就是开启缓存：强缓存和协商缓存。
日常使用最多的是协商缓存，但是在性能提升上，决定强缓存更为明显，因为强缓存后就不会再去服务器请求资源。
不过，为了页面正确，还得设法破坏缓存，尤其是 HTML 文件，例如给 URL 包一层短链，在请求时自动加个时间戳，以此让缓存不再命中。
HTTP 是一种网络协议，目前已经可以广泛使用 HTTP/2 协议，在之前的基础上做了许多优化，例如二进制分帧层、多路通信、首部压缩等，让数据传输的更快以及更大限度的利用好带宽。
协议中的压缩字段，默认都已经开启，对于非媒体文件（例如 HTML、CSS、JavaScript 等）经过压缩后，尺寸可减少 50%，甚至 80%。
HTTP/3 协议解决了上一个协议的几个问题，例如 TCP 队首阻塞、网络切换成本等，不过目前最大的问题还是支持度不够，不能大范围的使用。
HTTPS 是 HTTP 的安全版本，目前有些浏览器默认会将 HTTP 的请求重定向到 HTTPS，这种多余的重定向完全可以避免。
CDN 是一种网络加速服务，目前有很多公司都提供了这类服务，但就是要花钱，只要花钱了，海外都能给你加速，无论静态资源还是动态接口，都可以借助 CDN 加速，现在还能提供对图像的动态裁剪和压缩的功能。
有时候浏览网页会遇到网关报出的 500、502、503、504 等错误，其实就是服务异常、找不到转发服务或转发服务在指定时间内未响应。
对于未响应，可以从相关分析平台找出性能瓶颈，然后在后端部分进行代码优化，很多时候与数据库有关。无论如何，要尽一切可能避免此类错误，这类体验最为糟糕，无法得到预期结果。
三、前端
前端现在已经离不开工程化构建，常见的 Webpack、Rollup 等打包工具提供了许多优化功能，例如压缩、合并、剪枝等，尽量减少网络请求和资源尺寸。
除此之外，尽量减少和选择轻量级的依赖库，也能降低不少的尺寸。随着 IE 这个毒瘤退出舞台，移动端兴起之后，ES6 也被广泛的支持，很多时候都没必要降级到 ES5，再也不用平白无故的多出一大段代码了。
ESBuild 也是一个构建工具，不过与之前的不同，它内部是用 go 编写的，所以说它非常快。
Vite 的开发环境依赖的就是它，但是为了快，就没有提供 AST 的操作能力，导致目前很多的插件无法使用，所以 Vite 生产环境使用的还是 Rollup，是对性能与灵活性的一种平衡。
前端三剑客之一的 JavaScript，是每个前端开发人员每日必会使用到的，对于它的优化基本上都是代码层面的优化，常见的节流和防抖，算法和数据结构，分解或异步执行长任务，本地存储等。
有个库叫 Partytown.js，比较有意思，可以将第三方脚本迁移到 Web Worker 中执行，防止阻塞主线程，不过这还只是个测试性的库。
前端为了让自己的日常工作比较爽，技术栈不能太旧，否则很多新功能都体验不到，太可惜了。在升级技术栈时，还不能影响业务，运营、产品等人可不会在意你用什么技术栈，他们在意的是业务保持稳定，并且还能持续迭代。
前端的基建包括组件化、标准化、工具化、自动化、文档化以及页面规范化，本质就是让自己组的开发效率能更高，与别人协作发生的错误能更少，产品上线后最好没有问题。一句话就是你要好，大家也要好，和谐办公。
在功能上线前，可以对新功能加个开关，万一有问题，就直接关闭新功能，粒度可以是页面级别的。不过前端发版不像客户端那么困难，毕竟做开关是要成本的。灰度和 A/B 测试，在前端也可以执行。
四、后端
传统的前端开发是不接触后端的，但是自从 Node.js 拓宽了前端的边界后，越来越多的前端开始涉足后端，那么就很有必要了解后端的体验优化。
后端的优化大致可分为两部分：Node.js 和数据库，对于它们的监控，市面上有许多成熟的平台，自己搭建的话，成本有点高。
我刚到公司时，还在用 Node.js 的 8.7 版本，明显太老，在挑选第三方库时，还得特地挑老版本，所以说，要将版本进行最适当的升级，在改造成本最小的前提下，升级到最高的那个版本。
上一节讲到基建，其中很多内容都是需要借助 Node.js 实现的，例如通用配置、脚本执行等。
还有下一节中的监控系统，也需要 Node.js 实现，并且还要涉及到消息队列、MySQL、ElasticSearch 等技术点。注意，对于那些非业务服务，需要单独分离，以免异常时影响线上业务。
在有了后端能力后，就能自己写接口，接口的响应格式很重要，在统一后，更容易分析接口的成功和失败细节。并且对于接口，要有安全意识，以及不能因为接口的问题而让页面直接异常，需要用更友好的反馈方式。
目前市面上有许多种数据库，常见的关系型数据库 MySQL，遇到比较多的问题就是数据量上去后的慢响应，很可能导致 504 异常，要么缩小查询范围，要么就是创建合适的索引。
MySQL 处理百万级的数据量绰绰有余，但千万级就比较够呛了，此时除了索引加持外，还需要进行分表、数据归档等手段，其实本质都是为了减少数据量。
与之前的 Node.js 服务类似，对于那些非业务表，可以单独生成一个库来存储，也是避免数据库异常导致线上业务出错。
MySQL 全文检索的能力不行，所以对于大数据量的全文检索需要改用 ElasticSearch，还有那些需要联多张表的情况，也可以将数据存储到 ElasticSearch 中再做查询。
Redis 其实也是一种非关系型的数据库，最大的特点就是快，若要对接口的查询进行优化， Redis 无疑是一种高效的手段。
不过在用 Redis 时需要注意，它只是一种缓存，若没有它，也要能得到预期的数据。也就是说，尽量不要让业务逻辑依赖 Redis 中的数据，Redis 只是为了加速，即使没有了它，线上业务也不应该出错。
五、数据
为了能更好的优化体验，很有必要量化性能，以及监控页面的方方面面。
首先关于性能，目前已有很多工具，例如 Lighthouse、WebPageTest 和 Chrome Devtools，它们会分析页面的性能，不过这些只能算是实验室数据，并不是真实用户的数据。
我们自研了性能监控系统，记录了一系列的指标，包括白屏、首屏等，在搜集过后，提供了多种图表进行性能分析。
力图重现真实用户的使用场景，发现性能瓶颈。前端监控也是自研的，会记录页面的异常、通信、点击等行为，同样提供了各类图表。
通过此系统，可以主动发现页面中的错误，而不是等待用户上报，并且还发现了许多冗余接口。
除此之外，每天都会推送核心指标到前端的飞书群中，包括接口慢响应占比、SLA（服务质量保证，即5XX占比）等，关注服务的健康度。
线上还会实时监控页面、接口和数据库的错误情况，当达到某一个阈值时，就会发送告警到飞书中，同样是为了在用户上报前发现问题。
为了能更好的与公司同事协作，我们组制订的每双月的需求提测率和用户满意度评分，当然，这个用户是内部员工。
之所以是提测率而不是完成率，是因为很多时候项目是要与服务端协作的，可能我们做完了，他们还没完成，而这种情况还比较普遍，所以就使用了提测率。
除了技术监控之外，前端人员还需要了解业务监控数据，其实也是为了让自己能更好的理解业务，培养产品思维。
通过埋点将某一处的动作，传输到服务器做存储，然后再经过数据分析人员，绘制成一张张的图表。埋点的采集并不复杂，常见的就是侵入式的在某一处位置加入埋点代码。
若对页面做了某种优化，涉及到业务逻辑时，可以分析埋点数据，比对前后的变化，来决定优化是否成功。
在我们公司，每一个小组都会有一个或两个北极星指标（例如用户新增数、XX营收、日志发布率等），指标的变化就是核心业务的变化。
而在这个指标下面，还有许许多多的细节指标，支撑着北极星指标，以会员为例，日付费人数、日下单量、首次充值人数等。
如果有条件的话，可以让分析人员开放些与自己有关的指标，再与相关人员紧密沟通，让这些数据更有活性。