CN117453509A - 网页性能评分方法、装置、设备及介质 - Google Patents

Abstract

本公开提供了一种网页性能评分方法，包括：向网页中部署的探针发送检测任务，基于检测任务对网页进行模拟访问；接收检测任务获取的网络性能数据，对网络性能数据进行分类，并对各类网络性能数据进行预处理；对各类网络性能数据进行熵值法分析，得到各类网络性能数据的权重系数；基于权重系数和网络性能数据计算网页的性能评分。该方法使用熵值法对各项指标进行处理，得到统一的标准化评分，可以提高评估的准确性和可比性，方便比较和排序，以及跟踪和监控评估结果。本公开还提供了一种网页性能评分装置、设备和计算机可读存储介质。

Description

网页性能评分方法、装置、设备及介质

技术领域

本公开涉及数据监测技术领域，尤其涉及一种网页性能评分方法、装置、电子设备及介质。

背景技术

目前，评价网页性能的常用方法包括以下几种：其一，使用工具来测量页面加载时间，通过页面加载时间判断网页性能；其二，使用工具来测量首次内容渲染时间，首次内容渲染时间是指用户首次看到页面内容所需的时间，较快的首次内容渲染时间可以提供更好的用户体验；其三，通过性能指标判断网页性能，性能指标是用于评估网页性能的关键指标，包括关键渲染路径的各个阶段.如首次字节、首次绘制、首次内容可交互、DOM加载等，这些指标可以通过浏览器的开发者工具来获取；其四，通过用户体验评估来评估网页性能，例如，通过用户调查、用户行为分析等方法来了解用户对网页加载速度和响应性能的满意度。当前方法往往针对技术专业人士，且各指标相对独立，未对网页性能整体进行评分。

发明内容

鉴于上述问题，本发明提供了一种网页性能评分方法，以解决现有技术无法对网页性能整体评分的问题。

本公开的一个方面提供了一种网页性能评分方法，包括：向网页中部署的探针发送检测任务，基于所述检测任务对所述网页进行模拟访问；接收所述检测任务获取的网络性能数据，对所述网络性能数据进行分类，并对各类所述网络性能数据进行预处理；对各类所述网络性能数据进行熵值法分析，得到各类网络性能数据的权重系数；基于所述权重系数和所述网络性能数据计算所述网页的性能评分。

根据本公开的实施例，所述对各类所述网络性能数据进行熵值法分析，得到各类网络性能数据的权重系数包括：采集预定样本库的网络性能数据；将所述预定样本库的网络性能数据进行分类，并对各类所述网络性能数据进行预处理；计算各类所述网络性能数据的熵值，基于所述熵值计算所述权重系数。

根据本公开的实施例，所述对各类所述网络性能数据进行预处理包括：对所述网络性能数据按类别分别进行正向/逆向化处理；将进行正向/逆向化处理后的数据进行归一化处理。

根据本公开的实施例，所述计算各类所述网络性能数据的熵值的公式为：熵值＝-∑(Pi*log(Pi))；其中，Pi表示预处理后的一类所述网络性能数据。

根据本公开的实施例，基于所述熵值计算所述权重系数的公式为：权重＝(1-熵值)/(n-∑熵值)；其中，n表示一类所述网络性能数据的数量。

根据本公开的实施例，所述方法还包括：将各类网络性能数据的权重系数分别进行归一化处理。

根据本公开的实施例，所述基于所述权重系数和所述网络性能数据计算所述网页的性能评分包括：计算所述权重系数与所述网络性能数据的乘积，得到各类网络性能数据的初始网页性能评分；将所述初始网页性能评分进行百分制标准化处理，得到所述网页最终的性能评分。

本公开的第二方面提供了一种网页性能评分装置，包括：任务发送模块，用于向网页中部署的探针发送检测任务，基于所述检测任务对所述网页进行模拟访问；数据预处理模块，用于接收所述检测任务获取的网络性能数据，对所述网络性能数据进行分类，并对各类所述网络性能数据进行预处理；权重计算模块，用于对各类所述网络性能数据进行熵值法分析，得到各类网络性能数据的权重系数；性能评分模块，用于基于所述权重系数和所述网络性能数据计算所述网页的性能评分。

本公开的第三个方面提供了一种电子设备，包括：存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现所述网页性能评分方法中的各个步骤。

本公开的第四个方面提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现所述网页性能评分方法中的各个步骤。

在本公开实施例采用的上述至少一个技术方案能够达到以下有益效果：

本公开实施例提供的网页性能评分方法使用熵值法对各项指标进行处理，得到统一的标准化评分，可以提高评估的准确性和可比性，方便比较和排序，以及跟踪和监控评估结果。在评分的权重设计中，熵值法基于数据的客观方法，减少主观因素对权重确定的影响，考虑了不确定性和信息量，提供一种相对可靠和可解释的权重确定方法。

附图说明

为了更完整地理解本公开及其优势，现在将参考结合附图的以下描述，其中：

图1示意性示出了本公开实施例提供的一种网页性能评分方法的流程图；

图2示意性示出了本公开实施例提供的另一种网页性能评分方法的流程图；

图3示意性示出了本公开实施例提供的一种网页性能评分装置的结构框图；

图4示意性示出了本公开实施例提供的一种电子设备的结构框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

附图中示出了一些方框图和/或流程图。应理解，方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。

因此，本公开的技术可以硬件和/或软件(包括固件、微代码等)的形式来实现。另外，本公开的技术可以采取存储有指令的计算机可读介质上的计算机程序产品的形式，该计算机程序产品可供指令执行系统使用或者结合指令执行系统使用。在本公开的上下文中，计算机可读介质可以是能够包含、存储、传送、传播或传输指令的任意介质。例如，计算机可读介质可以包括但不限于电、磁、光、电磁、红外或半导体系统、装置、器件或传播介质。计算机可读介质的具体示例包括：磁存储装置，如磁带或硬盘(HDD)；光存储装置，如光盘(CD-ROM)；存储器，如随机存取存储器(RAM)或闪存；和/或有线/无线通信链路。

图1示意性示出了本公开实施例提供的一种网页性能评分方法的流程图。

如图1所示，本公开实施例提供了一种网页性能评分方法，包括S110～S140。

S110，向网页中部署的探针发送检测任务，基于检测任务对网页进行模拟访问。

在本实施例中，在待评分的网页中部署探针，通过预设的监测系统向已部署的探针发送检测任务，基于检测任务中的地址从探针进行模拟访问。在模拟访问时，网页将采集各项网络性能数据，包括DNS解析时延、TCP建立时延、页面加载时间、服务器响应首包时延、页面下载速度、连接成功率、首次内容渲染时间、首次绘制、首次交互时延、DOM加载时间、页面大小、页面资源数等。

S120，接收检测任务获取的网络性能数据，对网络性能数据进行分类，并对各类网络性能数据进行预处理。

在本实施例中，对获取的各项网络性能数据进行正向/逆向化预处理，得到熵值法所需指标对应的数据。然后，对于每项网络性能数据，将进行正向/逆向化处理后的数据进行归一化处理，以消除指标之间的量纲差异。

S130，对各类网络性能数据进行熵值法分析，得到各类网络性能数据的权重系数。

熵值法是一种多准则决策方法，用于评估和排序多个选项或方案。它基于信息熵的概念，通过计算每个选项的信息熵来确定其重要性或优劣程度。

计算各类网络性能数据的熵值的公式为：

熵值＝-∑(Pi*log(Pi))；

其中，Pi表示预处理后的一类网络性能数据。

在本实施例中，对于每类网络性能数据，将预处理归一化后的数据与其对数相乘，然后将所有准则的结果进行求和。对于每类网络性能数据的归一化数据，我们通过其对数的乘积来衡量其不确定性和信息量。归一化数据越接近0或1，其对数的乘积就越小，表示准则的不确定性越低，信息量越大。而归一化数据越接近0.5，其对数的乘积就越大，表示准则的不确定性越高，信息量越小。通过计算每个准则的熵值，可以对准则的重要性进行量化，进而确定权重。

可选地，通过熵值的大小可以筛选网络性能数据，选择最优的网络性能数据进行网页性能评分。

基于熵值计算权重系数的公式为：

权重＝(1-熵值)/(n-∑熵值)；

其中，n表示一类网络性能数据的数量。

进一步的，将各类网络性能数据的权重系数分别进行归一化处理，确保各个权重之和等于1

S140，基于权重系数和网络性能数据计算网页的性能评分。

在本实施例中，计算权重系数与网络性能数据的乘积，得到各类网络性能数据的初始网页性能评分；将初始网页性能评分进行百分制标准化处理，得到网页最终的性能评分。可选地，可以将性能评分由探针服务器返回至监测系统，在页面中最终呈现。

该网页性能评分方法使用熵值法评价网页性能，不需要太多的专业知识和复杂的计算方法，容易理解和操作。熵值法能够充分利用各指标的信息，通过计算指标的熵值和权重，可以得到各指标的重要性和贡献度，提供了更全面的信息。熵值法可以根据实际情况进行灵活调整，可以考虑不同指标的权重，也可以根据不同需求进行指标的选择和删减，具有较大的灵活性。熵值法得到的结果直观明确，可以直接比较各个指标的重要性和贡献度，为决策提供参考依据。熵值法的计算过程和结果都可以进行解释和说明，能够更好地理解评价结果，提高评分的可信度和可接受性。

该方法对网页性能进行标准化评分，与现有方法各维度数据孤岛化、碎片化相比，标准评分确保不同评分者对同一对象进行评分时能够达成一致的结果，减少了评分结果的差异性，使得不同对象之间的评分结果可以进行比较。由于评分基于相同的标准和指标，可以更容易地识别和比较不同对象的优劣之处。传统方法中，未将各数据维度结合，例如对于不同页面大小的网页，不能单纯的通过加载时间来比较性能的优劣，而标准化评分可以有效的避免这种问题。标准评分可以使用数值或等级来表示评分结果，使得评分结果更容易理解和解释。这使得评分结果可以用于进一步分析和决策。无论是对于专业人士还是非专业人士，均可以从结果中直观的了解到该网页的性能表现。

图2示意性示出了本公开实施例提供的另一种网页性能评分方法的流程图。

如图2所示，在本实施例中，除了如图1所示的步骤S110～S140，S130具体还可以包括S131～S133。

S131，采集预定样本库的网络性能数据。

在本实施例中，预定样本库可以包括高频库和/或标准库。通过对常见网站进行分类，如：国内视频网站、国内购物网站、国内科研网站、国内资讯网站、国际视频网站、国际购物网站、国际科研网站、国际资讯网站等，在每一类选取访问量较大的5个站点，作为高频库，以供用户选取。在监测系统内置的一组网站，作为目标网页未有明确分类或其他未分类的情况时构成标准库。

对样本库进行网页性能检测，并收集数据：收集与网页性能评分相关的数据，包括各个维度的具体数值，这些维度包括DNS解析时延、TCP建立时延、页面加载时间、服务器响应首包时延、页面下载速度、连接成功率、首次内容渲染时间、首次绘制、首次交互时延、DOM加载时间、页面大小、页面资源数等。

S132，将预定样本库的网络性能数据进行分类，并对各类网络性能数据进行预处理。

将网络性能数据按项目类别分类，对网络性能数据按类别分别进行正向/逆向化处理；将进行正向/逆向化处理后的数据进行归一化处理，将各个维度的数据转化为无量纲的相对指标。根据网页性能相关数据的特点，主要使用线性标准化方法进行处理。

S133，计算各类网络性能数据的熵值，基于熵值计算权重系数。

熵值＝-∑(Pi*log(Pi))；

其中，Pi表示预处理后的一类网络性能数据。

权重＝(1-熵值)/(n-∑熵值)；

其中，n表示一类网络性能数据的数量。

计算权重后要进行归一化权重，即对计算得到的权重进行归一化处理，确保各个权重之和等于1。

在本实施例中，当探针服务器收到步骤S7解析的任务目标，调用浏览器组件进行模拟访问，通过模拟用户加载页面，得到网页性能评分相关的数据，包括各个维度的具体数值，这些维度包括DNS解析时延、TCP建立时延、页面加载时间、服务器响应首包时延、页面下载速度、连接成功率、首次内容渲染时间、首次绘制、首次交互时延、DOM加载时间、页面大小、页面资源数等。然后各类网络性能数据进行标准化处理，将各个维度的数据转化为无量纲的相对指标。根据网页性能相关数据的特点，主要使用线性标准化方法进行处理。接收根据S131～S133得到的权重系数，处理后的网页性能数据结合权重系数，计算出目标网页性能的初始评分。最后，进行百分制标准化处理，得到检测目标网页性能的最终得分，并将此结果数据由探针服务器返回至专利人研发的网络质量监测系统，在页面中最终呈现。

图3示意性示出了本公开实施例提供的一种网页性能评分装置的结构框图。

如图3所示，本公开实施例提供的一种网页性能评分装置，包括：任务发送模块310、数据预处理模块320、权重计算模块330和性能评分模块340。

任务发送模块310用于向网页中部署的探针发送检测任务，基于检测任务对网页进行模拟访问。

数据预处理模块320用于接收检测任务获取的网络性能数据，对网络性能数据进行分类，并对各类网络性能数据进行预处理。

权重计算模块330用于对各类网络性能数据进行熵值法分析，得到各类网络性能数据的权重系数。

性能评分模块340用于基于权重系数和网络性能数据计算网页的性能评分。

可以理解的是，任务发送模块310、数据预处理模块320、权重计算模块330和性能评分模块340可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本发明的实施例，任务发送模块310、数据预处理模块320、权重计算模块330和性能评分模块340中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以以对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式的适当组合来实现。或者，任务发送模块310、数据预处理模块320、权重计算模块330和性能评分模块340中的至少一个可以至少被部分地实现为计算机程序模块，当该程序被计算机运行时，可以执行相应模块的功能。

图4示意性示出了本公开实施例提供的一种电子设备的结构框图。

如图4所示，本实施例中所描述的电子设备，包括：电子设备400包括处理器410、计算机可读存储介质420。该电子设备400可以执行上面参考图1描述的方法，以实现对特定操作的检测。

具体地，处理器410例如可以包括通用微处理器、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器410还可以包括用于缓存用途的板载存储器。处理器410可以是用于执行参考图1描述的根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

计算机可读存储介质420，例如可以是能够包含、存储、传送、传播或传输指令的任意介质。例如，可读存储介质可以包括但不限于电、磁、光、电磁、红外或半导体系统、装置、器件或传播介质。可读存储介质的具体示例包括：磁存储装置，如磁带或硬盘(HDD)；光存储装置，如光盘(CD-ROM)；存储器，如随机存取存储器(RAM)或闪存；和/或有线/无线通信链路。

计算机可读存储介质420可以包括计算机程序421，该计算机程序421可以包括代码/计算机可执行指令，其在由处理器410执行时使得处理器410执行例如上面结合图1所描述的方法流程及其任何变形。

计算机程序421可被配置为具有例如包括计算机程序模块的计算机程序代码。例如，在示例实施例中，计算机程序421中的代码可以包括一个或多个程序模块，例如包括421A、模块421B、……。应当注意，模块的划分方式和个数并不是固定的，本领域技术人员可以根据实际情况使用合适的程序模块或程序模块组合，当这些程序模块组合被处理器410执行时，使得处理器410可以执行例如上面结合图1～图2所描述的方法流程及其任何变形。

根据本发明的实施例，任务发送模块310、数据预处理模块320、权重计算模块330和性能评分模块340中的至少一个可以实现为参考图4描述的计算机程序模块，其在被处理器410执行时，可以实现上面描述的相应操作。

本公开还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

尽管已经参照本公开的特定示例性实施例示出并描述了本公开，但是本领域技术人员应该理解，在不背离所附权利要求及其等同物限定的本公开的精神和范围的情况下，可以对本公开进行形式和细节上的多种改变。因此，本公开的范围不应该限于上述实施例，而是应该不仅由所附权利要求来进行确定，还由所附权利要求的等同物来进行限定。

Claims (10)

1.一种网页性能评分方法，其特征在于，包括：

向网页中部署的探针发送检测任务，基于所述检测任务对所述网页进行模拟访问；

接收所述检测任务获取的网络性能数据，对所述网络性能数据进行分类，并对各类所述网络性能数据进行预处理；

对各类所述网络性能数据进行熵值法分析，得到各类网络性能数据的权重系数；

基于所述权重系数和所述网络性能数据计算所述网页的性能评分。

2.根据权利要求1所述的方法，其特征在于，所述对各类所述网络性能数据进行熵值法分析，得到各类网络性能数据的权重系数包括：

采集预定样本库的网络性能数据；

将所述预定样本库的网络性能数据进行分类，并对各类所述网络性能数据进行预处理；

计算各类所述网络性能数据的熵值，基于所述熵值计算所述权重系数。

3.根据权利要求1或2所述的方法，其特征在于，所述对各类所述网络性能数据进行预处理包括：

对所述网络性能数据按类别分别进行正向/逆向化处理；

将进行正向/逆向化处理后的数据进行归一化处理。

4.根据权利要求2所述的方法，其特征在于，所述计算各类所述网络性能数据的熵值的公式为：

熵值＝-∑(Pi*log(Pi))；

其中，Pi表示预处理后的一类所述网络性能数据。

5.根据权利要求1所述的方法，其特征在于，基于所述熵值计算所述权重系数的公式为：

权重＝(1-熵值)/(n-∑熵值)；

其中，n表示一类所述网络性能数据的数量。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将各类网络性能数据的权重系数分别进行归一化处理。

7.根据权利要求1所述的方法，其特征在于，所述基于所述权重系数和所述网络性能数据计算所述网页的性能评分包括：

计算所述权重系数与所述网络性能数据的乘积，得到各类网络性能数据的初始网页性能评分；

将所述初始网页性能评分进行百分制标准化处理，得到所述网页最终的性能评分。

8.一种网页性能评分装置，其特征在于，包括：

任务发送模块，用于向网页中部署的探针发送检测任务，基于所述检测任务对所述网页进行模拟访问；

数据预处理模块，用于接收所述检测任务获取的网络性能数据，对所述网络性能数据进行分类，并对各类所述网络性能数据进行预处理；

权重计算模块，用于对各类所述网络性能数据进行熵值法分析，得到各类网络性能数据的权重系数；

性能评分模块，用于基于所述权重系数和所述网络性能数据计算所述网页的性能评分。

9.一种电子设备，包括：存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现权利要求1至7中的任一项所述网页性能评分方法中的各个步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1至7中的任一项所述网页性能评分方法中的各个步骤。