游戏引擎 / 系统课时
网络优化收益怎么量化
网络优化收益怎么量化
减少请求或压缩资源之后,玩家感觉更快不代表优化确实有效。本课用同一段进入关卡流程统一统计请求次数、响应体大小、首字节时间与整体完成时间,通过可复现实验比较优化前后,并说明如何把结果推广到真实移动设备。
学习目标
- 为请求数、网络流量、首字节与完成时间建立一致口径。
- 跑通一次可复现的前后对照测量,并计算节省比例。
- 排除缓存、并发和网络波动造成的误判。
明确一次样本从哪里开始
以“点击进入在线关卡”为起点,以“必要在线内容已就绪、玩家可以操作”为终点。同一次样本记录设备、网络环境、冷/热缓存、内容版本及成功或失败;否则一次 Wi-Fi 热缓存结果无法和另一次移动网络冷启动公平比较。
至少分开看单请求耗时与整段流程耗时。并发请求的整体完成时间由最晚完成的关键依赖决定,不能把每条请求的耗时直接相加;发生超时和重试时,也应统计失败尝试及其额外成本。
四项指标分别说明什么
| 指标 | 建议口径 | 常见误判 |
|---|---|---|
| 请求次数 | 一次玩法流程实际发起的请求,含重试 | 只统计成功接口,漏掉失败重试 |
| 流量 | 实际传输的请求与响应字节,尽可能含协议开销 | 把解码后的资源大小当成网络流量 |
| 首字节时间 | 从发起请求到收到首个响应字节的时间 | 用完整下载时间代替首字节 |
| 完成时间 | 从流程起点到关键内容可用的耗时 | 用请求平均值代替玩家等待时间 |
首字节较慢,常与连接建立、网络往返和服务端处理有关;首字节正常但完成慢,应检查载荷大小、带宽、丢包和后续解析。四项指标需要一起观察:减少请求可能降低排队开销,但把所有素材捆成一个超大包也可能延迟首屏。
在本机跑一次前后对照
将下面代码保存为 measure.mjs,使用 Node.js 18.2+ 执行 node measure.mjs。本地 HTTP 服务模拟优化前顺序请求三份 1200 B 内容,以及优化后请求一份 700 B 内容;延迟和资源大小仅用于教学,不代表真实移动网络。程序对响应体按流读取,以第一块到达时刻近似首字节时间。
import { createServer } from 'node:http';
import { performance } from 'node:perf_hooks';
const server = createServer((req, res) => {
const optimized = req.url === '/after';
const payload = 'x'.repeat(optimized ? 700 : 1200);
setTimeout(() => {
res.writeHead(200, { 'Content-Type': 'text/plain', 'Cache-Control': 'no-store' });
res.write(payload.slice(0, 100));
setTimeout(() => res.end(payload.slice(100)), optimized ? 10 : 30);
}, optimized ? 30 : 60);
});
await new Promise((resolve) => server.listen(0, '127.0.0.1', resolve));
const base = `http://127.0.0.1:${server.address().port}`;
async function measure(path) {
const start = performance.now();
const response = await fetch(base + path);
if (!response.ok || !response.body) throw new Error(`HTTP ${response.status}`);
const reader = response.body.getReader();
let bytes = 0;
let firstByteMs = null;
while (true) {
const { done, value } = await reader.read();
if (done) break;
if (firstByteMs === null) firstByteMs = performance.now() - start;
bytes += value.byteLength;
}
return { bytes, firstByteMs };
}
async function run(label, paths) {
const begin = performance.now();
const results = [];
// 这里按顺序请求,保证实验可复现
for (const path of paths) results.push(await measure(path));
const bytes = results.reduce((sum, item) => sum + item.bytes, 0);
const avgFirst = results.reduce((sum, item) => sum + item.firstByteMs, 0) / results.length;
console.log(`${label}:请求 ${paths.length} 次,响应体 ${bytes} B,平均首字节 ${Math.round(avgFirst)} ms,整段完成 ${Math.round(performance.now() - begin)} ms`);
}
try {
await run('优化前', ['/before', '/before', '/before']);
await run('优化后', ['/after']);
} finally {
server.closeAllConnections();
await new Promise((resolve) => server.close(resolve));
}预期输出(时间随机器负载变化):
优化前:请求 3 次,响应体 3600 B,平均首字节 <TIME> ms,整段完成 <TIME> ms
优化后:请求 1 次,响应体 700 B,平均首字节 <TIME> ms,整段完成 <TIME> ms在此模拟中,请求数减少约 66.7%,响应体字节数减少约 80.6%。但两者不是同一项改动的独立收益:示例同时做了请求合并与内容缩减。实际项目应分别测试,才能判断优化来自减少请求还是减少载荷。
将实验换成真实移动端指标
示例读取到的 bytes 是响应体字节数,不包含请求头、响应头或传输层开销;真实流量还要考虑压缩、重试与缓存。Web 构建可结合浏览器 Network 面板和 Resource Timing 采集,注意跨域资源未设置 Timing-Allow-Origin 时,responseStart、transferSize 等可能为零,不能把零直接当作“零延迟、零流量”。原生构建则从实际使用的 HTTP 或 Cocos 下载链路埋点,并用服务端日志交叉核对。
固定设备档位与内容版本,在同一网络条件下分别做冷缓存、热缓存和弱网测试;每组采集至少 30 次,报告中位数、P95、失败率与重试次数,而不只挑最快一次。上线判断以关卡可操作时间和失败率为主,辅以请求数与字节量:流量下降但 P95 更慢或失败更多,并不算成功优化。