Производительность
Code splitting: route-level, component-level, vendor splitting
Dashboard-приложение шлёт 900 КБ JS на каждую страницу, потому что все routes делят один bundle. Homepage нуждается в React, chart-библиотеке, date picker и admin panel — хотя homepage никогда не показывает chart, не использует admin panel и не рендерит date picker. Три route стоимостей лишнего кода едут к юзеру при каждом визите на каждую страницу.
Route-level splitting
Самое ударное изменение. Каждый route — свой JavaScript chunk; навигация на /settings не скачивает bundle /editor. Каждый современный bundler поддерживает это из коробки.
- Webpack — конфигурация
splitChunks, или React Router 6 сlazy(). - Vite — автоматический per-route splitting при использовании router-плагина.
- Next.js — автоматические per-page chunks в Pages и App Router. Каждый файл в
/pagesили/(routes)— отдельный chunk автоматически. - Remix — route modules автоматически code-split; параллельная загрузка данных встроена.
Senior pattern: у каждого route — свой chunk. Если bundle analyzer показывает, что 40% homepage bundle — от /admin routes, route splitting не работает.
Component-level splitting
Компоненты не на critical path — модальники, сайдбары, drawers, admin tools, сложные charts — должны грузиться только когда нужны. Примитив — dynamic import().
// React
const DatePicker = React.lazy(() => import('./DatePicker'));
// Рендерить только внутри границы <Suspense>
// Vue
const DatePicker = defineAsyncComponent(() => import('./DatePicker.vue'));Правило: любой компонент больше 30 КБ, не рендерящийся при первом paint, должен lazy-load. Типичные кандидаты: rich text editors, data visualisation библиотеки, map components, video players, admin panels.
Lazy-loaded компонент откладывает download до первого рендера. Когда юзер триггерит его (открывает modal, переходит на sub-route), chunk скачивается и парсится на месте. Чтобы избежать видимой задержки при первом взаимодействии, prefetch chunk на hover или когда триггер в зоне видимости:
<link rel="prefetch" href="/chunk-datepicker.js" />Или используй React.lazy с import(/* webpackPrefetch: true */ './DatePicker').
Vendor splitting
Third-party библиотеки (React, React DOM, chart-библиотеки, utility-пакеты) меняются редко по сравнению с кодом самого приложения. Если они bundled с app-кодом, каждый новый деплой инвалидирует кешированную копию обоих у юзера — он перескачивает React, хотя React не изменился.
Vendor splitting помещает third-party библиотеки в отдельный chunk со своим content hash. Юзер кеширует vendor.abc123.js бессрочно. Деплой, изменяющий только app-код, инвалидирует app.def456.js, но vendor chunk остаётся в кеше. При повторных посещениях после деплоя скачивается только небольшой изменившийся chunk.
Как настроить: Webpack splitChunks.cacheGroups, Vite manualChunks, Next.js автоматический framework chunk (framework-*.js в _next/static/chunks/).
| Стратегия | Механизм | Подходит для |
|---|---|---|
| Route-level | Каждый route в своём chunk через bundler или router | SaaS с разными routes, мало общего кода |
| Component-level | dynamic import() + React.lazy / defineAsyncComponent | Модальники, charts, редакторы не на critical path |
| Vendor splitting | Third-party в отдельном content-hashed chunk | Частые деплои app; библиотеки меняются редко |
Граница critical path
Не всё lazy loading бесплатно. Откладывая компонент, при первом открытии chunk скачивается и парсится в foreground. Это улучшает LCP (меньший initial bundle), но может ухудшить INP для конкретного взаимодействия.
Правило: держи на critical path всё, что юзер видит в первые 2-3 секунды загрузки страницы. Откладывай всё остальное. Если компонент ниже fold, за кликом или на route, который юзер посещает вторым — он в lazy chunk.
Почему это работает
Почему vendor splitting помогает, даже если vendor chunk большой? Cache headers. Статические ассеты отдаются с Cache-Control: public, max-age=31536000, immutable — имя файла включает content hash. После того как юзер скачал vendor.abc123.js, он больше никогда не скачивается, пока hash не изменится. Только твой app-код меняется при каждом деплое.
Расставь шаги приведения существующего bundle 1,2 МБ под бюджет 200 КБ per route:
- 1 Открыть bundle analyzer и отсортировать модули по размеру
- 2 Для каждого: не нужен ли он на critical path текущего route?
- 3 Настроить route-level splitting через framework router
- 4 Lazy-load большие компоненты не на critical first-paint path
- 5 Вынести third-party библиотеки в vendor chunk с content hash
- 6 Перезапустить bundle analyzer и проверить, что каждый route под бюджетом
- 7 Добавить CI size-limit gate для enforce бюджета на будущих PR
После lazy-loading chart-компонента 100 КБ LCP улучшился, но юзер сообщает о заметной задержке при первом клике 'Open Chart'. Причина и fix?
Next.js приложение с ежедневными деплоями имеет один большой bundle: React, app-код и библиотеки вместе. После vendor splitting юзеры сообщают: при повторном посещении после деплоя страница грузится быстрее. Почему?
Product-инженер хочет добавить rich text editor (180 КБ) на homepage. Что рекомендует senior?
- 01Объясни route-level, component-level и vendor splitting. Когда каждый — правильный выбор?
- 02Lazy-loaded компонент вызывает видимую задержку при первом взаимодействии. Что исправить?
Code splitting — наиболее ударная bundle-оптимизация: route-level гарантирует, что каждая страница платит только за свой код; component-level откладывает крупные некритичные компоненты; vendor splitting сохраняет кешированные library-чанки при частых деплоях. Примитив для последних двух — dynamic import(), который каждый современный bundler и фреймворк оборачивает в React.lazy, defineAsyncComponent или эквивалент. Все три стратегии суммируются. Следующий урок рассматривает tree shaking и compression — дополнительные техники уменьшения байтов внутри каждого chunk.
встречается в159
- Путь запроса: семь остановок от сокета до ответаjunior
- Accept и парсинг: от очереди ядра до типизированного запросаmiddle
- Маршрутизация и middleware: что выполняется и в каком порядкеmiddle
- Обработчик и ответ: от бизнес-логики до байтов на проводеmiddle
- Стриминг и backpressure: когда клиент читает медленнее, чем вы пишетеsenior
- Таймауты и хвостовая задержка: бюджеты, дедлайны и ловушка fan-outsenior
- Middleware и DI: два паттерна, формирующие любой backendjunior
- Пишем middleware: сигнатуры, next() и три модели фреймворковmiddle
- Инверсия управления: как зависимости добираются до классаmiddle
- Скоупы и время жизни DI: singleton, request, transientmiddle
- DI как шов для тестов: фейки, моки и граница, которая важнаsenior
- DI-контейнеры в продакшене: графы разрешения, циклы и когда не стоитsenior
- Блокирующий vs неблокирующий I/O: два способа ждатьjunior
- Event loop: один поток, упорядоченные фазыmiddle
- Что блокирует цикл: CPU-работа и синхронные вызовыmiddle
- Вынос CPU-работы: worker threads и пул libuvmiddle
- Backpressure и ограниченная конкурентностьsenior
- Пропускная способность под нагрузкой: хвостовая задержка и насыщениеsenior
- Зачем пул: цена создания соединенияjunior
- Размер пула: почему больше не значит быстрееmiddle
- Взятие и таймауты: очередь ожидания — настоящий дроссель задержкиmiddle
- Стратегии retry: backoff, jitter и thundering herdmiddle
- Наблюдаемость, production-инциденты и дизайн для глобального масштабаsenior
- Задачи, микрозадачи и scheduler.yield()middle
- Точность таймеров, троттлинг и фоновая работаmiddle
- Event loop Node.js: фазы, nextTick и задержка циклаsenior
- Стратегии рендеринга: SSG, SSR, ISR, streaming и гидратацияjunior
- SSG, SSR, ISR, streaming и RSC — как работает каждая стратегияmiddle
- Цена гидратации: selective, progressive, острова, resumabilitymiddle
- Core Web Vitals: что измеряют LCP, INP и CLSjunior
- LCP: четыре фазы, одна доминирующая стоимостьmiddle
- INP: input delay, processing, presentationmiddle
- Lab vs field: почему они расходятся и как использовать каждыйmiddle
- Трейдоффы метрик, RUM-атрибуция и цикл CI+полеsenior
- Общая картина: от URL до LCP до INP как эстафетаjunior
- Восемь слоёв трассировки: от service worker до второй навигацииmiddle
- Пять канонических поломок: где производство стабильно ломаетсяsenior
- Метод трёх треков: чтение трасс и построение системы мониторингаsenior
- Что такое индекс и как он ускоряет запросыjunior
- Leading-column rule: почему порядок столбцов в composite-индексе важенmiddle
- Partial, expression и covering-индексыmiddle
- Типы индексов: GIN, GiST, BRIN, Hash, Bloom и HOT-обновленияmiddle
- Index-only scan, Visibility Map и INCLUDEsenior
- Типичные сбои в продакшне и аудит индексовsenior
- Упражнение по проектированию индексов: стратегия полнотекстового поискаsenior
- EXPLAIN и планы выполнения: что решает планировщик и почемуjunior
- Типы сканирования: Seq, Index, Bitmap, Index-Onlymiddle
- Алгоритмы соединения и каскад ошибок оценки строкmiddle
- pg_statistic, ANALYZE и производственная наблюдаемостьmiddle
- Расширенная статистика: исправление ошибок оценки для коррелированных колонокsenior
- Кеш планов, настройка константных стоимостей и внутренности планировщикаsenior
- Производственные режимы отказа и стабильность плановsenior
- Connection pool: зачем амортизировать стоимость backend Postgresjunior
- Режимы PgBouncer: session, transaction и statementmiddle
- Размер пула: формула (ядра × 2) + шпинделей и двухуровневый стекmiddle
- Исчерпание пула и idle-in-transaction: сценарий отказа в 3 ночиmiddle
- Миграция на transaction mode: план развёртывания и prepared statements в PgBouncer 1.21middle
- Процессная модель Postgres и почему увеличение max_connections снижает производительностьsenior
- Ландшафт пулеров 2026, serverless connection storms и полная таксономия отказовsenior
- ADD COLUMN: мгновенно в PG 11+ против перезаписи в старом Postgresjunior
- Режим отказа очереди блокировок: почему мгновенный DDL может заморозить базуmiddle
- Безопасные DDL-паттерны: NOT VALID, CONCURRENTLY и исправления небезопасных операцийmiddle
- Таксономия сбоев миграций и дисциплина продакшнаsenior
- Выбор ключа шарда: стратегии hash, range, list и directorymiddle
- Ко-локация и Citus: инвариант, делающий шардирование пригодным к использованиюmiddle
- Режим отказа hot shard: обнаружение, изоляция и долгосрочная политикаmiddle
- Онлайн-решардинг, 2PC и операционная стоимость шардированияsenior
- Семь актов: от CREATE TABLE до Citusjunior
- Акты 1–3 в глубину: схема, индексы и статистика планировщикаmiddle
- Акты 4–6 в глубину: MVCC bloat, connection pooling и безопасные миграцииmiddle
- Акт 7 в глубину: шардинг, co-location и семиуровневый каскад трейдоффовmiddle
- Наблюдаемость, антипаттерны и производственный триажsenior
- Биты в проводеjunior
- Математика задержкиmiddle
- Bufferbloat и перегрузкаsenior
- Граница физического уровняsenior
- Номера последовательности и состояние соединенияmiddle
- Управление потоком и перегрузкойmiddle
- BBR, производственная наблюдаемость и за пределами TCPsenior
- CDN: контент по соседствуjunior
- Anycast и GeoDNS: маршрутизация к ближайшему edgemiddle
- Многоуровневый кеш и Cache-Controlmiddle
- Заголовок Vary и cache keysmiddle
- Stale-while-revalidate и cache stampedesenior
- Edge workers и edge-side compositionsenior
- CDN: операции и observabilitysenior
- WebSocket: HTTP-апгрейд до постоянного соединенияjunior
- WebSocket vs SSE vs long-polling: выбор правильного транспортаmiddle
- Backpressure в WebSocket: когда клиенты не успеваютmiddle
- Реконнект: jittered backoff, thundering herd, восстановление сообщенийsenior
- WebSocket в масштабе: HTTP/2 мультиплексирование, permessage-deflate, C10Msenior
- WebSocket в production: прокси, безопасность и распределённая архитектураsenior
- Что делают обратные проксиjunior
- Алгоритмы балансировки: от round-robin до power-of-two-choicesmiddle
- L4 vs L7 балансировка и сохранение IP клиентаmiddle
- Health checks, connection draining и slow startmiddle
- Retry-бури, circuit breakers и load sheddingsenior
- Устойчивая архитектура LB: anycast, zone-aware маршрутизация и observabilitysenior
- Почему QUIC, а не TCP+TLSjunior
- QUIC-потоки и head-of-line blockingjunior
- Объединённое рукопожатие и 1-RTTmiddle
- Connection ID и миграция сетиmiddle
- Обнаружение потерь и управление перегрузкойmiddle
- Возобновление 0-RTT и шифрование пакетовsenior
- Развёртывание и стоимость CPUsenior
- DDoS: что это и почему работаетjunior
- Атаки усиления и истощение состоянияmiddle
- Ограничение скорости: алгоритмы и архитектураmiddle
- WAF, межсетевые экраны, mTLS и HSTSmiddle
- Отравление DNS-кэша и BGP-перехватsenior
- Эшелонированная защита и экономика атакsenior
- Двенадцать слоёв: один URL, семь действующих лицjunior
- DNS, TCP, TLS по очереди: куда уходят миллисекундыmiddle
- Критический путь рендеринга и Core Web Vitalsmiddle
- Перехват прокси и шлюзы безопасности: rate limiter, WAF, mTLSmiddle
- Альтернативные пути: QUIC 0-RTT, WebSocket upgrade, миграция соединенияmiddle
- Наблюдаемость: распределённые трейсы, USE/RED и семплированиеsenior
- Устойчивость: каскадные повторы, circuit breakers и error budgetsenior
- Что такое три сигнала: метрики, логи, трейсыjunior
- Метрики и cardinality: cost-модель time-series databasemiddle
- Логи и объём: cost-модель структурного логированияmiddle
- Трейсы и сэмплирование: cost-модель distributed tracingmiddle
- Join-ключи и exemplar''''ы: как три сигнала становятся компонуемымиmiddle
- Observability 2.0: широкие события и сдвиг стоимостиsenior
- Режимы сбоя и инженерная практика: cardinality budget''''ы, PII и сэмплированиеsenior
- Зачем нужны структурные логи: дневник против таблицыjunior
- Схема продакшн-лога: поля, которые несёт каждая строкаmiddle
- Log levels и маршрутизация алертовmiddle
- Стратегии sampling и стоимость логовmiddle
- PII-редакция и log injectionsenior
- Propagation trace-контекста в логахsenior
- OTel Logs Data Model и audit-логи как подсистемаsenior
- Сигналы OTel, Semantic Conventions и проводной формат OTLPmiddle
- Авто-инструментирование и ручные спаны: правило 80/20 в OTelmiddle
- Collector OTel: receivers, processors, exporters и паттерны развёртыванияmiddle
- Стратегии сэмплирования: head, tail и parent-basedmiddle
- Vendor-нейтральность, eBPF-инструментирование, Operator и OTel в браузере и serverlesssenior
- Эксплуатация OTel Collector: надёжность, version skew, режимы отказа и управлениеsenior
- RED и USE: два чек-листа, одна дисциплина триажаjunior
- Инструментация RED в Prometheus: счётчики, гистограммы и дисциплина cardinalitymiddle
- USE на Linux: CPU, память, диск, сеть и PSImiddle
- Golden signals, структура дашборда и auto-RED в service meshmiddle
- Cardinality как драйвер затрат: label, PII, exemplars и семплированиеmiddle
- Native histograms, SLO и паттерны production-сбоевmiddle
- Выбор SLI и SLO-целей: отношения, не ощущенияmiddle
- Multi-window multi-burn-rate-алертинг: почему AND лучше ORmiddle
- Error budget policy, latency SLO и составные journeysmiddle
- Iceberg SLI, математика составного SLO и SLA vs SLOsenior
- Flame graph: читаем картинку, которая показывает, куда ушло времяjunior
- Sampling vs instrumentation profiling: почему 99 Гц побеждает в productionmiddle
- Типы профилей: CPU, память, off-CPU, mutex — какой когда братьmiddle
- Continuous profiling: always-on flame graphs с eBPF и корреляцией trace-idmiddle
- Как flame graph строится из сэмплов и как использовать его в productionmiddle
- Linux perf, внутренности eBPF, PGO и ограничения sampling''''аsenior
- Profiling в production: безопасность, war stories, OTel profiles и дизайн инфраструктурыsenior
- Debugging-воронка: SLO → RED → trace → profilejunior
- Архитектура OTel: один SDK, четыре сигнала, один wire-форматmiddle
- Экономия на observability: удерживаем затраты в пределах 5% inframiddle
- Масштаб, безопасность и ROI наблюдаемых системsenior