Узкие места (bottleneck) и размер входных данных
На этой странице
Bottleneck (узкое место) — часть программы, которая ограничивает скорость всей системы: квадратичный алгоритм, лишние ререндеры, большой бандл, медленный запрос, layout thrashing. Ускорять нужно именно его — оптимизация остального почти не даст эффекта. Важно учитывать размер входных данных: алгоритм O(n²) незаметен на 10 элементах и «вешает» страницу на 50 000. Узкие места находят профилированием, а не догадками.
Вопрос
Что такое узкие места в JS-коде и bottleneck в алгоритмах? Как размер входных данных влияет на производительность и как найти узкое место?
Где обычно узкие места
| Область | Примеры |
|---|---|
| Алгоритмы | вложенные циклы, includes/find внутри цикла, сортировка в рендере |
| DOM | частые изменения по одному элементу, чтение layout после записи |
| Рендер фреймворка | лишние ререндеры, нестабильные пропсы, огромные списки без виртуализации |
| Сеть | водопад запросов, большие ответы, отсутствие кеша |
| Бандл | тяжелые библиотеки, нет code splitting |
| Память | утечки, огромные структуры в state |
| Основной поток | долгие синхронные задачи, JSON.parse больших данных |
Размер входных данных
// O(n²): для каждого заказа ищем пользователя перебором
const result = orders.map((order) => ({
...order,
user: users.find((u) => u.id === order.userId),
}));
// O(n): индекс по id через Map
const usersById = new Map(users.map((u) => [u.id, u]));
const result2 = orders.map((order) => ({ ...order, user: usersById.get(order.userId) }));| n | O(n) | O(n log n) | O(n²) |
|---|---|---|---|
| 100 | 100 | ~700 | 10 000 |
| 10 000 | 10 000 | ~130 000 | 100 000 000 |
| 100 000 | 100 000 | ~1 700 000 | 10 000 000 000 |
На маленьких данных разница не видна, поэтому проблема проявляется только в production на реальных объемах.
Как найти узкое место
- Измерить, а не угадывать: DevTools Performance, React Profiler, Lighthouse,
performance.now(). - Найти самую долгую часть — «горячую» функцию, долгую задачу, частый ререндер.
- Оптимизировать только ее и снова измерить.
performance.mark("filter-start");
const visible = filterProducts(products, query);
performance.mark("filter-end");
performance.measure("filter", "filter-start", "filter-end");
console.table(performance.getEntriesByType("measure"));Типичные исправления
- Map/Set вместо поиска по массиву;
- мемоизация тяжелых вычислений (
useMemo, кеш); - debounce для поиска и фильтрации на ввод;
- пагинация, виртуализация;
- перенос тяжелой работы в Web Worker;
- батчинг DOM-изменений;
- параллельные запросы вместо последовательных, кеширование ответов.
Что важно помнить
- «Преждевременная оптимизация — корень всех зол»: сначала понятный код, затем измерение и оптимизация узких мест.
- Микрооптимизации (
forвместоforEach) почти никогда не являются узким местом. - Узким местом может быть не код, а сервер или сеть — смотрите Network и TTFB.
- Закон Амдала: ускорение части программы ограничено долей времени, которую эта часть занимает.
Мини-шпаргалка
- Bottleneck — самая медленная часть, ограничивающая всю систему.
- Размер данных решает:
O(n²)опасен на больших n. - Сначала профилирование, потом оптимизация.
- Частые исправления: Map, мемоизация, debounce, виртуализация, Worker.
- Оптимизируйте только измеренное узкое место.
Документация
Chrome DevTools: Analyze runtime performance, MDN: Performance API, React: Profiler.