Nano Hash - криптовалюты, майнинг, программирование

Кэширование с помощью сервис-воркеров

Я немного запутался в реализации сервисных рабочих. Я не знаю, какие файлы/URL-адреса мне следует кэшировать. Например, на моем сайте есть:

  • файлы HTML, CSS и JS;
  • изображения/векторы PNG, WebP и SVG;
  • Ссылки CSS/JS cdn для Bootstrap и других библиотек.

Должен ли я кэшировать их все? Это лучшее, что можно сделать?

Вот ссылка на страницу SW, но я могу не нашел там ничего о том, что кешировать, если все, если только html/css/js, если еще и изображения...

Заранее спасибо,
Луис.

javascript caching service-worker
21.02.2019

Ответы:


1

Service worker очень полезен для кэширования файлов в самом браузере. Всегда рекомендуется кэшировать только статические файлы.

Таким образом, любой URL-адрес, который не генерирует динамические данные, может быть кэширован, точно так же, как вызовы AJAX не должны кэшироваться, а HTML/CSS/JS/Изображения/SVG/Шрифты/Видео могут быть кэшированы.

21.02.2019
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..