查看原文
其他

从 AMP 中学到的标准化经验

Google TensorFlow 2018-11-08

文 / Google AMP 项目技术负责人 Malte Ubl


过去两年多来,AMP 一直是用于构建一贯出色的网络用户体验的主要格式,Google 也会将它作为实现构建用户至上的网络这个目标的良好途径,在这个领域继续大力投资。


我们一直认为可以通过多种方式实现构建用户至上的网络这个目标,但是直到我们启动 AMP 项目,才确切知道这个目标的含义,以及实现目标仍面临着种种挑战。


根据我们从 AMP 中获得的经验,我们现在认为可以开展下一步工作,在专门设计的 Google 搜索区域(例如 “焦点新闻” 轮播)中支持更多并非基于 AMP 技术的即时加载内容。 要想符合资格,此内容需要遵循一套未来的网络标准,并满足多个客观的性能和用户体验条件。




AMP 的起源和发展

我们之所以启动 AMP,是因为我们发现移动网络让人感觉迟钝而缓慢,落后于“围墙花园”平台可以提供的紧密集成、高度优化的用户体验。我们还知道其中不存在基本的技术问题:您可以利用恰当的知识、资源和管理支持构建出色的网络体验。因此,我们决定创建一个可以为构建出色的网络体验提供良好途径的框架:AMP 具有资料完备、易于部署和可验证等特性,并且对用户至上的原则有独特见解。


AMP 作为一个开放源代码项目取得了快速发展,每周都会发布新功能并根据发布商和用户的反馈进行持续调整。我们希望 Google 从过去 2 年多围绕可扩展网络进行的反复尝试工作中学到的经验可以为网络标准制定过程提供一些有用的信息。感谢 Tim Kadlec 在 2016 年提出“内容性能策略”理念并说服我们应当沿着这条路继续走下去。现在,这个理念已演变成功能策略,并且在今后不依赖 AMP 的情况下,切实有助于提供类 AMP 性能保证。


我们感到 AMP 背后的使命比以往更加重要,Google 将在开发 AMP 上继续大力投资。投资的当前关注领域包括:通过 AMP 故事构建极具吸引力的故事叙述体验、动态电子邮件、AMP 中的 JS、推动网络电子商务创新,以及开发平台和内容与 Google 搜索的其他深入集成。



学到的标准化经验

AMP 驱动的标准化工作正通过各个 WICG 项目按部就班地开展。Google 的目标是将对 “焦点新闻” 轮播等功能的支持扩展到符合以下条件的类 AMP 内容:


(1) 满足多个性能和用户体验条件;

(2) 实现一套新的网络标准。关键途径中的一些建议标准包括功能策略、网络封装、iframe 置顶、性能时间线和绘制计时。同样重要的是,Chrome 团队去年发布了 Chrome 用户体验报告。报告的底层数据首次为性能和用户体验提供了网络范围的真实测量值。


今年 1 月,我们宣布 Google 计划按照 W3C TAG 发现的建议使用网络封装提供保护隐私的预加载功能,以及能够在发布商网址下投放 AMP 内容。我们对网络封装感到非常兴奋,因为它不是一种特定于 AMP 的技术,这样一来,我们可以将它用于即时加载封装的所有网络内容!


Google 搜索中的“焦点新闻”轮播等功能依赖 AMP 的可嵌入性特性。例如,它使用保护隐私的预渲染;基于 AMP 的 CPU、内存和带宽使用限制;以及内置的容器-嵌入-通信机制。现在我们相信,借助通过网站隔离或协同多任务实现的 iframe 性能隔离、网络封装、功能策略、iframe 置顶和文档选择接受,可以让实现这些标准的非 AMP 网络内容使用此类功能。


这需要跟踪许多功能,因此,我们计划定期更新此页面来跟踪进度。尽管我们完全计划在 Google 搜索中进行这些变更,但是与任何 Google 搜索功能一样,这些变更也将进行试验和用户测试,并且仅在结果对用户有利时实施。很难估计我们何时逐步实施这些变更,因为这取决于标准化和浏览器实现的未来进度。在社区与实现者之间达成共识是标准化过程的重要部分,可能需要对此计划进行变更。



总结

我们正在利用从 AMP 中学到的经验,并紧锣密鼓地制定允许即时加载非 AMP 网络内容的网络标准。我们希望这项工作也会解锁类 AMP 可嵌入性,“焦点新闻”轮播等 Google 搜索功能正是依托于这种可嵌入性。同时,AMP 也将作为 Google 构建出色的网络用户体验的良好途径。尽管 AMP 只是众多选择之一,但我们由衷地推荐这种技术。


我们将在 AMP 领域继续大力投资。我们继续致力于网络用户体验创新的一个主要示例是 AMP 故事,我们希望在这个过程中为未来的网络标准提供深入的数据分析。


我和 AMP 团队的各位同仁对开放网络的未来感到非常兴奋,并且迫不及待地想要看到大家的构建成果!#teamweb


更多 AI 相关阅读:

· 用于机器人操作的可扩展深度强化学习

· 神经网络相似性如何帮助我们理解训练和泛化?

· 利用 AutoAugment 提升深度学习性能



Be a Tensorflower

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存