把 LCP 从 4.2 秒降到 1.8 秒:一次前端性能治理的完整记录

商品的详情页在移动端 4G 网络下 LCP 是 4.2 秒,接近 Google「差」的阈值。业务方给的诉求很朴素:首屏别让人等。

我们花了三周,最终降到 1.8 秒。过程中最有价值的部分不是用了哪些手段,而是如何确定下一步该做什么。

一、先把 LCP 拆开

LCP 不是单一指标,它有四个可测量的阶段:

LCP = TTFB + 资源加载延迟 + 资源加载时长 + 元素渲染延迟

我们在页面里埋了 PerformanceObserver,把每一段的耗时按分位数上报:

new PerformanceObserver((list) => {
  const entry = list.getEntries().at(-1);
  const ttfb = entry.responseEnd - entry.requestStart;
  const loadDelay = entry.startTime - entry.responseEnd;
  const loadTime = entry.loadTime;
  const renderDelay = entry.renderTime ? 0 : entry.startTime - entry.loadTime;
  report('lcp_breakdown', { ttfb, loadDelay, loadTime, renderDelay });
}).observe({ type: 'largest-contentful-paint', buffered: true });

一周数据下来,归因非常清晰(P75):

阶段 耗时 占比
TTFB 1.35s 32%
资源加载延迟 1.62s 39%
资源加载时长 0.78s 19%
元素渲染延迟 0.45s 10%

最大的问题在资源加载延迟——也就是图片被发现得太晚。

二、第一刀:让 LCP 图片早被发现

原因有两个:主图藏在轮播组件里,需要等 JS 初始化后才插入 <img>;插入之后没有 fetchpriority,浏览器把它排在 CSS 和字体后面。

改法:

<img
  src="main.webp"
  srcset="main-480.webp 480w, main-960.webp 960w"
  sizes="(max-width: 640px) 100vw, 640px"
  width="640" height="640"
  fetchpriority="high"
  decoding="async"
  alt="商品主图"
/>

同时在 HTML 里用 <link rel="preload" as="image" imagesrcset="..."> 提前声明,让它不再依赖组件挂载。

这一项把「资源加载延迟」从 1.62s 降到 0.31s,LCP 直接到 2.6s。这是全程投入产出比最高的一步,改动不到三十行。

三、第二刀:TTFB

TTFB 高是因为详情页有三串行依赖:鉴权 → 商品信息 → 推荐位。推荐位超时还会阻塞整个 HTML 返回。

调整:

  • 推荐位改为流式渲染,先返回骨架,数据到位后由 <script> 追加;
  • 鉴权结果在边缘节点缓存 60 秒(按用户维度),命中率 87%;
  • 商品信息接口加了一层 KV 缓存,热点商品直接命中。

TTFB 从 1.35s 降到 0.42s。

四、第三刀:把 CSS 与字体控制住

剩下的耗时分散在细节里:

关键 CSS 内联。 原本首屏需要 3 个 CSS 文件、共 180KB。我们把 above-the-fold 的样式(约 22KB)内联进 <head>,其余异步加载。注意内联不是越多越好——超过 40KB 反而会推迟 HTML 解析。

字体。 之前用了自定义中文字体,完整文件 4.2MB,首屏文字一直在等它。改成子集化 + font-display: swap,并把首屏标题用的那几个字单独打包预加载。中文字体子集化是这里唯一”必须做”的事。

渲染延迟。 首屏有一处 useEffect 里计算布局的逻辑,导致主图区域先渲染空容器。改成 CSS 固定高度后,元素渲染延迟从 0.45s 降到 0.08s。

五、哪些”最佳实践”其实没用

诚实记录三个无效尝试:

  • 服务端组件化改造:投入两周,LCP 改善不足 5%。因为瓶颈在网络与资源发现,不在 JS 执行。
  • 图片转 AVIF:体积小了 22%,但解码更慢,移动端 LCP 反而变差 3%。最终保留 WebP。
  • 预连接第三方域名:我们有 11 个第三方域名,加了 5 个 preconnect,实际收益接近于零,还占用了连接槽位。后来砍到 2 个。

六、结果与机制

指标 优化前 优化后
LCP P75 4.2s 1.8s
LCP P95 6.8s 3.1s
INP P75 210ms 140ms
首屏请求数 47 29

比数字更重要的是机制:我们把 LCP 分解数据接入了发布流水线,每次发布对比一周分位数,恶化超过 8% 自动告警。性能治理没有终点,只有持续看住。

附:给同类项目的检查顺序

  1. LCP 元素是谁?先把这一点确认,很多人优化错了元素;
  2. 分四段归因,找占比最大的那段;
  3. 优先做「让资源更早被发现」,而不是「让资源更小」;
  4. 最后才考虑代码层面的优化。