缓存

背景1:  

  通常,前端的资源文件加载优化,就是在文件不修改迭代的情况下,尽可能多地利用缓存,避免多次下载同样的文件。

  一般的做法就是尽量延长资源的有效期,也就是设置 Cache-Control 里的 max-age,使页面资源请求为 304,直接使用本地缓存。

  但是手机端由于个人习惯,网络原因等,协商缓存(304)的效果就没 pc 端那么好了。

  所以,localStorage 出场。

  localStorage 相比 cookie,可以缓存大体积的数据,而且永久有效。

 

技术难点:

  只要一个项目还在迭代开发,就难以避免需要更新资源文件。

    普通的资源请求,可以根据文件名+md5,或者在资源链接后面加上特定的后缀做为标识来判断是否需要更新资源。

    http://res.wx.qq.com/mmbizwap/zh_CN/htmledition/js/biz_wap/moon32ebc4.js

    http://1.ss.faisys.com/js/comm/fai.min.js?v=201612051739

    对于 localStorage 缓存,则需要一套新的缓存更新机制。

     同时需要搭建更新代码的脚手架来管理资源文件的读取和写入。

  后台输出一份资源配置信息。(后台输出一份依据给前端做判断用,是否使用缓存或重新发起请求,下载最新的资源文件。)

  存在 XSS 安全隐患,我们知道,localStorage 可以任意修改。

  举个栗子:微信判断该版本是否最新,就是用控制台中的 value 值与后台输出的配置信息进行比较,最后得出是否更新的结果,一致则使用缓存。

  微信 localStorage :

  

  微信资源配置信息会在脚手架 moon.js 之前输出:

       

  控制台输出 window.moon_map:

  

 

简单应用:

 

背景2:token

 

结论:

  非首屏渲染需要的 css 文件,可以做LS缓存(首屏需要SEO,爬虫爬取,故常规输出)

  移动端推荐LS缓存。

扩展:

  MT-增量更新

  

 

转载于:https://www.cnblogs.com/yuqlblog/p/9224526.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
评论
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