Uppsats

Prestandautvärdering av exekveringstider på JavaScript och WebAssembly : Utvärdering av tröskelvärden

Yrkesexamen på grundnivå

Högskolan i Gävle/Datavetenskap

Publicerad: 2026

Språk: Svenska

Sammanfattning

Att utvärdera exekveringstider för webbaserade tekniker är avgörande för att optimera prestandan i moderna webbapplikationer. Med hjälp av en ökad förståelse för de kritiska tröskelvärdena mellan JavaScript och WebAssembly får utvecklare bättre förutsättningar för att fatta välgrundade beslut, vilket kan leda till förbättrad användarupplevelse och effektivare resursnyttjande. I takt med en snabbt utvecklande webb blir valet av teknik avgörande för att undvika prestandaförluster vid tunga beräkningar. I denna studie jämförs JavaScript och WebAssembly genom en kvantitativ experimentell design. Utvärderingen av studien omfattar två algoritmer med olika karaktärer. De algoritmer som användes i studien var den logikintensiva algoritmen QuickSort och den mer beräkningsintensiva algoritmen Gaussian Blur. Testerna utfördes på tre olika hårdvaruprofiler: MacBook Air, iPhone 15 och Surface Laptop 4. Sedan användes även två olika webbläsare, Google Chrome och Safari. För att säkerställa en hög reliabilitet för studien användes 50 iterationer per testfall tillsammans med en uppvärmningsfas för JIT-kompilatorn. Studien resulterade i att WebAssembly konsekvent presterade bättre än JavaScript vid användning av Gaussian Blur. Vid användning av QuickSort visade sig JavaScript vara mer konkurrenskraftig vid de lägre datamängderna, men förlorade till slut sin fördel mot WebAssembly vid de större datamängderna. Jämförelsen av de två webbläsarmotorerna på samma enhet visade en fördel för Safari. Slutsatsen av studien är att WebAssembly erbjuder en högre grad av stabilitet och förutsägbarhet, vilket gör det till den mest lämpade tekniken för tunga och skalbara applikationer på webben. Vid mindre applikationer som inte kräver någon stor beräkningskraft kan JavaScript dock fortfarande föredras.

Information

Lärosäte / institution
Högskolan i Gävle/Datavetenskap
Publiceringsdatum
2026
Uppsatstyp
Yrkesexamen på grundnivå
Språk
Svenska