re:re:actable
Урок 023 минуты чтения

Узкие места (bottleneck) и размер входных данных

На этой странице
Кратко

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

ОбластьПримеры
Алгоритмывложенные циклы, includes/find внутри цикла, сортировка в рендере
DOMчастые изменения по одному элементу, чтение layout после записи
Рендер фреймворкалишние ререндеры, нестабильные пропсы, огромные списки без виртуализации
Сетьводопад запросов, большие ответы, отсутствие кеша
Бандлтяжелые библиотеки, нет code splitting
Памятьутечки, огромные структуры в state
Основной потокдолгие 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) }));
nO(n)O(n log n)O(n²)
100100~70010 000
10 00010 000~130 000100 000 000
100 000100 000~1 700 00010 000 000 000

На маленьких данных разница не видна, поэтому проблема проявляется только в production на реальных объемах.

Как найти узкое место

  1. Измерить, а не угадывать: DevTools Performance, React Profiler, Lighthouse, performance.now().
  2. Найти самую долгую часть — «горячую» функцию, долгую задачу, частый ререндер.
  3. 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 (for вместо forEach) 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.

Дочитали до конца?
Отметьте урок — прогресс сохранится в браузере.

Поиск

Поиск по урокам