起因
上个月接到一个紧急需求，用户反馈报表导出太慢了，一个50页的PDF要等10多秒才能下载。老板说这体验不行，限我一周内解决。经过一番折腾，最终把生成时间压缩到1秒以内，今天分享一下优化过程。
性能瓶颈在哪里？
优化之前先要找到问题所在。我用了几种方法来定位瓶颈：
分段计时
在关键节点打日志，看看时间都花在哪里了。结果发现大头竟然是字体加载，每次生成都要重新读取20MB的字体文件。
内存监控
用 process.memoryUsage() 跟踪内存变化，发现图片处理时内存暴涨，单个PDF生成就要占用300MB+。
文件分析
生成的PDF文件有8MB，明显超标了。用工具分析发现图片没压缩，字体全部嵌入，还有很多重复的资源。
// 简单的性能监控代码
const start = Date.now();
console.log(`字体加载耗时: ${Date.now() - checkpoint1}ms`);
console.log(`图片处理耗时: ${Date.now() - checkpoint2}ms`);
console.log(`PDF生成耗时: ${Date.now() - start}ms`);
console.log(`内存占用: ${(process.memoryUsage().heapUsed / 1024 / 1024).toFixed(2)}MB`);
字体优化：从20MB到2MB
字体是PDF文件大小的最大杀手，特别是中文字体。
字体子集化
不要把整个字体文件都嵌入PDF，只嵌入实际用到的字符。原来用的思源黑体有2万多个字符，但报表里实际只用了不到500个。
字体缓存
应用启动时预加载字体，避免每次都读文件。这一个改动就节省了70%的时间。
字体回退
为不同类型的内容设置字体优先级。英文数字用系统字体，中文才用自定义字体。
// 字体缓存实现
class FontManager {
constructor() {
this.fontCache = new Map();
this.loadBaseFonts();
}
async loadBaseFonts() {
const fonts = [\"simhei\", \"arial\"];
for (const font of fonts) {
const buffer = await fs.readFile(`./fonts/${font}.ttf`);
this.fontCache.set(font, buffer);
}
}
getFont(name) {
return this.fontCache.get(name);
}
}
图片处理：质量与体积的平衡
图片优化是个技术活，要在质量和文件大小之间找平衡。
格式选择
Logo、图标这种简单图形用SVG，照片用JPEG，需要透明背景的用PNG。别一股脑都用PNG，文件会很大。
尺寸适配
根据在PDF中的显示尺寸来调整图片大小。一个在PDF里只显示100x100像素的图片，没必要用1000x1000的原图。
质量压缩
JPEG质量设为80%通常就够了，肉眼看不出差别，但文件小很多。
// 图片压缩示例
const sharp = require(\"sharp\");
async function compressImage(inputPath, maxWidth = 800, quality = 80) {
return await sharp(inputPath)
.resize(maxWidth, null, {
withoutEnlargement: true
})
.jpeg({
quality: quality,
progressive: true
})
.toBuffer();
}
内存管理：避免内存泄漏
PDF生成是内存密集型操作，稍不注意就会内存泄漏。
及时释放资源
PDF文档对象用完要及时调用 destroy() 或类似方法。图片处理完也要释放缓冲区。
流式处理
大文件不要全部加载到内存，用Stream的方式分块处理。
对象池
频繁创建销毁对象会造成性能损失，可以用对象池来复用。
并发处理：让CPU充分工作
现在的服务器都是多核的，充分利用并发能显著提升性能。
任务分解
把大的PDF生成任务拆分成多个小任务，比如按页并行生成，最后再合并。
工作队列
用消息队列来管理PDF生成任务，避免高峰期把服务器搞垮。
缓存策略
相同参数的报表可以缓存结果，避免重复计算。
实际效果
经过这一轮优化，效果还是很明显的：
生成时间：从10秒降到1秒以内
文件大小：从8MB降到1.2MB
内存占用：从300MB降到50MB
并发能力：从同时处理5个请求提升到20个
踩过的坑
过度优化
一开始我想把所有能优化的地方都优化，结果代码变得很复杂，维护成本很高。后来学会了二八原则，重点优化最影响性能的20%部分。
兼容性问题
压缩图片时用了一些新的算法，结果在老版本的PDF阅读器里显示有问题。最后还是选择了兼容性更好的方案。
缓存失效
设计缓存策略时没考虑数据更新的情况，导致用户看到的是旧数据。后来加了版本号机制来解决。
监控与调优
优化不是一次性的工作，需要持续监控和调整。
性能指标
建立监控体系，跟踪生成时间、内存使用、文件大小等关键指标。
报警机制
当性能指标超过阈值时及时报警，避免问题扩大。
A/B测试
新的优化方案先在小范围测试，确认效果后再全面推广。
总结
PDF性能优化是个系统工程，涉及算法、架构、运维等多个层面。关键是要找准瓶颈，有针对性地优化，不要盲目追求技术上的完美。
记住一个原则：用户体验第一，技术细节第二。只要用户觉得快了，那就是成功的优化。
性能优化没有银弹，但有套路。多实践，多总结，你也能成为优化高手。