Pengoptimalan performa dimulai dengan mengidentifikasi metrik utama, biasanya terkait dengan latensi dan throughput. Penambahan pemantauan untuk merekam dan melacak metrik ini akan mengekspos titik lemah dalam aplikasi. Dengan metrik, pengoptimalan dapat dilakukan untuk meningkatkan metrik performa.
Selain itu, banyak alat pemantauan memungkinkan Anda menyiapkan pemberitahuan untuk metrik, sehingga Anda akan diberi tahu saat batas tertentu terpenuhi. Misalnya, Anda dapat menyiapkan pemberitahuan untuk memberi tahu Anda saat persentase permintaan yang gagal meningkat lebih dari x% dari tingkat normal. Alat pemantauan dapat membantu Anda mengidentifikasi seperti apa 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 penting bisnis, atau setelah kode baru di-push ke produksi.
Mengidentifikasi metrik latensi
Pastikan Anda menjaga responsivitas UI sebaik mungkin, dengan memperhatikan 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 diperiksa.
Metrik yang disarankan untuk dilacak meliputi:
- Durasi permintaan
- Durasi permintaan pada perincian subsistem (seperti panggilan API)
- Durasi tugas
Mengidentifikasi metrik throughput
Throughput adalah ukuran jumlah total permintaan yang ditayangkan selama jangka waktu tertentu. Throughput dapat dipengaruhi oleh latensi subsistem, sehingga Anda mungkin perlu mengoptimalkan latensi untuk meningkatkan throughput.
Berikut beberapa metrik yang disarankan untuk dilacak:
- Kueri per detik
- Ukuran data yang ditransfer per detik
- Jumlah operasi I/O per detik
- Penggunaan resource, seperti penggunaan CPU atau memori
- Ukuran backlog pemrosesan, seperti pub/sub atau jumlah thread
Bukan hanya rata-rata
Kesalahan umum dalam mengukur performa adalah hanya melihat kasus rata-rata (mean). Meskipun berguna, cara ini tidak memberikan insight tentang distribusi latensi. Metrik yang lebih baik untuk dilacak adalah persentil performa, misalnya persentil ke-50/75/90/99 untuk suatu metrik.
Secara umum, pengoptimalan dapat dilakukan dalam dua langkah. Pertama, optimalkan untuk latensi persentil ke-90. Kemudian, pertimbangkan persentil ke-99—juga dikenal sebagai latensi ekor: sebagian kecil permintaan yang membutuhkan waktu lebih lama untuk diselesaikan.
Pemantauan sisi server untuk hasil mendetail
Pembuatan profil sisi server umumnya lebih disukai untuk melacak metrik. Sisi server biasanya jauh lebih mudah diinstrumentasi, memungkinkan akses ke data yang lebih terperinci, dan tidak terlalu rentan terhadap gangguan dari masalah konektivitas.
Pemantauan browser untuk visibilitas menyeluruh
Pembuatan profil browser dapat memberikan insight tambahan tentang pengalaman pengguna akhir. Laporan ini dapat menunjukkan halaman yang memiliki permintaan lambat, yang kemudian dapat Anda hubungkan dengan pemantauan sisi server untuk analisis lebih lanjut.
Google Analytics menyediakan pemantauan langsung untuk waktu muat halaman di laporan waktu halaman. Hal ini memberikan beberapa tampilan yang berguna untuk memahami pengalaman pengguna di situs Anda, khususnya:
- Waktu muat halaman
- Waktu pemuatan pengalihan
- Waktu respons server
Pemantauan di cloud
Ada banyak alat yang dapat Anda gunakan untuk merekam dan memantau metrik performa untuk aplikasi Anda. Misalnya, Anda dapat menggunakan Google Cloud Logging untuk mencatat metrik performa ke Project Google Cloud, lalu menyiapkan dasbor di Google Cloud Monitoring untuk memantau dan menyegmentasikan metrik yang dicatat.
Lihat panduan Logging untuk melihat contoh logging ke Google Cloud Logging dari interseptor kustom di library klien Python. Dengan data tersebut tersedia di Google Cloud, Anda dapat membuat metrik berdasarkan data yang dicatat untuk mendapatkan visibilitas ke dalam aplikasi Anda melalui Google Cloud Monitoring. Ikuti panduan untuk metrik berbasis log yang ditentukan pengguna guna 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
Misalnya, Anda ingin memantau nilai is_fault untuk lebih memahami rasio error
dalam aplikasi Anda. Anda dapat mengekstrak nilai is_fault dari log ke dalam metrik penghitung baru, ErrorCount.
Di Cloud Logging, label memungkinkan Anda mengelompokkan metrik ke dalam kategori berdasarkan data lain dalam log. Anda dapat mengonfigurasi label untuk kolom method
yang dikirim ke Cloud Logging untuk melihat cara perincian jumlah error menurut metode Google Ads API.
Dengan metrik ErrorCount dan label Method yang dikonfigurasi, Anda dapat membuat
diagram
baru di
dasbor Monitoring untuk memantau ErrorCount, yang dikelompokkan menurut Method.
Pemberitahuan
Anda dapat mengonfigurasi kebijakan pemberitahuan di Cloud Monitoring dan alat lainnya yang menentukan kapan dan bagaimana pemberitahuan harus dipicu oleh metrik Anda. Untuk petunjuk tentang cara menyiapkan pemberitahuan Cloud Monitoring, ikuti panduan pemberitahuan.