prerender에서 LCP가 6.2초로 찍힌 이유 — activationStart를 뺀 RUM만 맞다
Speculation Rules로 페이지를 미리 렌더링하면 LCP 원본값에 사용자 대기 시간이 통째로 들어간다. Chrome 150에서 6244ms와 103.5ms의 간극을 실측하고, activationStart로 보정해야 할 지점을 RUM 계측 코드 기준으로 하나씩 정리했다.
태그
performance
8개 글
공식은 "WebSocket이 bfcache를 막지 않는다"고 했다 — 다시 재보니 세 번 다 막혔다
Chrome 149가 WebSocket의 bfcache 차단을 풀었다고 발표했다. Chrome 150 세 환경에서 다시 재보니 notRestoredReasons는 여전히 websocket을 돌려줬다. 릴리스 노트와 실측이 갈리는 지점을 재현 스크립트와 측정 로그까지 함께 기록했다.
beforeunload는 통과했고 unload는 막혔다: bfcache 실측 6판
뒤로 가기가 즉시 열리는지는 취향이 아니라 측정 대상이다. 차단 조건을 하나씩 심은 페이지 여섯 개에 back 내비게이션을 걸어 pageshow.persisted와 notRestoredReasons를 받아냈다. unload는 막혔고 beforeunload와 no-store는 통과했다.
MIT TLT: 추론 LLM 훈련 속도를 2배로 끌어올리는 적응형 드래프터
MIT가 발표한 TLT 기법은 유휴 GPU를 활용해 추론 LLM의 RL 훈련을 70〜210% 가속합니다. 적응형 드래프터와 롤아웃 엔진의 작동 원리를 분석합니다.
Claude Code 로컬 모델 사용 시 전체 프롬프트 재처리 — 아키텍처 비효율성 분석
Claude Code를 로컬 LLM으로 실행할 때 발생하는 전체 프롬프트 재처리 문제의 원인과 해결책을 분석합니다. KV 캐시 무효화 메커니즘과 개발자 도구 설계의 교훈을 다룹니다.
추천 시스템 V3: Frontmatter 임베디드 아키텍처로 빌드 성능 100% 개선
비대한 recommendations.json을 제거하고 Frontmatter에 추천 데이터를 직접 임베딩하여 런타임 파일 I/O를 100% 제거한 V3 시스템 구축 과정과 성과를 공유합니다.
추천 시스템 혁신: 78,000 토큰을 제로로 만든 메타데이터 최적화 여정
블로그 콘텐츠 추천 시스템에서 78,000 토큰을 완전히 제로화하고 실행 시간을 99% 단축한 메타데이터 기반 최적화 실전 사례를 소개합니다. post-metadata.json 캐싱 전략과 해시 비교 기반 증분 처리로 추천 비용을 획기적으로 절감한 전 과정을 설명합니다.
Chrome DevTools MCP로 웹 성능 최적화 자동화하기
AI 어시스턴트가 실제 브라우저 데이터로 성능을 측정하고 최적화하는 Chrome DevTools MCP 완벽 가이드. Core Web Vitals 자동화부터 실전 워크플로우까지