Saiz Himpunan dan Pengoptimuman Kod
Kurangkan saiz himpunan Worker dan penggunaan CPU supaya kod tepi anda dimuatkan dengan lebih pantas dan berjalan dalam had yang ditetapkan.
Saiz Himpunan dan Pengoptimuman Kod ialah pelajaran Pengkomputeran Pinggir dengan Cloudflare Workers & Deno percuma di CoddyKit. Ini ialah pelajaran 4 daripada 4. Anda boleh membaca keseluruhan pelajaran di bawah secara percuma — kemudian berlatih secara praktikal dalam pelayar menggunakan penyunting kod terbina dalam dan tutor kecerdasan buatan 24/7. Pelajaran ini merupakan sebahagian daripada laluan pembelajaran Pengkomputeran Pinggir dengan Cloudflare Workers & Deno, dan kemajuan anda disegerakkan merentas web serta aplikasi CoddyKit. Kursus Pengkomputeran Pinggir dengan Cloudflare Workers & Deno merangkumi sejumlah 4 pelajaran.
Mengapa Saiz Himpunan Penting
Worker mempunyai had saiz skrip (1 MB dimampatkan pada pelan percuma, lebih besar pada pelan berbayar).
Himpunan yang lebih kecil bermaksud:
- Penghuraian dan permulaan yang lebih pantas
- Jejak memori yang lebih rendah
- Kesan permulaan sejuk yang berkurang
Mengoptimumkan kod anda memberikan peningkatan prestasi langsung di edge.
Ukur Sebelum Mengoptimumkan
Wrangler melaporkan saiz himpunan anda pada setiap binaan. Sentiasa ukur dahulu.
wrangler deploy --dry-run
# Total Upload: 142.18 KiB / gzip: 38.94 KiBGegaran Pepohon
Gunakan import/export modul ES supaya penghimpu boleh melakukan gegaran pepohon terhadap kod yang tidak digunakan.
Import hanya perkara yang anda perlukan; jangan import seluruh pustaka apabila satu fungsi sahaja mencukupi.
// Good: only pulls debounce
import debounce from 'lodash-es/debounce';
// Bad: pulls all of lodash
import _ from 'lodash';Utamakan Kebergantungan Ringan
Pakej npm yang berat cepat membesarkan himpunan. Utamakan pustaka kecil yang mesra edge.
- Gunakan
URL,crypto.subtledanfetchplatform berbanding polyfill - Gantikan moment.js dengan pembantu tarikh kecil
- Audit menggunakan penganalisis himpunan
Gunakan API Standard Web
Worker dan Deno mendedahkan banyak API Platform Web secara natif, jadi anda tidak perlu menghimpunkan polyfill.
// Native crypto, no dependency needed
const hash = await crypto.subtle.digest(
'SHA-256',
new TextEncoder().encode('hello')
);Peminifan
Wrangler meminimumkan binaan produksi secara lalai, tetapi sahkan bahawa ciri itu didayakan.
[build]
minify = trueKurangkan Masa CPU
Worker dicaj dan dihadkan berdasarkan masa CPU, bukan masa jam sebenar. Optimumkan laluan panas:
- Elakkan gelung segerak pada tatasusunan yang sangat besar
- Cache hasil yang dikira dalam KV atau memori
- Strim respons besar dan bukannya menyangga
Strim dan Bukannya Menyangga
Penstriman menghantar data semasa data dihasilkan, mengekalkan penggunaan memori yang rendah dan CPU yang stabil.
const { readable, writable } = new TransformStream();
response.body.pipeTo(writable);
return new Response(readable, response);Muatkan Kod yang Jarang Digunakan Secara Lewat
import() dinamik boleh menangguhkan pemuatan laluan kod yang tidak sentiasa diperlukan, sekali gus memastikan modul awal kekal kecil.
if (needsHeavyFeature) {
const { process } = await import('./heavy.js');
process();
}Analisis Himpunan Anda
Gunakan penganalisis untuk melihat kebergantungan yang paling besar. esbuild (yang digunakan oleh Wrangler) boleh menghasilkan fail metafail.
esbuild src/index.ts --bundle --metafile=meta.json
# upload meta.json to esbuild.github.io/analyzeRingkasan Amalan Terbaik
Untuk memastikan kod edge pantas dan kecil:
- Ukur saiz himpunan pada setiap pelancaran
- Lakukan gegaran pepohon dan import secara terpilih
- Utamakan API Web natif berbanding polyfill
- Minimumkan, strim dan muatkan secara lewat
- Kurangkan masa CPU dalam laluan panas
Semakan Ringkas
Teknik manakah yang paling langsung membolehkan penghimpu membuang kod pustaka yang tidak digunakan?
Imbas Kembali
Anda telah mengoptimumkan saiz dan kelajuan:
- Ukur dahulu, kemudian lakukan gegaran pepohon dan peminifan
- Gunakan API Web natif dan kebergantungan ringan
- Strim dan muatkan secara lewat untuk mengurangkan memori dan CPU
- Analisis himpunan untuk mencari punca masalah
Worker yang ringkas bermula lebih pantas dan kosnya lebih rendah; setiap kilobait penting di edge.
Pelajari Pengkomputeran Pinggir dengan Cloudflare Workers & Deno dengan tutor kecerdasan buatan — percuma
Tulis dan jalankan kod sebenar dalam pelayar anda, dapatkan bantuan segera daripada tutor kecerdasan buatan yang tersedia 24/7, dan sambung semula dari tempat anda berhenti di web atau dalam aplikasi.
- Kursus
- 12
- Pelajaran
- 47
Soalan Lazim
Adakah pelajaran “Saiz Himpunan dan Pengoptimuman Kod” percuma?
Ya — teks penuh “Saiz Himpunan dan Pengoptimuman Kod” boleh dibaca secara percuma di web ini. Untuk berlatih secara interaktif menggunakan penyunting kod terbina dalam dan tutor kecerdasan buatan 24/7, serta membuka kunci baki kursus Pengkomputeran Pinggir dengan Cloudflare Workers & Deno, tingkat taraf kepada CoddyKit PRO. Kursus Pengkomputeran Pinggir dengan Cloudflare Workers & Deno merangkumi sejumlah 4 pelajaran.
Apakah yang akan saya pelajari dalam “Saiz Himpunan dan Pengoptimuman Kod”?
Kurangkan saiz himpunan Worker dan penggunaan CPU supaya kod tepi anda dimuatkan dengan lebih pantas dan berjalan dalam had yang ditetapkan. Anda berlatih Pengkomputeran Pinggir dengan Cloudflare Workers & Deno menggunakan kod praktikal yang dijalankan terus dalam pelayar, manakala tutor kecerdasan buatan 24/7 menjawab soalan anda semasa anda mengikuti pelajaran.
Adakah saya memerlukan pengalaman untuk memulakan Pengkomputeran Pinggir dengan Cloudflare Workers & Deno?
Tiada pengalaman terdahulu diperlukan. Pembelajaran Pengkomputeran Pinggir dengan Cloudflare Workers & Deno di CoddyKit disusun untuk pelajar daripada peringkat pemula hingga lanjutan, jadi anda boleh bermula di sini atau dari awal dan belajar mengikut kadar anda sendiri. Ini ialah pelajaran 4 daripada 4.
Berapa lamakah pelajaran “Saiz Himpunan dan Pengoptimuman Kod” diambil?
Kebanyakan pelajaran CoddyKit mengambil masa kira-kira 5–10 minit. Setiap pelajaran ringkas dan interaktif, jadi anda boleh membuat kemajuan secara berterusan dan menyambung tepat dari tempat anda berhenti di web atau aplikasi.
Bolehkah saya menulis dan menjalankan kod dalam pelajaran Pengkomputeran Pinggir dengan Cloudflare Workers & Deno ini?
Ya. Setiap pelajaran Pengkomputeran Pinggir dengan Cloudflare Workers & Deno menyertakan penyunting kod terbina dalam, jadi anda boleh menulis dan menjalankan kod sebenar terus dalam pelayar serta menerima maklum balas kecerdasan buatan serta-merta — tanpa memerlukan persediaan setempat.
Semua pelajaran dalam kursus ini
- Strategi Pencagaran
- Permulaan Sejuk & Pemanasan
- Pemantauan & Pengelogan
- Saiz Himpunan dan Pengoptimuman Kod