L'optimisation des performances commence par l'identification des métriques clés, généralement liées à la latence et au débit. L'ajout d'une surveillance pour capturer et suivre ces métriques révèle les points faibles de l'application. Grâce aux métriques, l'optimisation peut être entreprise pour améliorer les métriques de performances.
De plus, de nombreux outils de surveillance vous permettent de configurer des alertes pour vos métriques, afin d'être averti lorsqu'un certain seuil est atteint. Par exemple, vous pouvez configurer une alerte pour vous avertir lorsque le pourcentage de requêtes ayant échoué augmente de plus de x% par rapport aux niveaux normaux. Les outils de surveillance peuvent vous aider à identifier les performances normales et à détecter les pics inhabituels de latence, le nombre d'erreurs et d'autres métriques clés. La possibilité de surveiller ces métriques est particulièrement importante pendant les périodes critiques pour l'entreprise ou après la mise en production d'un nouveau code.
Identifier les métriques de latence
Assurez-vous que votre interface utilisateur est aussi réactive que possible, en gardant à l'esprit que les utilisateurs attendent des normes encore plus élevées des applications mobiles. La latence doit également être mesurée et suivie pour les services de backend, en particulier, car elle peut entraîner des problèmes de débit si elle n'est pas contrôlée.
Voici quelques métriques suggérées à suivre :
- Durée de la requête
- Durée de la requête au niveau de granularité du sous-système (par exemple, les appels d'API)
- Durée du job
Identifier les métriques de débit
Le débit est une mesure du nombre total de requêtes traitées sur une période donnée. Le débit peut être affecté par la latence des sous-systèmes. Vous devrez peut-être optimiser la latence pour améliorer le débit.
Voici quelques métriques suggérées à suivre :
- Requêtes par seconde
- Taille des données transférées par seconde
- Nombre d'opérations d'E/S par seconde
- Utilisation des ressources, telles que l'utilisation du processeur ou de la mémoire
- Taille du backlog de traitement, par exemple, Pub/Sub ou nombre de threads
Pas seulement la moyenne
Une erreur courante dans la mesure des performances consiste à ne prendre en compte que le cas moyen. Bien que cela soit utile, cela ne donne pas d'informations sur la distribution de la latence. Une meilleure métrique à suivre est celle des centiles de performances, par exemple, le 50e/75e/90e/99e centile d'une métrique.
En général, l'optimisation peut être effectuée en deux étapes. Tout d'abord, optimisez la latence du 90e centile. Ensuite, tenez compte du 99e centile, également appelé latence de queue : la petite partie des requêtes qui mettent beaucoup plus de temps à se terminer.
Surveillance côté serveur pour des résultats détaillés
Le profilage côté serveur est généralement préférable pour le suivi des métriques. Le côté serveur est généralement beaucoup plus facile à instrumenter, permet d'accéder à des données plus granulaires et est moins sujet aux perturbations dues à des problèmes de connectivité.
Surveillance du navigateur pour une visibilité de bout en bout
Le profilage du navigateur peut fournir des insights supplémentaires sur l'expérience utilisateur. Il peut indiquer les pages dont les requêtes sont lentes, que vous pouvez ensuite corréler à la surveillance côté serveur pour une analyse plus approfondie.
Google Analytics fournit une surveillance prête à l'emploi des temps de chargement des pages dans le rapport sur les temps de chargement des pages. Cela fournit plusieurs vues utiles pour comprendre l'expérience utilisateur sur votre site, en particulier :
- Temps de chargement des pages
- Temps de chargement des redirections
- Temps de réponse du serveur
Surveillance dans le cloud
Vous pouvez utiliser de nombreux outils pour capturer et surveiller les métriques de performances de votre application. Par exemple, vous pouvez utiliser Google Cloud Logging pour enregistrer les métriques de performances dans votre projet Google Cloud, puis configurer des tableaux de bord dans Google Cloud Monitoring pour surveiller et segmenter les métriques enregistrées.
Consultez le guide Logging pour obtenir un exemple d'enregistrement dans Google Cloud Logging à partir d'un intercepteur personnalisé dans la bibliothèque cliente Python. Une fois ces données disponibles dans Google Cloud, vous pouvez créer des métriques basées sur les données enregistrées pour obtenir une visibilité sur votre application via Google Cloud Monitoring. Suivez le guide sur les métriques basées sur les journaux définies par l'utilisateur pour créer des métriques à l'aide des journaux envoyés à Google Cloud Logging.
Vous pouvez également utiliser les bibliothèques clientes Monitoring pour définir des métriques dans votre code et les envoyer directement à Monitoring, séparément des journaux.
Exemple de métriques basées sur les journaux
Supposons que vous souhaitiez surveiller la valeur is_fault pour mieux comprendre les taux d'erreur dans votre application. Vous pouvez extraire la valeur is_fault des journaux
dans une nouvelle métrique de compteur, ErrorCount.
Dans Cloud Logging, les libellés vous permettent de regrouper vos métriques en catégories
en fonction d'autres données des journaux. Vous pouvez configurer un libellé pour le method
champ envoyé à Cloud Logging afin d'examiner la répartition du nombre d'erreurs par méthode de l'API Google Ads.
Une fois la métrique ErrorCount et le libellé Method configurés, vous pouvez créer
un nouveau
graphique dans
un tableau de bord Monitoring pour surveiller ErrorCount, regroupé par Method.
Alertes
Dans Cloud Monitoring et d'autres outils, il est possible de configurer des règles d'alerte qui spécifient quand et comment les alertes doivent être déclenchées par vos métriques. Pour savoir comment configurer des alertes Cloud Monitoring, consultez le guide sur les alertes.