ЭКСПЕРТНАЯ СИСТЕМА ДЛЯ ДИАГНОСТИКИ И ОПТИМИЗАЦИИ ВЕБ-САЙТА ПРИ ПРОБЛЕМЕ МЕДЛЕННОЙ ЗАГРУЗКИ

АННОТАЦИЯ

Статья посвящена разработке экспертной системы для диагностики причин медленной загрузки веб-сайта. Рассматриваемая автором система реализует пошаговый анализ клиентской части, серверной логики, программного окружения и инфраструктуры, что позволяет локализовать источник проблемы и сформировать конкретные рекомендации. Новизна работы заключается в комплексном охвате всех уровней веб‑приложения: от клиентской части и серверной логики до SQL‑запросов, конфигурации программного окружения и DevOps‑инфраструктуры.

ABSTRACT

The article is devoted to the development of an expert system for diagnosing the causes of slow website loading. The system performs a step-by-step analysis of the client side, server logic, software environment, and infrastructure, which allows to localize the problem source and generate specific recommendations. The novelty of the study lies in the comprehensive coverage of all layers of a modern web application - from the client side and server logic to SQL queries, runtime configuration, and DevOps‑level infrastructure.

Ключевые слова: экспертная система; диагностика веб-сайта; производительность; блок объяснений; дерево решений; поддержка принятия решений.

Keywords: expert system; website diagnostics; performance; explanation block; decision tree; decision support.

Введение

Современные веб-сайты представляют собой сложные многослойные системы, включающие в себя клиентскую часть, серверную логику, базы данных и инфраструктурные компоненты. Проблема медленной загрузки веб-страниц оказывает прямое влияние на пользовательский опыт, конверсию и репутацию ресурса [2].

Целью исследования является разработка экспертной системы для диагностики причин медленной загрузки веб-сайта и выработки рекомендаций по их устранению.

Для достижения цели были поставлены следующие задачи:

• определить ключевые уровни анализа производительности веб-сайта;
• разработать структуру онтологии предметной области и систему логических правил;
• реализовать блок объяснений, повышающий прозрачность и обучающую ценность системы;
• протестировать систему на типовых сценариях медленной загрузки.

Материалы и методы

Объектом исследования является процесс диагностики причин медленной загрузки веб-сайта.

Методологическая основа работы — применение экспертных правил и дерева решений для организации пошагового логического вывода и формирования рекомендаций.

Методика основана на принципах пошагового диагностического опроса и дерева решений, где каждое состояние соответствует конкретному уровню анализа производительности — от клиентской части до инфраструктуры.

Экспертная система включает в себя четыре ключевых сущности:

• клиентская часть (HTML, CSS, изображения);
• серверная логика (SQL-запросы, алгоритмы, кеширование);
• программное окружение (PHP-FPM, Opcache, Nginx);
• инфраструктура (нагрузка CPU/RAM, балансировка, автоскейлинг).

Для каждой сущности выделены атрибуты, связи и экспертные правила логического вывода. Например:

ЕСЛИ изображения загружаются медленно, ТО рекомендуется использовать сжатие и формат WebP [6];

ЕСЛИ SQL-запросы не оптимизированы, ТО необходимо добавить индексы.

Механизм логического вывода: в качестве решателя используется таблица переходов, реализующая дерево решений. Пользователь отвечает на вопросы, система переходит к следующему состоянию и формирует либо новый вопрос, либо заключение [1].

Результаты и обсуждение

Полный перечень включает более 30 диагностических вопросов, в таблице 1 представлен фрагмент — несколько вопросов, связанных с проверкой программного окружения:

Таблица 1.

Фрагмент из списка вопросов и ответов ЭС

Средства реализации: интерфейс построен с применением HTML, JavaScript и Tailwind и запускается локально в браузере.

На рисунке 1 показан пример диалога пользователя с системой.

Рисунок 1. Пример одного из вопросов

В разработанной системе присутствует блок объяснений для каждого шага проверки. Пользователь способен нажать кнопку «Помощь» и получить пояснение текущего вопроса, а также цепочку ответов, которая привела к данному состоянию. Это делает систему прозрачной и удобной в обучении. На рисунке 2 приведён пример объяснения относительно необходимости внедрения Redis для кеширования SQL-запросов.

Рисунок 2. Пример объяснения решения

Методика объяснений в экспертных системах является важным направлением развития интеллектуальных технологий [4]. Если классические экспертные системы ограничиваются лишь выдачей заключения, то наличие блока объяснений делает процесс диагностики прозрачным и воспроизводимым. Пользователь получает возможность не только узнать, что нужно сделать, но и почему именно это решение было принято. Такая особенность чрезвычайно ценна для образовательных задач, где система выполняет не только диагностическую, но и обучающую функцию. Внедрение объяснений позволяет повысить доверие к автоматизированным системам, поскольку каждое решение сопровождается аргументацией, основанной на логике переходов и экспертных знаниях. Следовательно, экспертная система перестаёт быть «чёрным ящиком» и становится полноценным инструментом поддержки принятия решений. Анализируя цепочку рассуждений, специалисты могут уточнять правила и совершенствовать базу знаний, повышая точность системы [3].

Заключение

Результаты данного исследования показывают, что система успешно диагностирует типовые узкие места: избыточные CSS и изображения, неоптимальные SQL-запросы, отсутствие кеширования, неверные настройки PHP-FPM и Nginx, перегрузку ресурсов инфраструктуры. Она способна применяться специалистами по разработке и DevOps для ускоренного поиска и устранения проблем.

Разработанная экспертная система выявляет причины медленной загрузки веб-сайта и формирует обоснованные рекомендации по их устранению. Предложенный подход демонстрирует эффективность интеграции блока объяснений, что повышает доверие к автоматизированным средствам диагностики и расширяет их возможности как инструмента поддержки принятия решений. Перспективными направлениями развития являются: расширение базы знаний, автоматическая обработка логов и метрик, а также адаптация системы для мобильных приложений и современных архитектурных решений.

Список литературы:

1. Дейли Б. Разработка веб-приложений с помощью Node.js, MongoDB и Angular. —М.: Вильямс, 2020. — 656 с.
2. Кириченко А.В. Web на практике. CSS, HTML, JavaScript, MySQL, PHP для fullstack-разработчиков. — М.: Наука и техника, 2021. —  432 с.
3. Кошик А. Веб-аналитика 2.0 на практике тонкости и лучшие методики / пер. с англ. Ю.И. Корниенко. — Москва [и др.] : Диалектика, 2016. — 526 с.
4. Макдональд М. Карта движения пользователя по сайту. — СПб.: Питер, 2017.
5. Ньюмен С. Создание микросервисов / пер. С. Черников. — 2-е изд. — СПб.: Питер, 2023. — 624 с.
6. Эспозито Д. Анализ внутрисайтового поиска. — М.: Альпина Паблишер, 2017.