解读

面试官想确认两点：

1. 你是否能把“性能回归”量化成可采集的指标（首屏时间、包体积、内存峰值等）；
2. 你是否能把 Grunt 的“任务编排 + 插件生态”与“告警通道”打通，形成自动化闭环。
   回答时要体现可落地、可度量、可告警三要素，并兼顾国内常见邮件网关（如企业微信邮箱、阿里云 DirectMail、网易企业邮）的认证方式。

知识点

• grunt-contrib-clean、grunt-contrib-copy、grunt-webpack 等常规构建任务
• grunt-performance-budget（或自建 grunt-task）采集指标
• grunt-contrib-watch 触发回归检测
• grunt-exec 调用 Node 脚本写阈值判断逻辑
• nodemailer 与 SMTP 认证（国内常用 465/SSL、587/TLS 端口）
• GitLab-CI / Jenkins 中把 Grunt 作为 Shell 步骤，失败即中断并告警
• 性能基线文件（JSON）做版本化，diff 后生成回归报告
• 日志脱敏与附件大小控制，避免被企业邮件网关拦截

答案

步骤按“采集→对比→判定→告警”四段式展开，全程用 Grunt 任务串行：

1. 定义性能指标
   在 Gruntfile.js 中配置 performanceBudget 任务，采集首屏加载时间、JS 包体积、图片总大小、DOM 节点数四项，输出到 .tmp/perf-${timestamp}.json。

2. 建立基线
   首次跑通后将 .tmp/perf-baseline.json 提交到仓库 /perf 目录，作为后续 diff 依据。

3. 编写对比任务 grunt perf-diff
   利用 grunt.file.readJSON 读取新旧两份数据，计算回归率 = (新值-基线)/基线。若任一指标回归率 > 5 % 视为异常，生成 perf-regression.log 并设置 grunt.fail.fatal('Performance regression detected')。

4. 接入邮件告警
   在 tasks/mail-alert.js 里用 nodemailer 创建 transporter，配置国内邮箱的SMTP 域名、端口、SSL 证书、OAuth2 令牌（以企业微信邮箱为例：smtp.exmail.qq.com，465）。
   邮件主题固定格式：[性能回归] ${project} #${buildNumber} ${branch}，正文用 perf-regression.log 内容，附件带上 .tmp/perf-${timestamp}.json 供研发二次分析。
   将该脚本封装成 grunt.registerTask('mail:regression', function(){ … })，仅在 perf-diff 失败时由 grunt.task.run 调用，避免误报。

5. CI 集成
   在 .gitlab-ci.yml 的 performance job 中执行：

   script:
     - npm ci
     - npx grunt clean build perf-check
   allow_failure: false
   

   一旦 perf-diff 抛出 exit 1，GitLab 自动标记为失败，并触发邮件。
   若公司使用 Jenkins，可在“Post-build Action”里再补一条 Editable Email Notification，做到双通道冗余告警。

6. 频率与降噪
   通过 grunt-contrib-watch 仅对 src/**/*.{js,css} 变动做 debounce（500 ms），合并多次提交；
   同一分支 30 分钟内不重复发信，防止邮件轰炸。

7. 合规收尾
   在 Gruntfile 末尾统一加 process.env.NODE_ENV === 'production' 判断，确保本地调试不会真的发邮件；
   对附件做 7-Zip 压缩，控制 < 500 kB，符合国内大部分邮件网关策略。

拓展思考

• 如何把告警通道从邮件升级到 IM？
  可再注册一个 grunt-task-wechat，调用企业微信 API 的群机器人，用 Markdown 推送性能 diff 截图，实现**“邮件+企微”双通道**，邮件留痕，企微实时。

• 如何做分级告警？
  把回归率拆成三档：
  5 %–10 % → 仅发企微；
  10 %–20 % → 邮件抄送组长；

  20 % → 电话短信告警（借助阿里云短信 + 语音通知）。
  在 Grunt 任务里用 grunt.option('level') 动态传入阈值，实现可配置化。

• 如何防止“假回归”？
  引入置信区间：同一 commit 跑 3 次 Lighthouse 取中位数，再与基线对比，过滤掉网络抖动造成的偶发峰值。

• 如何与性能平台对接？
  将 .tmp/perf-${timestamp}.json 通过 grunt-http-upload 打到自研 Perf 平台，平台侧再做趋势图、同比环比，Grunt 只负责采集和触发，告警策略下沉到平台，架构更清晰。