滴滴0722 总结与优化方向
总结与优化方向
一、性能优化：结合项目落地说明指标优化实践
简历中已具备基于关键性能指标（TTFB、FCP、LCP、INP等）的优化能力，且有多个项目的具体落地案例，可补充结合项目说明：
- 得物实习项目（C端落地页）：针对LCP（最大内容绘制）和首屏加载效率，采用Next.js混合渲染（SSR+CSR结合）策略，配合背景图预加载、组件懒加载及弱网降级方案，直接将首屏秒开率从15%提升至65%；通过Webpack代码分割和Tree Shaking减少冗余代码，降低TTFB（首字节时间），优化INP（交互下一步延迟）提升用户交互流畅度。
- 城市灾害应急管理系统：针对海量动态数据渲染导致的帧率低问题，采用服务端渲染（SSR）减少前端计算压力，结合requestAnimationFrame控制渲染时机，将帧率从30帧提升至60帧，解决FCP（首次内容绘制）延迟；通过代码压缩、缓存策略（HTTP缓存+Service Worker），将首屏加载时间缩短40%。
- 个人网站：基于Intersection Observer实现虚拟列表懒加载，避免大量DOM同时渲染导致的LCP延迟；使用Lighthouse评估并优化资源加载顺序，通过缓存策略（强缓存+协商缓存）降低重复资源请求，优化TTFB和FCP指标。
二、埋点SDK：梳理逻辑框架，明确核心流程
简历中个人网站项目涉及“前端监控SDK开发，实现性能指标、错误日志及用户行为的采集与上报”，可进一步梳理逻辑：
- 核心逻辑框架：分为“数据采集层-处理层-上报层”三部分。
- 采集层：通过Performance API采集TTFB、LCP等性能指标，window.onerror/onunhandledrejection捕获错误日志，addEventListener监听用户点击/滚动等行为事件。
- 处理层：对采集数据进行格式化（统一字段规范）、过滤（去重无效数据）、压缩（减少传输体积）。
- 上报层：采用批量上报（减少请求次数）+ 失败重试（基于localStorage缓存待上报数据）机制，通过XMLHttpRequest发送数据至后端，确保数据完整性。
三、计算机网络：补充HTTPS加密过程及TCP/UDP细节
目前简历提到“掌握计网基础”，但对HTTPS加密、TCP/UDP的细节需补充：
- HTTPS加密过程：
- 客户端发起SSL/TLS握手，向服务器发送支持的加密套件列表和随机数Client Random；
- 服务器返回数字证书（含公钥）、选定的加密套件和随机数Server Random；
- 客户端验证证书有效性（通过CA根证书），生成预主密钥（Pre-Master Secret），用服务器公钥加密后发送给服务器；
- 双方基于Client Random、Server Random和Pre-Master Secret，通过协商的加密算法生成对称密钥（Master Secret）；
- 后续通信通过对称密钥加密，确保数据传输机密性和完整性。
- TCP与UDP：
- TCP：面向连接（三次握手建立连接，四次挥手断开），提供可靠传输（重传机制、拥塞控制、流量控制），适用于对可靠性要求高的场景（如HTTP请求、文件传输）；
- UDP：无连接，不保证可靠传输，但传输速度快、延迟低，适用于实时性要求高的场景（如视频通话、DNS查询）。
通过以上补充，可解决“性能优化缺项目结合、埋点SDK逻辑不清、计网细节不足”的问题，更贴合实际场景与技术深度。