React Academy · Pelajaran

Mengukur Dampak Streaming: FCP, TTI, dan LCP

Bandingkan kinerja nyata streaming SSR dengan SSR yang memblokir menggunakan Lighthouse dan WebPageTest.

Pelajaran 4 dari 413 langkah

Mengukur Dampak Streaming: FCP, TTI, dan LCP adalah pelajaran React Academy gratis di CoddyKit. Ini adalah pelajaran 4 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar React Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus React Academy mencakup 4 pelajaran total.

FCP: Cat Konten Pertama

FCP mengukur waktu sejak awal navigasi hingga bagian konten pertama (teks, gambar, atau latar belakang) digambar di layar. Streaming meningkatkan FCP dengan segera mengirim kerangka HTML — peramban dapat menggambar tata letak, navigasi, dan teks apa pun di atas area tampilan segera setelah potongan pertama tiba.

Cara Streaming Meningkatkan FCP

Dengan SSR sinkron (renderToString), peramban tidak menerima HTML apa pun hingga seluruh proses render selesai. Dengan streaming, peramban menerima kerangka HTML dalam hitungan milidetik sejak permintaan dibuat — tata letak dan konten statis muncul hampir seketika, sehingga FCP berkurang secara signifikan.

LCP: Cat Konten Terbesar

LCP mengukur waktu saat elemen terbesar yang terlihat di area pandang digambar — biasanya gambar hero atau judul besar. Streaming meningkatkan LCP jika elemen LCP merupakan bagian dari kerangka (bukan berada di dalam batas Suspense), karena kerangka dialirkan sebelum bagian mana pun yang bergantung pada data.

Memastikan Elemen LCP Berada dalam Kerangka

Pengoptimalan penting adalah merancang halaman agar elemen LCP — bagian hero, judul utama, atau gambar unggulan — berada di luar batas Suspense mana pun. Jika elemen LCP berada di dalam batas Suspense yang menunggu data, streaming tidak dapat membantu LCP hingga data tersebut selesai diproses.

TTI: Waktu hingga Interaktif

TTI mengukur waktu saat halaman dapat merespons masukan pengguna secara andal — tanpa tugas panjang yang memblokir utas utama. Streaming yang digabungkan dengan hidrasi selektif mengurangi TTI dengan menyebarkan pekerjaan hidrasi dari waktu ke waktu, bukan menjalankan satu tugas hidrasi sinkron yang besar setelah seluruh JavaScript diunduh.

TTFB: Hal yang Tidak Diperbaiki Streaming

Waktu hingga Byte Pertama (TTFB) ditentukan oleh latensi jaringan dan waktu pemrosesan server sebelum byte pertama dikirim. Streaming tidak mengubah TTFB — di sinilah perenderan di server tepi membantu. Agar streaming meningkatkan FCP, Anda terlebih dahulu memerlukan TTFB yang rendah; jika tidak, Anda hanya melakukan streaming dari server asal yang lambat.

WebPageTest untuk Analisis Pengaliran

Tampilan strip film WebPageTest menampilkan rangkaian tangkapan layar yang diambil setiap 100 md selama pemuatan halaman. Halaman dengan pengaliran menampilkan tata letak sejak awal, lalu bagian-bagiannya terisi secara bertahap. Halaman tanpa pengaliran menampilkan layar kosong yang kemudian tiba-tiba berubah menjadi halaman yang sepenuhnya ditampilkan—perbedaan visual yang jelas.

Menyiapkan Tolok Ukur Pengaliran

Tolok ukur yang bermakna membandingkan halaman yang sama, ditampilkan dengan dua cara: dengan pengaliran RSC Next.js diaktifkan dan dengan SSR sinkron tradisional. Gunakan WebPageTest dengan kondisi jaringan tetap, misalnya 3G Cepat dan perlambatan CPU 4x, lalu bandingkan metrik FCP, LCP, dan TTI dalam 3 kali pengujian untuk memperoleh keyakinan statistik.

Pembatasan Jaringan di DevTools

Tab Network di Chrome DevTools memiliki menu tarik-turun "Pembatasan" dengan prasetel seperti 3G Cepat dan 4G Lambat. 3G Cepat (1,6 Mbps, RTT 150 md) memperjelas perbedaan antara pengaliran dan tanpa pengaliran karena memperbesar waktu pengunduhan seluruh dokumen HTML, sehingga peningkatan dari pengaliran bertahap terlihat.

INP: Metrik yang Paling Penting

Interaksi hingga Cat Berikutnya (INP) mengukur waktu sejak interaksi pengguna apa pun hingga cat berikutnya. Metrik ini menggantikan FID sebagai Metrik Web Inti pada 2024. Pengaliran mengurangi INP dengan memprioritaskan hidrasi komponen interaktif yang kemungkinan besar akan digunakan pengguna terlebih dahulu, sehingga mengurangi waktu pemblokiran sebelum komponen tersebut dapat merespons.

Menggabungkan Pengaliran dengan Perenderan Tepi

Konfigurasi dengan dampak terbesar menggabungkan perenderan tepi, dengan TTFB rendah dari titik kehadiran terdekat, pengaliran, dengan pengiriman HTML bertahap, serta hidrasi selektif, dengan pemrosesan JS bertahap. Bersama-sama, ketiga teknik ini meminimalkan setiap metrik kinerja utama sepanjang seluruh siklus pemuatan.

Metrik yang Paling Ditingkatkan oleh Pengaliran

Metrik kinerja apa yang paling langsung ditingkatkan oleh pengaliran React untuk konten di bagian atas layar?

Ringkasan Pelajaran

Pengaliran paling langsung meningkatkan FCP dengan segera mengirimkan kerangka HTML, dan meningkatkan LCP jika elemen LCP berada di dalam kerangka tersebut. TTI meningkat melalui hidrasi selektif yang menyebarkan pekerjaan JS seiring waktu. TTFB tidak berubah—atasi hal itu dengan perenderan tepi. Gunakan strip film WebPageTest dan pembatasan jaringan Chrome DevTools untuk mengukur dampak pengaliran, serta optimalkan INP sebagai metrik interaktivitas utama dalam Metrik Web Inti.

Gratis untuk memulai

Belajar React dengan tutor AI — gratis

Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.

Kursus
88
Pelajaran
324

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Mengukur Dampak Streaming: FCP, TTI, dan LCP” gratis?

Ya — teks lengkap “Mengukur Dampak Streaming: FCP, TTI, dan LCP” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus React Academy, upgrade ke CoddyKit PRO. Kursus React Academy mencakup 4 pelajaran total.

Apa yang akan aku pelajari di “Mengukur Dampak Streaming: FCP, TTI, dan LCP”?

Bandingkan kinerja nyata streaming SSR dengan SSR yang memblokir menggunakan Lighthouse dan WebPageTest. Kamu berlatih React Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.

Apakah aku perlu pengalaman untuk memulai React Academy?

Tidak diperlukan pengalaman sebelumnya. React Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 4 dari 4.

Berapa lama pelajaran “Mengukur Dampak Streaming: FCP, TTI, dan LCP” memakan waktu?

Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.

Bisakah aku menulis dan menjalankan kode dalam pelajaran React Academy ini?

Ya. Setiap pelajaran React Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.

Semua pelajaran dalam kursus ini

  1. Streaming React 18: Cara Kerja renderToPipeableStream
  2. Batas Suspense dan Prioritas Streaming
  3. Hidrasi Progresif dengan Hidrasi Selektif
  4. Mengukur Dampak Streaming: FCP, TTI, dan LCP
← Kembali ke React Academy