Куда смотреть при проблемах с производительностью приложения и типичные причины

Что проверяют

Есть ли у вас метод, а не набор заученных советов. Хороший ответ начинается с измерения и разделения слоёв, слабый сразу предлагает мемоизацию. Следом почти всегда просят пример: что тормозило у вас, как нашли причину и на сколько ускорили.

Как отвечать

Сначала измерения. Полевые данные (библиотека web-vitals, свой RUM, отчёт CrUX) отвечают, у кого и где болит, лабораторные (Lighthouse, вкладка Performance в DevTools) отвечают почему. Ориентиры: LCP до 2,5 с, INP до 200 мс, CLS до 0,1. Дальше разбирайте по слоям:

• доставка: вес бандла и отсутствие разбиения по маршрутам, неудалённый мёртвый код, отсутствие сжатия и кэш-заголовков, шрифты без font-display: swap, картинки без AVIF или WebP и без srcset, забытые loading="lazy" и fetchpriority="high" на главной картинке экрана;
• главный поток: задачи длиннее 50 мс, дорогая гидратация, сторонние скрипты вроде аналитики и чатов, синхронный разбор больших JSON. Лечится дроблением работы, scheduler.yield() и выносом расчётов в Web Worker;
• рендер: лишние перерисовки (видно в профайлере React), отсутствие виртуализации длинных списков, layout thrashing, когда чтение offsetHeight чередуется с записью стилей, анимации не через transform и opacity, огромный DOM;
• данные: водопад последовательных запросов, отсутствие кэша ответов, загрузка полей, которые не показываются;
• память: неснятые подписки и обработчики, растущие коллекции, отсоединённые узлы DOM видно в снимке кучи.

Закончите порядком работы: замер, гипотеза, одна правка, повторный замер и бюджет в CI, чтобы вес бандла не отрос обратно.

Где спотыкаются

Оптимизируют по ощущениям на своём быстром ноутбуке с локальным API. Включите throttling процессора и медленную сеть, картина меняется полностью.

Раскидывают memo и useMemo по всему коду. Сравнение пропсов и хранение значений тоже стоят времени, а причина обычно в одном тяжёлом компоненте или лишнем запросе.

Смотрят только Lighthouse на главной странице. Реальные пользователи заходят с телефонов на внутренние экраны, и полевые метрики оказываются заметно хуже лабораторных.