Pengoptimalan performa dimulai dengan mengidentifikasi metrik utama, biasanya terkait dengan latensi dan throughput. Penambahan pemantauan untuk menangkap dan melacak metrik ini mengekspos titik lemah dalam aplikasi. Dengan metrik, pengoptimalan dapat dilakukan untuk meningkatkan metrik performa.
Selain itu, ada banyak alat pemantauan yang memungkinkan Anda menyiapkan pemberitahuan untuk metrik, sehingga Anda akan diberi tahu jika nilai minimum tertentu tercapai. Misalnya, Anda dapat menyiapkan pemberitahuan yang memberitahukan saat persentase permintaan yang gagal meningkat lebih dari x% dari tingkat normal. Alat pemantauan dapat membantu Anda mengidentifikasi performa normal dan mengidentifikasi lonjakan latensi yang tidak biasa, jumlah error, dan metrik utama lainnya. Kemampuan untuk memantau metrik ini sangat penting selama jangka waktu yang sangat penting bagi bisnis, atau setelah kode baru dikirim ke tahap produksi.
Mengidentifikasi metrik latensi
Pastikan Anda menjaga UI tetap responsif sebaik mungkin, perhatikan bahwa pengguna mengharapkan standar yang lebih tinggi dari aplikasi seluler. Latensi juga harus diukur dan dilacak untuk layanan backend, terutama karena dapat menyebabkan masalah throughput jika tidak dicentang.
Metrik yang disarankan untuk dilacak mencakup hal berikut:
- Durasi permintaan
- Durasi permintaan pada perincian subsistem (seperti panggilan API)
- Durasi tugas
Mengidentifikasi metrik throughput
Throughput adalah ukuran total permintaan yang dilayani selama jangka waktu tertentu. Throughput dapat dipengaruhi oleh latensi subsistem, sehingga Anda mungkin perlu mengoptimalkan latensi untuk meningkatkan throughput.
Berikut ini beberapa metrik yang disarankan untuk dipantau:
- Kueri per detik
- Ukuran data yang ditransfer per detik
- Jumlah operasi I/O per detik
- Pemanfaatan resource, seperti penggunaan CPU atau memori
- Ukuran backlog pemrosesan, seperti pub/sub atau jumlah thread
Bukan hanya rata-rata
Kesalahan umum dalam mengukur performa hanya melihat kasus rata-rata (rata-rata). Meskipun bermanfaat, model ini tidak memberikan insight tentang distribusi latensi. Metrik yang lebih baik untuk dilacak adalah persentil performa, misalnya persentil ke-50/75/90/99 untuk sebuah metrik.
Umumnya, pengoptimalan dapat dilakukan dalam dua langkah. Pertama, optimalkan untuk latensi persentil ke-90. Kemudian, pertimbangkan persentil ke-99—juga dikenal sebagai latensi tail: bagian kecil permintaan yang memerlukan waktu lebih lama untuk diselesaikan.
Pemantauan sisi server untuk hasil yang mendetail
Pembuatan profil sisi server umumnya lebih disukai untuk pelacakan metrik. Sisi server biasanya jauh lebih mudah diinstrumentasi, memungkinkan akses ke data yang lebih terperinci, dan tidak terlalu terganggu oleh masalah konektivitas.
Pemantauan browser untuk visibilitas end-to-end
Pembuatan profil browser dapat memberikan insight tambahan tentang pengalaman pengguna akhir. Alat ini dapat menunjukkan halaman mana yang memiliki permintaan lambat, yang kemudian dapat Anda korelasikan dengan pemantauan sisi server untuk analisis lebih lanjut.
Google Analytics menyediakan pemantauan siap pakai untuk waktu muat halaman dalam laporan waktu halaman. Hal ini memberikan beberapa tampilan yang berguna untuk memahami pengalaman pengguna di situs Anda, khususnya:
- Waktu muat halaman
- Alihkan waktu pemuatan
- Waktu respons server
Pemantauan di cloud
Ada banyak alat yang dapat digunakan untuk menangkap dan memantau metrik performa untuk aplikasi Anda. Misalnya, Anda dapat menggunakan Google Cloud Logging untuk mencatat metrik performa ke Project Google Cloud Anda, lalu menyiapkan dasbor di Google Cloud Monitoring untuk memantau dan menyegmentasikan metrik yang dicatat ke dalam log.
Lihat Panduan logging untuk mengetahui contoh logging ke Google Cloud Logging dari intersepsi kustom di library klien Python. Dengan data tersebut yang tersedia di Google Cloud, Anda dapat membuat metrik di atas data yang dicatat dalam log untuk mendapatkan visibilitas ke aplikasi Anda melalui Google Cloud Monitoring. Ikuti panduan untuk metrik berbasis log yang ditentukan pengguna untuk membuat metrik menggunakan log yang dikirim ke Google Cloud Logging.
Atau, Anda dapat menggunakan library klien Monitoring untuk menentukan metrik dalam kode dan mengirimkannya langsung ke Monitoring, terpisah dari log.
Contoh metrik berbasis log
Misalkan Anda ingin memantau nilai is_fault untuk lebih memahami tingkat error dalam aplikasi. Anda dapat mengekstrak nilai is_fault dari log
ke metrik penghitung baru, ErrorCount.
Di Cloud Logging, label dapat Anda gunakan untuk mengelompokkan metrik ke dalam kategori berdasarkan data lain di log. Anda dapat mengonfigurasi label untuk kolom method yang dikirim ke Cloud Logging untuk melihat perincian jumlah error berdasarkan metode Google Ads API.
Setelah metrik ErrorCount dan label Method dikonfigurasi, Anda dapat membuat diagram baru di dasbor Monitoring untuk memantau ErrorCount, yang dikelompokkan menurut Method.
Pemberitahuan
Cloud Monitoring dan alat lainnya dapat mengonfigurasi kebijakan pemberitahuan yang menentukan waktu dan cara pemberitahuan dipicu oleh metrik Anda. Untuk mengetahui petunjuk tentang cara menyiapkan pemberitahuan Cloud Monitoring, ikuti panduan pemberitahuan.