公司系统上海一客户的系统调优(三)-- 问题解决之二

 公司系统上海一客户的系统调优(三)-- 问题解决之二


针对js的优化。 以前只是采用了tomcat的压缩, 但是压缩的效果很明显, 但是目标不够。 所以要继续给js瘦身。

于是想到了js的压缩。 于是看了yui的压缩, 和谷歌的js 压缩。

对比一下:

yui功能相对简单, 代码也相对简单

谷歌压缩,不仅仅可以压缩, 他提供了更强大的优化功能。

针对公司的系统的特点。 觉的yui的压缩更合适。 因为现在主要是针对js的压缩, 不是优化。

特别是公司系统的js脚本写的十分分散。 往往是以函数级别的。 但是有时候很多个函数写在

同一个文件里面。 但是实际使用的时候, 这些函数不是都能使用的。 但是因为都包含在同一

个文件内部, 所以造成了js的体积不必要的增大,浪费不少资源。

所以初步设想是:

1、 程序自动合并js, 

       首先把多个js文件合并成一个js, 这样可以下载js时候不必要的的http连接。

2、 程序自动处理合并js里面的函数

       去掉js页面里面不必要的js的函数, 这样可以缩减不必要的js代码(其实这个地方应该是写程序的时候处理好的, 

      但是现在已经没有办法, 代码太多, 手工修改的人力物力没有这么多)

3、最终目标是争取每个业务功能打开的时候, 访问业务页面的时候, http的连接次数保持在6次以内。


所以基于以上几点, js函数的压缩采用yahoo的, 因为如果采用了, 主要是代码比较容易修改, 修改代码如下。


case Token.RC:
                    result.append('}');
                    braceNesting--;
                    assert braceNesting >= currentScope.getBraceNesting();
                    if (braceNesting == currentScope.getBraceNesting()) {
                    	//add by wjg
                    	//System.out.println(getToken(0).getType());
                    	if (offset < length && getToken(0).getType() != Token.SEMI)
                    	   result.append("\r\n");
                    	//end add
                        leaveCurrentScope();
                    }
                    break;

                case Token.SEMI:
                    // No need to output a semi-colon if the next character is a right-curly...
                    if (preserveAllSemiColons || offset < length && getToken(0).getType() != Token.RC) {
                    	//add by wjg
                    	System.out.println(braceNesting + " " + currentScope.getBraceNesting());
                    	if (-1 == currentScope.getBraceNesting()) {
                    		result.append(";\r\n");
                    	} else
                    	//end add
                           result.append(';');
                    }


做了如下修改, js压缩的时候产生的效果如下:

(原始文件)

var mytestvar = null;
var mytestvar1 = null;

/*
*tetstatat
*/
function testfuncone(testa, testb, testc) {
   
   testfunctwo(testa, testb);//teatabc ok hello world
}

/*
*tetstatat
*/
function testfunctwo(testd, testf) {
  
   testfuncthree(testd, testf);
}

/*
*tetstatat
*/
function testfuncthree(testg, testh) {
    
}

经过修改过以后的yui压缩如下:

var mytestvar=null;
var mytestvar1=null;
function testfuncone(b,a,c){testfunctwo(b,a)}
function testfunctwo(b,a){testfuncthree(b,a)}
function testfuncthree(b,a){};

这样代码比较容易进行下一步的处理。如果页面里面只是引用了
testfuncthree

那么看起来生成的文件就应该是:

var mytestvar=null;
var mytestvar1=null;
function testfuncthree(b,a){};








MATLAB代码实现了个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归化:使用mapminmax将输入和输出归化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值