Журнал: Том 30, № 2, 2025
Сторінки: 88 – 96
DOI: https://doi.org/10.62660/bcstu/2.2025.88
748 Переглядів

Оптимізація продуктивності веб-інтерфейсів із використанням закону Амдала

Олег Прус, Володимир Майданюк
Отримано 03.02.2025
Доопрацьовано 19.05.2025
Прийнято 16.06.2025

Анотація

У статті розглянуто побудову та застосування узагальнених математичних моделей на основі закону Амдала для визначення максимально можливого прискорення роботи веб-інтерфейсів з урахуванням їхніх ключових особливостей. Запропоновано розширення класичного підходу шляхом включення до моделі асинхронних процесів, механізмів різнорівневого кешування та методів динамічного завантаження ресурсів, що дає змогу точніше оцінювати сумарний вплив різних оптимізацій на швидкодію. Зокрема, обґрунтовано доцільність урахування асинхронного обміну даними, який дає змогу обробляти запити паралельно й уникати блокувань у процесі оновлення контенту. Розроблено формулу, що враховує ефективність клієнтського і серверного кешу та надає кількісну оцінку скорочення часу відгуку при повторному використанні вже завантажених даних. Особливу увагу зосереджено на методиках покрокового отримання вмісту, коли початкове завантаження сторінки мінімізується за рахунок відкладеного додавання окремих скриптів, зображень або стилів, що дає змогу пришвидшити початкове відображення важливого контенту і зробити інтерфейс більш чутливим до дій користувача. Окрім того, розглянуто вплив комплексного поєднання оптимізаційних стратегій на продуктивність веб-інтерфейсу та запропоновано відповідну узагальнену модель, яка за допомогою коефіцієнта взаємозалежності дозволяє визначити, наскільки одна оптимізація підсилює або, навпаки, нівелює дію іншої. Це надає можливість прогнозувати сумарний приріст швидкодії та зіставляти витрати на впровадження кількох рішень із потенційною економією часу. Запропонований формалізований підхід може стати основою для створення автоматизованих засобів оцінки продуктивності веб-інтерфейсів, інтегрованих у процес розробки. Перевірка моделі в трьох практичних сценаріях – часткове рендеринг з кешуванням API, мініфікація JavaScript з content delivery network (CDN) та розділення коду з кешуванням на стороні сервера – дала приріст продуктивності відповідно в 1,87 ×, 1,55 × та 1,64 ×, що повністю відповідає теоретичним прогнозам. Отримані дані підтверджують здатність коефіцієнта взаємозалежності R точно відображати синергію або накладання ефектів оптимізацій і роблять модель придатною для попереднього вибору найефективніших стратегій прискорення на етапі CI/CD-аудиту

Ключові слова

математичні моделі; асинхронне виконання; кешування даних; динамічне завантаження; комбіновані стратегії; прогнозування швидкодії

Використані джерела

  1. Abounacer, R., Afdel, K., & Bouaouda, A. (2023). Resource utilization and cost implications of container live migration in clouds: An approach performed on Amazon Web Services (AWS). Research Square. doi: 10.21203/ rs.3.rs-3286731/v1.
  2. Ahmed, F., Erman, J., Ge, Z., Liu, A. X., Wang, J., & Yan, H. (2017). Detecting and localizing end-to-end performance degradation for cellular data services based on TCP loss ratio and round trip time. IEEE/ACM Transactions on Networking, 25(6), 3709-3722. doi: 10.1109/TNET.2017.2761758.
  3. Araújo, G.R., Gomes, R., Ferrão, P., & Gomes, M.G. (2024). Optimizing building retrofit through data analytics: A study of multi-objective optimization and surrogate models derived from energy performance certificates. Energy and Built Environment, 5(6), 889-899. doi: 10.1016/j.enbenv.2023.07.002.
  4. Dyvak, M., & Kindzerskyi, O. (2024). Investigation of the efficiency of parallel computational scheme for identification of interval discrete models based on swarm intelligence. Herald of Khmelnytskyi National University. Technical Sciences, 331(1), 29-37. doi: 10.31891/2307-5732-2024-331-3.
  5. Ekpobimi, H.O., Kandekere, R.C., & Fasanmade, A.A. (2024). Conceptual framework for enhancing front-end web performance: Strategies and best practices. Global Journal of Advanced Research and Reviews, 2(1), 99-107. doi: 10.58175/gjarr.2024.2.1.0032.
  6. Felani, R., Al-Azam, M.N., Adi, D.P., & Widodo, A. (2020). Optimizing virtual resources management using Docker on cloud applications. Indonesian Journal of Computing and Cybernetics Systems, 14(3), article number 319. doi: 10.22146/ijccs.57565.
  7. GeeksForGeeks. (2023). Computer organization. Amdahl’s law and its proof. Retrieved from https://www. geeksforgeeks.org/computer-organization-amdahls-law-and-its-proof.
  8. Hevery, M. (2025). Amdahl’s law. Bare metal JavaScript: The JavaScript virtual machine. Retrieved from https:// frontendmasters.com/courses/javascript-cpu-vm/amdahl-s-law.
  9. Jain, V. (2022). Optimizing web performance with lazy loading and code splitting. International Journal of Core Engineering & Management, 7(3), 193-199. doi: 10.5281/zenodo.14956631.
  10. John, J. (2024). Optimizing application performance: A study on the impact of caching strategies on latency reduction. Retrieved from https://www.researchgate.net/publication/385916660_OPTIMIZING_APPLICATION_ PERFORMANCE_A_STUDY_ON_THE_IMPACT_OF_CACHING_STRATEGIES_ON_LATENCY_REDUCTION.
  11. Junghans, C., Agarwal, A., & Delle Site, L. (2017). Computational efficiency and Amdahl’s law for the adaptive resolution simulation technique. Computer Physics Communications, 215, 20-25. doi: 10.1016/j.cpc.2017.01.030.
  12. Kothapalli, M. (2022). Performance analysis of single page applications. International Journal of Science and Research (IJSR), 11(1), 1631-1635. doi: 10.21275/SR24529184457.
  13. Kundos, M.H., Solovey, L.Ya., Hrysyuk, A.V., & Bahniuk, O.M. (2024). Efficiency and multi-threading of parallel calculations in systems programming. Таuridа Scientific Herald. Series: Technical Sciences, 5, 60-64. doi: 10.32782/ tnv-tech.2024.5.6.
  14. Kvurt, L., & Tsyhylyk, L. (2009). The use of Amdahl’s and Gustafson’s laws in evaluating the acceleration factor in multiprocessor systems. Measurement Techniques and Metrology, 70, 55-56.
  15. Ma, J. (2024). A high performance computing web search engine based on big data and parallel distributed models. Informatica, 48(20), 27-38. doi: 10.31449/inf.v48i20.6776.
  16. Majchrzak, T.A., Biørn-Hansen, A., & Grønli, T.-M. (2018). Progressive web apps: The definite approach to crossplatform development? In 51st Hawaii international conference on system sciences (HICSS 2018) (pp. 1-10). Hawaii: Hilton Waikoloa Village. doi: 10.24251/HICSS.2018.718.
  17. Malavolta, I., Chinnappan, K., Jasmontas, L., Gupta, S., & Soltany, K.A.K. (2020). Evaluating the impact of caching on the energy consumption and performance of progressive web apps. In Proceedings of the IEEE/ACM 7th international conference on mobile software engineering and systems (pp. 109-119). New York: Association for Computing Machinery. doi: 10.1145/3387905.3388593.
  18. Mitton, L. (2023). Amdahl’s law: Understanding the basics. Retrieved from https://www.splunk.com/en_us/blog/ learn/amdahls-law.html.
  19. Nair, A.M., Sivaiswarya, C.K., Sidharth, S., Visakh, K.K., & Joy, J. (2024). Dockerized application with web interface. International Journal of Scientific Research in Computer Science Engineering and Information Technology, 10(2), 412-419. doi: 10.32628/CSEIT243646.
  20. Oh, S., Kwon, Y., & Lee, J. (2025). Optimizing real-time object detection in a multi-neural processing unit system. Sensors, 25(5), article number 1376. doi: 10.3390/s25051376.
  21. Poolla, C., & Saxena, R. (2022). On extending Amdahl’s law to learn computer performance. ArXiv, 2110, article number 07822. doi: 10.48550/arXiv.2110.07822.
  22. Potdar, A.M., Narayan, D.G., Kengond, S., & Mulla, M.M. (2020). Performance evaluation of Docker container and virtual machine. Procedia Computer Science, 171, 1419-1428. doi: 10.1016/j.procs.2020.04.152.
  23. Prus, O.V., Maidaniuk, V.P., & Arseniuk, I.R. (2024) March analysis of tools for multiproject environments management: Optimization of the software development. Scientific Works of VNTU, 1, 29-36. doi: 10.31649/2307-5376-2024-1-29-36.
  24. Ren, J., Gao, L., & Wang, Z. (2024). JavaScript performance tuning as a crowdsourced service. IEEE Transactions on Mobile Computing, 23(5), 6116-6132. doi: 10.1109/TMC.2023.3316167.
  25. Utomo, M.N.Y., Tungadi, E., & Khartika, W. (2025). Enhancing web performance for e-learning platform using content delivery network (CDN) and varnish cache. Journal of Information Systems and Informatics, 7(1), 831-847. doi: 10.51519/journalisi.v7i1.993.
  26. van Riet, J., Ghaleb, T.A. (2023). Optimise along the way: An industrial case study on web performance. Journal of Systems and Software, 198, article number 111593. doi: 10.1016/j.jss.2022.111593.
  27. Vepsäläinen, J., Hellas, A., & Vuorimaa, P. (2024). Overview of web application performance optimization techniques. ArXiv, 2412, article number 07892. doi: 10.48550/arXiv.2412.07892.

ЦИТУВАТИ

Prus, О., & Maidaniuk, V. (2025). Optimising web interface performance using Amdahl’s law. Bulletin of Cherkasy State Technological University, 30(2), 88-96. https://doi.org/10.62660/bcstu/2.2025.88