QQ音乐 Android 客户端的 Web 页面日均 PV 达到千万量级，然而页面的打开耗时与 Native 页面相距甚远，需要系统性优化。本文将介绍 QQ 音乐 Android 客户端在进行 Web 页面通用性能优化过程中的问题、思路、方案和效果，并尝试对跨端场景的常见瓶颈和对策进行归纳。文章作者：关岳，QQ音乐客户端开发工程师。
一、问题与目标
作为一款注重于内容运营的应用程序，QQ 音乐 Android 客户端的 Web 页面日均 PV 达到千万量级，评论页、MV 页等核心页面均有 Web 页面参与，或完全由 Web 实现。
客户端内 Web 页面的打开耗时与 Native 页面相距甚远，需要系统性优化。然而，现有的前端和跨端优化方案，存在一定局限性。
1. 前端优化的局限
针对 Web 页面的耗时优化，在优化思路、方案、服务、工具链等方面都已经建设得非常详细。然而，在客户端内 Web 页面这一场景，纯前端优化存在以下两个局限：
无法规避 WebView 初始化耗时
受限于 WebView 生命周期范围
从客户端角度，除了思考优化 WebView 初始化耗时之外，还可以从 “扩展前端生命周期” 的角度出发，思考优化方案。
2. 跨端优化的局限
现有跨端优化方案，包括离线包、VasSonic 等，为了达到最好的优化效果，均需要前端终端共同参与改造。这导致存量页面的逻辑改造增加，对线上页面不够友好，引入额外的成本和风险。在前端开发资源不足时，这些优化的开展存在一定难度。
从减少前端开发工作量的角度来看，需要思考更具通用性、前端感知更小的优化方案。
3. 目标
基于本次优化的背景，本次优化提出以下两方面的目标：增强通用性、减少前端改造成本。
二、指标设计
在展开优化思路和实施的同时，需要建立衡量优化效果的性能指标。
1. 客户端现有性能指标数据
接下来基于客户端内 Web 页面加载过程，描述客户端现有性能指标代表的时机。
（1）客户端 WebView 回调
基于 Android WebView 的过程监控回调和页面框架能力，可以实现的性能监控包括：
其中，
onMainFrameFinished取第一个非主请求 (HTML) 的资源被拦截的时机。对于绝大多数页面来说，此时已经完成主请求 (HTML) 的下载，并已经开始解析；可以粗略代表主请求流程结束。
（2）W3C Performance Timing
与客户端回调相比，W3C Performance Timing 提供了更细致的加载过程信息，但是不包含 WebView 开始初始化的时间点。下图中仅列出部分：
2. 各端单独采集的局限
（1）前端采集的局限
无法独立获取 WebView 开始初始化的时间点。
想获取最精确的加载完成时间点，主要依赖手动埋点。
（2）客户端采集的局限
SSR (服务端渲染) 和 CSR (客户端渲染)，页面内容可消费的时间点不一致。
对 WebView 页面加载周期来说：
CSR 页面需在前端页面框架加载后再展示数据，内容请求完成并上屏，发生在页面加载完成之后
SSR 页面的首次内容上屏可携带首屏数据，因此在页面加载完成之前，页面内容已经可以被消费
客户端回调时机不够完整或过于“苛刻”，测不准“页面内容可消费”的时间点。
通过追溯客户端 onPageFinished 的回调时机，发现对应的 Blink 代码要求必须满足：页面解析完毕、 没有正在下载的资源等条件。
按照这个标准，一旦存在某个图片一直处在加载中，但页面框架的其他内容均已处理完毕，onPageFinished 回调也会等待图片加载完成才回调，与实际上的 “页面内容可消费” 时间点存在差异。
3. 指标设计方案
结合上述分析，可以确定：
最准确的页面加载完成时机来自前端
最准确的 WebView 初始化时机来自客户端
因此，完善的耗时测量需由客户端和前端协同完成。
（1）前端侧
前端自行完成结束时间点的设置，并从客户端获取 WebView 初始化时间点，统计上报打开耗时。
前端通过手动埋点或监听 DOM 节点数变更，获取加载完成时间点。
前端统计时调用客户端提供 JSAPI，获取以 WebView 初始化时间点作为起点的耗时。
并由前端完成加载耗时的计算和统计上报。
（2）客户端侧
作为一个补充方案，客户端可以通过 JavaScript 注入获取上述 W3C Performance Timing 中的 domInteractive 时间点，作为结束时间点。
前端
domInteractive时，已完成所有页面展示必需资源的请求和处理耗时的差异，可以体现任何页面的客户端通用优化效果
可以衡量SSR(服务端渲染) 页面的可消费耗时，和CSR(客户端渲染)页面的首帧耗时
webView.evaluateJavascript(
script = “(function(){return performance.timing.domInteractive;})();”,
callback = { value ->
responseEndDuration = value.toLong() - getOnCreateTimestamp()
}
)
虽然 WebKit 负责维护 Performance Timing 的值，但是 WebView 并未提供接口获取上述时间点的值。
三、优化方案和效果
1. 优化方案概述
基于客户端内 Web 页面的加载流程，从 “WebView 初始化耗时优化”、“资源加载耗时优化”、“逻辑处理耗时优化” 三个方面，提出了 5 个优化项。
TBS (X5 内核) 环境预加载
WebView 实例池
主请求并行加载
Web 公共资源池
跟肤逻辑优化
各优化项在 Web 页面加载过程中的生效时机如下：
2. 优化手段说明
（1）WebView 初始化
经过前期分析，WebView 初始化耗时本身的耗时压缩空间比较有限。因此优化手段主要以初始化逻辑前置为主。例如，“WebView 实例池” 通过在应用位于后台、主线程卡顿影响不明显的时机进行 WebView 预初始化，置换启动 Web 页面时的初始化耗时。
（2）客户端自建缓存
为了实现前述各项资源加载优化，客户端需要独立于 WebView 的缓存机制，自建一个资源缓存。
自建缓存参考客户端常用的三级缓存机制，基于 WebView 的强生命周期，设计了 “冷-热缓存循环” 的缓存生命周期。
例如，在 WebView 初始化的同时，自建缓存把页面需要的资源从文件系统加载到内存；向 WebView 资源拦截回调输入字节流时，自建缓存一定从内存缓存中输出，输出完毕后即可立即从内存缓存中被清除。这一机制可以使内存缓存的淘汰更积极，字节流在内存中停留的时间更短，减少内存占用。
（3）公共资源内联
在完成公共资源池开发后，页面打开耗时出现了负优化的情况。经过分析，确定与资源拦截回调的性能瓶颈有关。
单线程模型导致读写性能下降
被拦截资源的数量越多，对性能的影响越容易被放大
因此，为了减少资源拦截回调的性能影响，从减少拦截次数的角度，引入了公共资源内联优化。
公共资源加载到热缓存后，转换为对应的 HTML 节点
主请求并行加载完成后，直接在主请求字节流中替换其对应的外联节点；替换后的新字节流返回 WebView
引入公共资源内联后，基本抵消了资源拦截回调的性能影响，页面加载耗时提升 3.2%。
3. 优化效果
QQ 音乐 Android 端内评论页：
加载耗时降低 26.2% (1932ms → 1426ms)
跳出率降低
停留时长中位数增加
四、跨端场景的瓶颈与对策
基于在 WebView 场景下的优化过程，推及跨端场景可能存在的类似问题，本文尝试给出一些跨端场景中可能的性能瓶颈及应对方式。
1. 前终端通信通道效能不足，考虑 “少次多量”
跨平台方案 (WebView、React Native 等) 普遍存在前终端通信通道效能不足的问题。
WebView 通道不支持较大量级数据的传递
通信线程多为单线程，甚至需要在主线程发起或处理通信
对传递次数的敏感程度大于对传递数据总量的敏感程度
因此，当在跨端场景出现大数据量传递时，需要优先考虑当前通信通道的可用性。在需要传递数据总量无法压缩的情况下，如果通道允许，尽量减少传递次数，增加单次传递的数据量。
“公共资源内联” 即是这一思路的实践。
2. 扩展生命周期
前端生命周期有限。客户端可以利用在前端生命周期以外的时间，进行适当的资源前置和逻辑前置，降低页面加载耗时。
例如上述优化中的 “公共资源池”、“主请求并行加载” 等，体现了扩展生命周期的思想。除此之外，微信小程序的双线程模型[1]通过引入 JSCore，增加前端代码的可执行时长，并通过离线包等手段帮助前端扩展生命周期。
3. 精简 / 前置公共库代码
如果前端页面共用公共库，随着前端业务的复杂化，公共库的自然膨胀，可能会放大脚本解析与执行的耗时。
针对 Web 页面，可以通过精简基础库的方式，减少无关代码的执行；针对 React Native 页面，可以通过进行分包和实例预加载，让更多基础库代码在页面加载前执行，从而降低页面启动时执行的代码量，减少耗时。
五、总结与展望
本文基于客户端内 Web 页面的加载特点，针对 WebView 初始化、资源加载和逻辑处理现状中的问题和瓶颈，设计并实施了 5 个优化项，优化效果比较明显。并且尝试对跨端场景的瓶颈与对策进行归纳，尝试为后续跨端场景的优化工作提供思路。
未来，团队还将进一步丰富客户端与前端的协同性能监控，并允许前端通过更精细化的方式启动客户端 Web 页面框架。远期，还将尝试探索 CGI 前置、引入 JSCore 等手段，进一步提升特定场景下的 Web 页面加载耗时。
参考资料：
[1] 微信小程序的双线程模型：
https://developers.weixin.qq.com/ebook?action=get_post_info&docid=0000286f908988db00866b85f5640a
看腾讯技术，学云计算知识，关注云加社区