CN112559309A - 页面性能采集算法的调整方法及装置 - Google Patents

页面性能采集算法的调整方法及装置 Download PDF

Info

Publication number
CN112559309A
CN112559309A CN202011502355.2A CN202011502355A CN112559309A CN 112559309 A CN112559309 A CN 112559309A CN 202011502355 A CN202011502355 A CN 202011502355A CN 112559309 A CN112559309 A CN 112559309A
Authority
CN
China
Prior art keywords
page
real
video frame
similarity
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011502355.2A
Other languages
English (en)
Other versions
CN112559309B (zh
Inventor
龙佳
谭兵琴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuxian Shenghuo Beijing Information Technology Co ltd
Original Assignee
Wuxian Shenghuo Beijing Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuxian Shenghuo Beijing Information Technology Co ltd filed Critical Wuxian Shenghuo Beijing Information Technology Co ltd
Priority to CN202011502355.2A priority Critical patent/CN112559309B/zh
Publication of CN112559309A publication Critical patent/CN112559309A/zh
Application granted granted Critical
Publication of CN112559309B publication Critical patent/CN112559309B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
    • G06F11/3419—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment by assessing time
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/302—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a software system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/445—Program loading or initiating
    • G06F9/44521—Dynamic linking or loading; Link editing at or after load time, e.g. Java class loading
    • G06F9/44526—Plug-ins; Add-ons

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Debugging And Monitoring (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开是关于页面性能采集算法的调整方法及装置。该方法包括：将浏览器加载页面的过程录制视频；在浏览器加载页面完成后，根据页面性能接口上报的数据获取计算页面性能指标，计算页面性能指标包括：计算首屏时间或计算白屏时间；根据录制的视频，计算出每一视频帧相对于视频最后一帧的相似度；根据所有视频帧的相似度，获取真实页面性能指标，真实页面性能指标包括：真实首屏时间或真实白屏时间；根据计算页面性能指标和真实页面性能计算页面性能相对误差；根据页面性能相对误差调整页面性能采集算法。其中，本公开是自动化的检测采集算法的准确率，避免了大量重复的人力成本。

Description

页面性能采集算法的调整方法及装置
技术领域
本公开涉及计算机技术领域，尤其涉及页面性能采集算法的调整方法及装置。
背景技术
衡量页面性能的指标包含白屏时间和首屏时间，目前，当浏览器加载页面时，页面可视区域内的内容会被浏览器逐一截图，当页面加载完成后会停止截图。然后，人工分析页面加载过程截图，通过截图内容确定真实白屏时间和真实首屏时间，并将截图分析出的时间与采集算法计算的时间进行比对，计算相对误差，并依据相对误差对采集算法进行调整和优化。
但通过人工分析截图确定真实白屏时间和真实首屏时间会存在一定的主观因素，难以在各个页面中保持一致的评判标准。这容易导致截图分析出的指标数据存在一定误差，进而影响算法准确率的计算。
发明内容
为克服相关技术中存在的问题，本公开实施例提供页面性能采集算法的调整方法及装置。所述技术方案如下：
根据本公开实施例的第一方面，提供一种页面性能采集算法的调整方法，包括：
将浏览器加载页面的过程录制视频；
在浏览器加载页面完成后，根据页面性能接口上报的数据获取计算页面性能指标，所述计算页面性能指标包括：计算首屏时间或计算白屏时间；
根据录制的所述视频，计算出每一视频帧相对于所述视频最后一帧的相似度；
根据所有视频帧的相似度，获取真实页面性能指标，所述真实页面性能指标包括：真实首屏时间或真实白屏时间；
根据所述计算页面性能指标和所述真实页面性能计算页面性能相对误差；
根据所述页面性能相对误差调整页面性能采集算法。
本公开的实施例提供的技术方案可以包括以下有益效果：本公开提供一种页面性能采集算法的调整方法，包括：将浏览器加载页面的过程录制视频；在浏览器加载页面完成后，根据页面性能接口上报的数据获取计算页面性能指标，计算页面性能指标包括：计算首屏时间或计算白屏时间；根据录制的视频，计算出每一视频帧相对于视频最后一帧的相似度；根据所有视频帧的相似度，获取真实页面性能指标，真实页面性能指标包括：真实首屏时间或真实白屏时间；根据计算页面性能指标和真实页面性能计算页面性能相对误差；根据页面性能相对误差调整页面性能采集算法。其中，本公开是自动化的检测采集算法的准确率，避免了大量重复的人力成本；并且，通过分析页面加载视频的每一帧的相似度，明确页面真实白屏时间和真实首屏时间计算方式，一致的评判标准，能减少主观因素带来的误差，从而提升了页面性能采集算法准确率的计算。
在一个实施例中，所述根据所有视频帧的相似度，获取真实白屏时间，包括：
将所有视频帧按时间正序排列；
从前往后，寻找所述相似度首次大于0的第一目标视频帧；
所述第一目标视频帧所对应的时间点为所述真实白屏时间。
在一个实施例中，所述根据所有视频帧的相似度，获取真实首屏时间，包括：
将所有视频帧按时间正序排列；
从后往前，寻找递增趋势趋于平稳的开始的第二目标视频帧；
所述第二目标视频帧所对应的时间点即为所述真实首屏时间。
在一个实施例中，所述寻找递增趋势趋于平稳的开始的第二目标视频帧，包括：
寻找时间最小的且同时满足预设条件的视频帧为所述第二目标视频帧；
所述预设条件包括：
当前视频帧的相似度与最后一帧视频帧的相似度差距不大于第一预设值；
且所述当前视频帧的相似度与前一个视频帧的相似度不大于第二预设值。
根据本公开实施例的第二方面，提供一种页面性能采集算法的调整装置，包括：
录制模块，用于将浏览器加载页面的过程录制视频；
第一获取模块，用于在浏览器加载页面完成后，根据页面性能接口上报的数据获取计算页面性能指标，所述计算页面性能指标包括：计算首屏时间或计算白屏时间；
第一计算模块，用于根据录制的所述视频，计算出每一视频帧相对于所述视频最后一帧的相似度；
第二获取模块，用于根据所有视频帧的相似度，获取真实页面性能指标，所述真实页面性能指标包括：真实首屏时间或真实白屏时间；
第二计算模块，用于根据所述计算页面性能指标和所述真实页面性能计算页面性能相对误差；
调整模块，用于根据所述页面性能相对误差调整页面性能采集算法。
在一个实施例中，所述第二获取模块，包括：
第一排列子模块，用于将所有视频帧按时间正序排列；
第一寻找子模块，用于从前往后，寻找所述相似度首次大于0的第一目标视频帧；所述第一目标视频帧所对应的时间点为所述真实白屏时间。
在一个实施例中，所述第二获取模块，包括：
第二排列子模块，用于将所有视频帧按时间正序排列；
第二寻找子模块，用于从后往前，寻找递增趋势趋于平稳的开始的第二目标视频帧；所述第二目标视频帧所对应的时间点即为所述真实首屏时间。
在一个实施例中，所述第二寻找子模块，包括：寻找子单元；
所示寻找子单元，用于寻找时间最小的且同时满足预设条件的视频帧为所述第二目标视频帧；
所述预设条件包括：
当前视频帧的相似度与最后一帧视频帧的相似度差距不大于第一预设值；
且所述当前视频帧的相似度与前一个视频帧的相似度不大于第二预设值。
根据本公开实施例的第三方面，提供一种页面性能采集算法的调整装置，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
将浏览器加载页面的过程录制视频；
在浏览器加载页面完成后，根据页面性能接口上报的数据获取计算页面性能指标，所述计算页面性能指标包括：计算首屏时间或计算白屏时间；
根据录制的所述视频，计算出每一视频帧相对于所述视频最后一帧的相似度；
根据所有视频帧的相似度，获取真实页面性能指标，所述真实页面性能指标包括：真实首屏时间或真实白屏时间；
根据所述计算页面性能指标和所述真实页面性能计算页面性能相对误差；
根据所述页面性能相对误差调整页面性能采集算法。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现第一方面中任一项所述方法的步骤。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的页面性能采集算法的调整方法的流程图。
图2是根据一示例性实施例示出的页面性能采集算法的调整方法的流程图。
图3是根据一示例性实施例示出的页面性能采集算法的调整方法的流程图。
图4是根据一示例性实施例示出的页面性能采集算法的调整方法的流程图。
图5是根据一示例性实施例示出的页面性能采集算法的调整装置的框图。
图6是根据一示例性实施例示出的页面性能采集算法的调整装置中第二获取模块的框图。
图7是根据一示例性实施例示出的页面性能采集算法的调整装置中第二获取模块的框图。
图8是根据一示例性实施例示出的页面性能采集算法的调整装置中第二寻找子模块的框图。
图9是根据一示例性实施例示出的一种用于页面性能采集算法的调整装置80的框图。
图10是根据一示例性实施例示出的一种用于页面性能采集算法的调整装置90的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
衡量页面性能的指标包含白屏时间和首屏时间，这两个时间的获取一般是通过对代码有侵入的手动打点或无侵入的算法计算而得。但无论何种方式计算出的时间与页面加载过程中的真实白屏时间和真实首屏时间都会存在一定误差。若采集的指标数据误差较大，数据失真，则采集的数据意义不大；而采集的指标数据误差较小，既能呈现用户真实体验，又能指导页面性能优化。因此，利用指标的相对误差来衡定采集算法的准确率就显得尤为重要。
在浏览器的开发者模式下，当浏览器加载页面时，页面可视区域内的内容会被浏览器逐一截图，当页面加载完成后会停止截图。通常验证性能采集算法准确率正是依赖这些截图。具体做法是：人工分析页面加载过程截图，通过截图内容确定真实白屏时间和真实首屏时间，并将截图分析出的时间与采集算法计算的时间进行比对，计算相对误差，并依据相对误差对采集算法进行调整和优化。
上述的现有技术存在以下不足点：
1)上述方案需要人工分析截图数据和计算时间误差。如需批量校验多个页面的误差，则存在大量的重复行为，需要较多的人力成本；
2)上述方案通过人工分析截图确定真实白屏时间和真实首屏时间存在一定的主观因素，难以在各个页面中保持一致的评判标准。这容易导致截图分析出的指标数据存在一定误差，进而影响算法准确率的计算。
为了解决上述技术问题，本公开提供了一种页面性能采集算法的调整方法。
图1是根据一示例性实施例示出的页面性能采集算法的调整方法的流程图，如图1所示，该方法包括以下步骤S101-S103：
在步骤S101中，将浏览器加载页面的过程录制视频。
在步骤S102中，在浏览器加载页面完成后，根据页面性能接口上报的数据获取计算页面性能指标，计算页面性能指标包括：计算首屏时间或计算白屏时间。
具体的，可以在页面中接入性能采集脚本；然后在浏览器加载页面的过程中，白屏算法和首屏算法会自动计算相应的计算白屏时间和计算首屏时间，然后将这两个指标数据通过性能接口进行上报，即可得到计算首屏时间(t2_computed)和计算白屏时间(t1_computed)。
在步骤S103中，根据录制的视频，计算出每一视频帧相对于视频最后一帧的相似度。
具体的，由开源工具库负责将浏览器加载页面的过程录制成视频；
将视频最后一帧做为目标图像，计算出每一视频帧相对于目标图像的相似度；例如：视频开始帧无任何内容，相似度为0；视频结束帧与目标图像一致，相似度为100％。
在步骤S104中，根据所有视频帧的相似度，获取真实页面性能指标，真实页面性能指标包括：真实首屏时间或真实白屏时间。
在得到了所有视频帧的相似度后，会基于各个视频帧的相似度找到真实首屏时间(t2_real)和真实白屏时间(t1_real)。
其中，在计算真实首屏时间和真实白屏时间时，会分析所有视频帧的相似度，利用视频帧的相似度与目标相似度的差距和视频帧的相似度与前一个视频帧的相似度的差距，找出页面真实首屏时间点和白屏时间点，由于是通过分析页面加载视频的每一帧的相似度，明确页面的真实白屏时间和真实首屏时间计算方式，一致的评判标准，能减少主观因素带来的误差。
在步骤S105中，根据计算页面性能指标和真实页面性能计算页面性能相对误差。
具体的，根据计算白屏时间和真实白屏时间计算白屏时间相对误差(t1_relative_error)，根据计算首屏时间和真实首屏时间计算首屏时间相对误差(t2_relative_error)。
其中，t1_relative_error＝|t1_computed–t1_real|/t1_real*100％；
t2_relative_error＝|t2_computed–t2_real|/t2_real*100％。
在步骤S106中，根据页面性能相对误差调整页面性能采集算法。
在得到了页面性能相对误差后，便可基于页面性能相对误差来调整页面性能采集算法，以使得页面性能采集算法的准确率更高。
本公开中，自动化的收集多个页面的白屏时间和首屏时间，包括真实指标数据与计算指标数据。将真实指标数据与计算指标数据进行比对，计算相对误差，进而验证性能采集算法的准确率。
本公开的实施例提供的技术方案可以包括以下有益效果：本公开提供一种页面性能采集算法的调整方法，包括：将浏览器加载页面的过程录制视频；在浏览器加载页面完成后，根据页面性能接口上报的数据获取计算页面性能指标，计算页面性能指标包括：计算首屏时间或计算白屏时间；根据录制的视频，计算出每一视频帧相对于视频最后一帧的相似度；根据所有视频帧的相似度，获取真实页面性能指标，真实页面性能指标包括：真实首屏时间或真实白屏时间；根据计算页面性能指标和真实页面性能计算页面性能相对误差；根据页面性能相对误差调整页面性能采集算法。其中，本公开是自动化的检测采集算法的准确率，避免了大量重复的人力成本；并且，通过分析页面加载视频的每一帧的相似度，明确页面真实白屏时间和真实首屏时间计算方式，一致的评判标准，能减少主观因素带来的误差，从而提升了页面性能采集算法准确率的计算。
在一个实施例中，如图2所示，上述步骤根据所有视频帧的相似度，获取真实白屏时间，包括以下子步骤S1041-S1042：
在步骤S1041中，将所有视频帧按时间正序排列。
在本步骤中，按照视频帧获取的先后顺序将视频帧进行顺序排列。
在步骤S1042中，从前往后，寻找相似度首次大于0的第一目标视频帧；第一目标视频帧所对应的时间点为真实白屏时间。
在将视频帧按照获取时间进行顺序排列后，挨个去分析计算出的视频帧的相似度，寻找相似度首次大于0的视频帧对应的时间点就是真实白屏时间。
白屏时间指的是浏览器开始显示内容的时间。因此我们只需要知道是浏览器开始显示内容的时间点，即页面白屏结束时间点即可获取到页面的白屏时间。
在本公开中，将视频最后一帧做为目标图像，计算出每一视频帧相对于目标图像的相似度，例如：视频开始帧无任何内容，相似度为0；视频结束帧与目标图像一致，相似度为100％。然后将所有视频帧按时间正序排列，从前往后，依次校验视频帧相似度，寻找相似度首次大于0的第一目标视频帧，寻找到的第一目标视频帧所对应的时间点即为页面的真实白屏时间。
其中，通过分析页面加载视频的每一帧的相似度，明确页面真实白屏时间的计算方式，从而基于一致的评判标准，能减少主观因素带来的误差。
在一个实施例中，如图3所示，上述步骤根据所有视频帧的相似度，获取真实首屏时间，包括以下子步骤S1043-S1044：
在步骤S1043中，将所有视频帧按时间正序排列。
在本步骤中，按照视频帧获取的先后顺序将视频帧进行顺序排列。
在步骤S1044中，从后往前，寻找递增趋势趋于平稳的开始的第二目标视频帧，第二目标视频帧所对应的时间点即为真实首屏时间。
其中，寻找递增趋势趋于平稳的开始的第二目标视频帧，包括：
寻找时间最小的且同时满足预设条件的视频帧为第二目标视频帧；
预设条件包括：
当前视频帧的相似度与最后一帧视频帧的相似度差距不大于第一预设值；且当前视频帧的相似度与前一个视频帧的相似度不大于第二预设值。
首屏时间是指用户打开网站开始，到浏览器首屏内容渲染完成的时间。对于用户体验来说，首屏时间是用户对一个网站的重要体验因素。通常一个网站，如果首屏时间在5秒以内是比较优秀的，10秒以内是可以接受的，10秒以上就不可容忍了。超过10秒的首屏时间用户会选择刷新页面或立刻离开。因此，首屏时间的算法的准确率提升也很重要。
在本公开中，将视频最后一帧做为目标图像，计算出每一视频帧相对于目标图像的相似度，例如：视频开始帧无任何内容，相似度为0；视频结束帧与目标图像一致，相似度为100％。将所有视频帧按时间正序排列，将最后一帧视频帧的相似度作为目标相似度，从后往前，依次校验视频帧相似度，寻找时间最小的且同时满足以下两个条件(i.当前视频帧的相似度与目标相似度差距不大于第一预设值，例如：10；ii.当前视频帧的相似度与前一个视频帧的相似度不大于第二预设值，例如：3；)的视频帧，该视频帧即为递增趋势趋于平稳的开始，寻找到的视频帧所对应的时间点即为页面的真实首屏时间。
其中，通过分析页面加载视频的每一帧的相似度，明确页面真实首屏时间的计算方式，从而基于一致的评判标准，能减少主观因素带来的误差。
以下通过具体实施方式进一步的说明本公开的技术方案。
图4是根据一示例性实施例示出的页面性能采集算法的调整方法的流程图，为了能自动化计算白屏时间相对误差和首屏时间相对误差，开发了一个用于开源工具库(sitespeed.io)的插件(check-performance)，如图4所示，该方法包括以下步骤S201-S206：
在步骤S201中，读取多个样本页面链接。
在步骤S202中，启动开源工具库(sitespeed.io)。
在步骤S203中，开源工具库进入页面加载处理流程。
步骤S203中开源工具库的页面加载处理流程即为图4中的虚线框模块，主要包含三个部分：
1.浏览器加载页面并运行脚本的流程，具体的：
在步骤S2031中，启动浏览器；
在步骤S2032中，浏览器开始访问页面URL；
在步骤S2033中，运行js脚本分析页面数据；
在步骤S2034中，关闭浏览器。
在该步骤中主要是为了获取计算白屏时间和计算首屏时间，页面接入性能采集脚本；在浏览器加载页面的过程中，白屏算法和首屏算法会自动计算相应的白屏时间和首屏时间；将这两个指标数据通过性能接口进行上报。
2.视频软件录制页面加载过程的流程，具体的：
在步骤S2035中，启动视频录制软件；
在步骤S2036中，停止视频录制；
在步骤S2037中，计算所有视频帧的相似度。
在该步骤中主要是为了获取真实白屏时间和真实首屏时间，将浏览器加载页面的过程录制成视频；(开源工具库负责)；将视频最后一帧做为目标图像，计算出每一视频帧相对于目标图像的相似度。例如：视频开始帧无任何内容，相似度为0；视频结束帧与目标图像一致，相似度为100％；(开源工具库负责)；利用所有视频帧的相似度，找出白屏时间点和首屏时间点。(自研插件负责)。
3.将所有分析数据汇总提供给其他插件使用，具体的：
在步骤S2038中，将数据汇总供给其他插件使用。
其他插件可以利用该些数据来确定算法的准确率。
待每个样本页面加载处理完成后，获取每个页面的白屏时间和首屏时间：
在步骤S204中，分析页面性能接口上报的数据，获取计算白屏时间(t1_computed)和计算首屏时间(t2_computed)；
在步骤S204中，获取所有视频帧的相似度，分析真实白屏时间(t1_real)和真实首屏时间(t2_real)：
在步骤S205中，根据视频帧的相似度寻找真实白屏时间和真实首屏时间的方式如下：
1.真实白屏时间：
a)将所有视频帧按时间正序排列；
b)从前往后，依次校验视频帧相似度，寻找相似度首次大于0的视频帧；
c)寻找到的视频帧所对应的时间点即为页面的真实白屏时间；
2.真实首屏时间：
a)将所有视频帧按时间正序排列；
b)将最后一帧视频帧的相似度作为目标相似度；
c)从后往前，依次校验视频帧相似度，寻找时间最小的且同时满足以下两个条件的视频帧，该视频帧即为递增趋势趋于平稳的开始，条件如下：
i.当前视频帧的相似度与目标相似度差距不大于10；
ii.当前视频帧的相似度与前一个视频帧的相似度不大于3；
d)寻找到的视频帧所对应的时间点即为页面的真实首屏时间。
在步骤S206中，利用两种方式获取到的指标数据，计算白屏时间相对误差(t1_relative_error)与首屏时间相对误差(t2_relative_error)：
a)t1_relative_error＝|t1_computed–t1_real|/t1_real*100％
b)t2_relative_error＝|t2_computed–t2_real|/t2_real*100％
在步骤S207中，将所有样本页面的基本信息与计算出的相对误差汇总并写入表格文件。
通过上述的分析可知，在本公开中，会自动化的收集多个页面的白屏时间和首屏时间，包括真实指标数据与计算指标数据。将真实指标数据与计算指标数据进行比对，计算相对误差，进而验证性能采集算法的准确率。并且，计算真实首屏时间中，分析所有视频帧的相似度，利用视频帧的相似度与目标相似度的差距和视频帧的相似度与前一个视频帧的相似度的差距，找出页面真实首屏时间点。
通过上述方案，本公开的主要优点如下：
1)本发明是自动化的检测采集算法的准确率，避免了大量重复的人力成本；
2)将数据结果生成报表，方便快速分析，多样本的实验数据也为算法优化提供依据和参考；
3)通过分析页面加载视频的每一帧的相似度，明确页面真实白屏时间和真实首屏时间计算方式，一致的评判标准，能减少主观因素带来的误差，
根据本公开的实验结果，调整和优化了性能采集脚本中的首屏时间算法。针对相同的50个样本页面，在相同的网络及设备环境下，调整前后首屏时间算法平均准确率由78％提升至90％。
下述为本公开装置实施例，可以用于执行本公开方法实施例。
图5是根据一示例性实施例示出的一种页面性能采集算法的调整装置的框图。如图5所示，该页面性能采集算法的调整装置包括：
录制模块11，用于将浏览器加载页面的过程录制视频；
第一获取模块12，用于在浏览器加载页面完成后，根据页面性能接口上报的数据获取计算页面性能指标，所述计算页面性能指标包括：计算首屏时间或计算白屏时间；
第一计算模块13，用于根据录制的所述视频，计算出每一视频帧相对于所述视频最后一帧的相似度；
第二获取模块14，用于根据所有视频帧的相似度，获取真实页面性能指标，所述真实页面性能指标包括：真实首屏时间或真实白屏时间；
第二计算模块15，用于根据所述计算页面性能指标和所述真实页面性能计算页面性能相对误差；
调整模块16，用于根据所述页面性能相对误差调整页面性能采集算法。
在一个实施例中，如图6所示，所述第二获取模块14，包括：
第一排列子模块141，用于将所有视频帧按时间正序排列；
第一寻找子模块142，用于从前往后，寻找所述相似度首次大于0的第一目标视频帧；所述第一目标视频帧所对应的时间点为所述真实白屏时间。
在一个实施例中，如图7所示，所述第二获取模块14，包括：
第二排列子模块143，用于将所有视频帧按时间正序排列；
第二寻找子模块144，用于从后往前，寻找递增趋势趋于平稳的开始的第二目标视频帧；所述第二目标视频帧所对应的时间点即为所述真实首屏时间。
在一个实施例中，如图8所示，所述第二寻找子模块144，包括：寻找子单元1441；
所示寻找子单元1441，用于寻找时间最小的且同时满足预设条件的视频帧为所述第二目标视频帧；
所述预设条件包括：
当前视频帧的相似度与最后一帧视频帧的相似度差距不大于第一预设值；
且所述当前视频帧的相似度与前一个视频帧的相似度不大于第二预设值。
根据本公开实施例的第三方面，提供一种页面性能采集算法的调整装置，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，处理器被配置为：
将浏览器加载页面的过程录制视频；
在浏览器加载页面完成后，根据页面性能接口上报的数据获取计算页面性能指标，所述计算页面性能指标包括：计算首屏时间或计算白屏时间；
根据录制的所述视频，计算出每一视频帧相对于所述视频最后一帧的相似度；
根据所有视频帧的相似度，获取真实页面性能指标，所述真实页面性能指标包括：真实首屏时间或真实白屏时间；
根据所述计算页面性能指标和所述真实页面性能计算页面性能相对误差；
根据所述页面性能相对误差调整页面性能采集算法。
上述处理器还可被配置为：
所述根据所有视频帧的相似度，获取真实白屏时间，包括：
将所有视频帧按时间正序排列；
从前往后，寻找所述相似度首次大于0的第一目标视频帧；
所述第一目标视频帧所对应的时间点为所述真实白屏时间。
所述根据所有视频帧的相似度，获取真实首屏时间，包括：
将所有视频帧按时间正序排列；
从后往前，寻找递增趋势趋于平稳的开始的第二目标视频帧；
所述第二目标视频帧所对应的时间点即为所述真实首屏时间。
所述寻找递增趋势趋于平稳的开始的第二目标视频帧，包括：
寻找时间最小的且同时满足预设条件的视频帧为所述第二目标视频帧；
所述预设条件包括：
当前视频帧的相似度与最后一帧视频帧的相似度差距不大于第一预设值；
且所述当前视频帧的相似度与前一个视频帧的相似度不大于第二预设值。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图9是根据一示例性实施例示出的一种用于页面性能采集算法的调整装置80的框图，该装置适用于终端设备。例如，装置80可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
装置80可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制装置80的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置80的操作。这些数据的示例包括用于在装置80上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为装置80的各种组件提供电力。电源组件806可以包括电源管理***，一个或多个电源，及其他与为装置80生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置80和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置80处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置80处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和***接口模块之间提供接口，上述***接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为装置80提供各个方面的状态评估。例如，传感器组件814可以检测到装置80的打开/关闭状态，组件的相对定位，例如所述组件为装置80的显示器和小键盘，传感器组件814还可以检测装置80或装置80一个组件的位置改变，用户与装置80接触的存在或不存在，装置80方位或加速/减速和装置80的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于装置80和其他设备之间有线或无线方式的通信。装置80可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置80可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子组件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置80的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质，当所述存储介质中的指令由装置80的处理器执行时，使得装置80能够执行上述页面性能采集算法的调整方法，所述方法包括：
将浏览器加载页面的过程录制视频；
在浏览器加载页面完成后，根据页面性能接口上报的数据获取计算页面性能指标，所述计算页面性能指标包括：计算首屏时间或计算白屏时间；
根据录制的所述视频，计算出每一视频帧相对于所述视频最后一帧的相似度；
根据所有视频帧的相似度，获取真实页面性能指标，所述真实页面性能指标包括：真实首屏时间或真实白屏时间；
根据所述计算页面性能指标和所述真实页面性能计算页面性能相对误差；
根据所述页面性能相对误差调整页面性能采集算法。
在一个实施例中，所述根据所有视频帧的相似度，获取真实白屏时间，包括：
将所有视频帧按时间正序排列；
从前往后，寻找所述相似度首次大于0的第一目标视频帧；
所述第一目标视频帧所对应的时间点为所述真实白屏时间。
在一个实施例中，所述根据所有视频帧的相似度，获取真实首屏时间，包括：
将所有视频帧按时间正序排列；
从后往前，寻找递增趋势趋于平稳的开始的第二目标视频帧；
所述第二目标视频帧所对应的时间点即为所述真实首屏时间。
在一个实施例中，所述寻找递增趋势趋于平稳的开始的第二目标视频帧，包括：
寻找时间最小的且同时满足预设条件的视频帧为所述第二目标视频帧；
所述预设条件包括：
当前视频帧的相似度与最后一帧视频帧的相似度差距不大于第一预设值；
且所述当前视频帧的相似度与前一个视频帧的相似度不大于第二预设值。
图10是根据一示例性实施例示出的一种用于页面性能采集算法的调整装置90的框图。例如，装置90可以被提供为一服务器。装置90包括处理组件902，其进一步包括一个或多个处理器，以及由存储器903所代表的存储器资源，用于存储可由处理组件902的执行的指令，例如应用程序。存储器903中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件902被配置为执行指令，以执行上述方法。
装置90还可以包括一个电源组件906被配置为执行装置90的电源管理，一个有线或无线网络接口905被配置为将装置90连接到网络，和一个输入输出(I/O)接口908。装置90可以操作基于存储在存储器903的操作***，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
一种非临时性计算机可读存储介质，当所述存储介质中的指令由装置90的处理器执行时，使得装置90能够执行上述页面性能采集算法的调整方法，所述方法包括：
将浏览器加载页面的过程录制视频；
在浏览器加载页面完成后，根据页面性能接口上报的数据获取计算页面性能指标，所述计算页面性能指标包括：计算首屏时间或计算白屏时间；
根据录制的所述视频，计算出每一视频帧相对于所述视频最后一帧的相似度；
根据所有视频帧的相似度，获取真实页面性能指标，所述真实页面性能指标包括：真实首屏时间或真实白屏时间；
根据所述计算页面性能指标和所述真实页面性能计算页面性能相对误差；
根据所述页面性能相对误差调整页面性能采集算法。
在一个实施例中，所述根据所有视频帧的相似度，获取真实白屏时间，包括：
将所有视频帧按时间正序排列；
从前往后，寻找所述相似度首次大于0的第一目标视频帧；
所述第一目标视频帧所对应的时间点为所述真实白屏时间。
在一个实施例中，所述根据所有视频帧的相似度，获取真实首屏时间，包括：
将所有视频帧按时间正序排列；
从后往前，寻找递增趋势趋于平稳的开始的第二目标视频帧；
所述第二目标视频帧所对应的时间点即为所述真实首屏时间。
在一个实施例中，所述寻找递增趋势趋于平稳的开始的第二目标视频帧，包括：
寻找时间最小的且同时满足预设条件的视频帧为所述第二目标视频帧；
所述预设条件包括：
当前视频帧的相似度与最后一帧视频帧的相似度差距不大于第一预设值；
且所述当前视频帧的相似度与前一个视频帧的相似度不大于第二预设值。
本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种页面性能采集算法的调整方法，其特征在于，包括：
将浏览器加载页面的过程录制视频；
在浏览器加载页面完成后，根据页面性能接口上报的数据获取计算页面性能指标，所述计算页面性能指标包括：计算首屏时间或计算白屏时间；
根据录制的所述视频，计算出每一视频帧相对于所述视频最后一帧的相似度；
根据所有视频帧的相似度，获取真实页面性能指标，所述真实页面性能指标包括：真实首屏时间或真实白屏时间；
根据所述计算页面性能指标和所述真实页面性能计算页面性能相对误差；
根据所述页面性能相对误差调整页面性能采集算法。
2.根据权利要求1所述的方法，其特征在于，所述根据所有视频帧的相似度，获取真实白屏时间，包括：
将所有视频帧按时间正序排列；
从前往后，寻找所述相似度首次大于0的第一目标视频帧；
所述第一目标视频帧所对应的时间点为所述真实白屏时间。
3.根据权利要求1所述的方法，其特征在于，所述根据所有视频帧的相似度，获取真实首屏时间，包括：
将所有视频帧按时间正序排列；
从后往前，寻找递增趋势趋于平稳的开始的第二目标视频帧；
所述第二目标视频帧所对应的时间点即为所述真实首屏时间。
4.根据权利要求3所述的方法，其特征在于，所述寻找递增趋势趋于平稳的开始的第二目标视频帧，包括：
寻找时间最小的且同时满足预设条件的视频帧为所述第二目标视频帧；
所述预设条件包括：
当前视频帧的相似度与最后一帧视频帧的相似度差距不大于第一预设值；
且所述当前视频帧的相似度与前一个视频帧的相似度不大于第二预设值。
5.一种页面性能采集算法的调整装置，其特征在于，包括：
录制模块，用于将浏览器加载页面的过程录制视频；
第一获取模块，用于在浏览器加载页面完成后，根据页面性能接口上报的数据获取计算页面性能指标，所述计算页面性能指标包括：计算首屏时间或计算白屏时间；
第一计算模块，用于根据录制的所述视频，计算出每一视频帧相对于所述视频最后一帧的相似度；
第二获取模块，用于根据所有视频帧的相似度，获取真实页面性能指标，所述真实页面性能指标包括：真实首屏时间或真实白屏时间；
第二计算模块，用于根据所述计算页面性能指标和所述真实页面性能计算页面性能相对误差；
调整模块，用于根据所述页面性能相对误差调整页面性能采集算法。
6.根据权利要求5所述的装置，其特征在于，所述第二获取模块，包括：
第一排列子模块，用于将所有视频帧按时间正序排列；
第一寻找子模块，用于从前往后，寻找所述相似度首次大于0的第一目标视频帧；所述第一目标视频帧所对应的时间点为所述真实白屏时间。
7.根据权利要求5所述的装置，其特征在于，所述第二获取模块，包括：
第二排列子模块，用于将所有视频帧按时间正序排列；
第二寻找子模块，用于从后往前，寻找递增趋势趋于平稳的开始的第二目标视频帧；所述第二目标视频帧所对应的时间点即为所述真实首屏时间。
8.根据权利要求7所述的装置，其特征在于，所述第二寻找子模块，包括：寻找子单元；
所示寻找子单元，用于寻找时间最小的且同时满足预设条件的视频帧为所述第二目标视频帧；
所述预设条件包括：
当前视频帧的相似度与最后一帧视频帧的相似度差距不大于第一预设值；
且所述当前视频帧的相似度与前一个视频帧的相似度不大于第二预设值。
9.一种页面性能采集算法的调整装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
将浏览器加载页面的过程录制视频；
在浏览器加载页面完成后，根据页面性能接口上报的数据获取计算页面性能指标，所述计算页面性能指标包括：计算首屏时间或计算白屏时间；
根据录制的所述视频，计算出每一视频帧相对于所述视频最后一帧的相似度；
根据所有视频帧的相似度，获取真实页面性能指标，所述真实页面性能指标包括：真实首屏时间或真实白屏时间；
根据所述计算页面性能指标和所述真实页面性能计算页面性能相对误差；
根据所述页面性能相对误差调整页面性能采集算法。
10.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1至4中任一项所述方法的步骤。
CN202011502355.2A 2020-12-18 2020-12-18 页面性能采集算法的调整方法及装置 Active CN112559309B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011502355.2A CN112559309B (zh) 2020-12-18 2020-12-18 页面性能采集算法的调整方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011502355.2A CN112559309B (zh) 2020-12-18 2020-12-18 页面性能采集算法的调整方法及装置

Publications (2)

Publication Number Publication Date
CN112559309A true CN112559309A (zh) 2021-03-26
CN112559309B CN112559309B (zh) 2024-07-19

Family

ID=75063398

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011502355.2A Active CN112559309B (zh) 2020-12-18 2020-12-18 页面性能采集算法的调整方法及装置

Country Status (1)

Country Link
CN (1) CN112559309B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114518911A (zh) * 2022-02-21 2022-05-20 中国农业银行股份有限公司 一种插件加载时长预测方法、装置、设备和存储介质
CN114973060A (zh) * 2022-04-22 2022-08-30 山东省计算中心（国家超级计算济南中心） 一种移动视频的相似度计算方法和***

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5221937A (en) * 1991-07-31 1993-06-22 Machtig Jeffrey S Video mannequin
CN103324521A (zh) * 2013-06-20 2013-09-25 张家港保税区润桐电子技术研发有限公司 一种测量网页首屏时间的方法
CN107436786A (zh) * 2017-07-28 2017-12-05 深圳Tcl新技术有限公司 应用启动优化方法、装置及计算机可读存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5221937A (en) * 1991-07-31 1993-06-22 Machtig Jeffrey S Video mannequin
CN103324521A (zh) * 2013-06-20 2013-09-25 张家港保税区润桐电子技术研发有限公司 一种测量网页首屏时间的方法
CN107436786A (zh) * 2017-07-28 2017-12-05 深圳Tcl新技术有限公司 应用启动优化方法、装置及计算机可读存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114518911A (zh) * 2022-02-21 2022-05-20 中国农业银行股份有限公司 一种插件加载时长预测方法、装置、设备和存储介质
CN114518911B (zh) * 2022-02-21 2024-03-12 中国农业银行股份有限公司 一种插件加载时长预测方法、装置、设备和存储介质
CN114973060A (zh) * 2022-04-22 2022-08-30 山东省计算中心（国家超级计算济南中心） 一种移动视频的相似度计算方法和***

Also Published As

Publication number Publication date
CN112559309B (zh) 2024-07-19

Similar Documents

Publication Publication Date Title
CN107025419B (zh) 指纹模板录入方法及装置
CN111274131A (zh) 接口测试方法、装置、电子设备及存储介质
CN111221733A (zh) 信息处理方法、装置、移动终端及存储介质
CN110502444B (zh) 一种图像处理算法的测试方法及测试装置
CN112559309B (zh) 页面性能采集算法的调整方法及装置
CN112241361A (zh) 测试用例生成方法及装置、问题场景自动复现方法及装置
CN113157256A (zh) 接口代码的生成方法、装置、电子设备、存储介质及产品
CN115982024A (zh) 测试脚本生成方法、设备、存储介质及程序产品
CN111614990A (zh) 加载时长的获取方法、装置及电子设备
CN112948704A (zh) 用于信息推荐的模型训练方法、装置、电子设备以及介质
CN111209195B (zh) 一种生成测试用例的方法及装置
CN111125388B (zh) 多媒体资源的检测方法、装置及设备和存储介质
CN112685269A (zh) 数据的获取方法、装置、电子设备及存储介质
CN106446827B (zh) 虹膜识别功能检测方法和装置
CN115543831A (zh) 一种测试脚本生成方法、装置、设备和存储介质
CN111061633B (zh) 一种网页首屏时间检测方法、装置、终端及介质
CN113810240B (zh) 通讯协议解析方法、装置及计算机可读存储介质
CN114896165A (zh) 会话机器人***的测试方法、装置、电子设备和存储介质
CN107526683B (zh) 应用程序功能冗余度的检测方法、装置及存储介质
CN109740136B (zh) 网页数据导入方法、装置、电子设备及存储介质
CN112346968B (zh) 一种多媒体文件清晰度的自动化检测方法及装置
CN112631695A (zh) 一种数据校验方法、装置、电子设备及存储介质
CN110673850A (zh) 一种获取静态库的大小的方法及装置
CN111611470A (zh) 一种数据处理方法、装置和电子设备
CN112462996B (zh) 服务信息优化方法、服务信息优化装置及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant