使用机器学习提供下一代Web体验

在过去三年中，网站上使用的JavaScript数量增加了两倍。机器学习是Web开发人员加速其日益庞大的应用程序所需要的。

随着开发人员致力于提供沉浸式Web体验以及标准浏览器中的响应式设计，设备优化和类似本机的应用程序体验，HTML和JavaScript代码的使用已大大增加。

实际上，根据httparchive的数据，在过去三年中，排名前100位的网站所使用的JavaScript数量几乎增加了两倍 。所有这些额外的代码都是有代价的，它会降低性能并损害用户体验。为了阻止这些负面影响，开发人员正在寻求机器学习来简化大型应用程序的交付。

瓶颈在哪里？

当站点加载并发出浏览器请求时，传统的Web传递方法需要将所有JavaScript代码发送到最终用户的浏览器。但通常，甚至从未使用过一半以上的代码。但是，它仍然全部发送到浏览器，从而阻塞了交付过程并降低了性能。

当浏览器解析额外的代码（决定什么是必要的，什么是无关的）时，用户等待应用程序加载时，他们在空白屏幕上呆了几秒钟。在当今的零延迟经济中，每毫秒增加站点加载时间至关重要。如果网站和移动应用程序的速度太慢（即使间隔250毫秒），用户也会失去兴趣并继续前进，从而导致企业收入减少。

迄今为止，用于提高JavaScript性能的传统Web交付方法已经逐渐增多。例如，“最小化”从代码中删除了换行符，空格和注释，但仅提供了基线优势。

进入机器学习和未来的应用架构

想象一下，如果浏览器可以智能地决定实际使用的JavaScript代码，并且仅按需下载该代码，而忽略无效的未使用代码。这正是Instart Logic的一项名为SmartSequence的新技术 所做的事情。该技术将机器学习应用于真实用户浏览器发送的大量JavaScript执行信息，以了解浏览器如何使用代码。然后，它将这些信息应用于优化交付并增强最终用户的性能。

该系统能够检测到使用了什么JavaScript代码，并且仅预先提供了必要的部分，并且可以根据应用程序的需要来加载其他JavaScript。随着JavaScript随着时间的推移以及消费者使用模式的发展，系统会不断学习。

这种新颖的JavaScript交付方式使典型Web应用程序的下载大小减少了30％到40％。更高的性能率意味着增加的转换，降低的带宽成本以及跨设备的出色用户体验。借助机器学习，开发人员可以解决过多的代码问题，提高应用程序性能并突破Web开发的界限。