La optimización del rendimiento comienza con la identificación de las métricas clave, que suelen estar relacionadas con la latencia y el rendimiento. La incorporación de la supervisión para capturar y hacer un seguimiento de estas métricas expone los puntos débiles de la aplicación. Con las métricas, se puede realizar la optimización para mejorar las métricas de rendimiento.
Además, muchas herramientas de supervisión te permiten configurar alertas para tus métricas, de modo que recibas notificaciones cuando se alcance un determinado umbral. Por ejemplo, puedes configurar una alerta para que te notifique cuando el porcentaje de solicitudes fallidas aumente en más de un x% de los niveles normales. Las herramientas de supervisión pueden ayudarte a identificar cómo es el rendimiento normal y detectar aumentos inusuales en la latencia, las cantidades de errores y otras métricas clave. La capacidad de supervisar estas métricas es especialmente importante durante los períodos críticos para la empresa o después de que se haya enviado código nuevo a producción.
Identifica las métricas de latencia
Asegúrate de que tu IU sea lo más responsiva posible y ten en cuenta que los usuarios esperan estándares aún más altos de las apps para dispositivos móviles. La latencia también se debe medir y hacer un seguimiento para los servicios de backend, en especial porque puede generar problemas de rendimiento si no se controla.
Las métricas sugeridas para el seguimiento incluyen las siguientes:
- Duración de la solicitud
- Duración de la solicitud con granularidad del subsistema (como las llamadas a la API)
- Duración del trabajo
Identifica las métricas de capacidad de procesamiento
El rendimiento es una medida de la cantidad total de solicitudes atendidas durante un período determinado. La capacidad de procesamiento puede verse afectada por la latencia de los subsistemas, por lo que es posible que debas optimizar la latencia para mejorar la capacidad de procesamiento.
Estas son algunas métricas sugeridas para hacer un seguimiento:
- Consultas por segundo
- Tamaño de los datos transferidos por segundo
- Cantidad de operaciones de E/S por segundo
- Utilización de recursos, como el uso de CPU o memoria
- Tamaño del trabajo pendiente de procesamiento, como Pub/Sub o cantidad de subprocesos
No solo la media
Un error común al medir el rendimiento es observar solo el caso promedio. Si bien esto es útil, no proporciona información sobre la distribución de la latencia. Una mejor métrica para hacer un seguimiento son los percentiles de rendimiento, por ejemplo, el percentil 50, 75, 90 o 99 de una métrica.
Por lo general, la optimización se puede realizar en dos pasos. Primero, optimiza la latencia del percentil 90. Luego, considera el percentil 99, también conocido como latencia de cola: la pequeña porción de solicitudes que tardan mucho más en completarse.
Supervisión del servidor para obtener resultados detallados
Por lo general, se prefiere la generación de perfiles del servidor para hacer un seguimiento de las métricas. Por lo general, es mucho más fácil instrumentar el servidor, permite acceder a datos más detallados y es menos susceptible a las perturbaciones causadas por problemas de conectividad.
Supervisión del navegador para obtener visibilidad de extremo a extremo
La creación de perfiles del navegador puede proporcionar estadísticas adicionales sobre la experiencia del usuario final. Puede mostrar qué páginas tienen solicitudes lentas, que luego puedes correlacionar con la supervisión del servidor para realizar un análisis más detallado.
Google Analytics proporciona supervisión lista para usar de los tiempos de carga de la página en el informe de Tiempos de página. Esto proporciona varias vistas útiles para comprender la experiencia del usuario en tu sitio, en particular:
- Tiempos de carga de la página
- Tiempos de carga de redireccionamientos
- Tiempos de respuesta del servidor
Supervisión en la nube
Existen muchas herramientas que puedes usar para capturar y supervisar las métricas de rendimiento de tu aplicación. Por ejemplo, puedes usar Google Cloud Logging para registrar métricas de rendimiento en tu proyecto de Google Cloud y, luego, configurar paneles en Google Cloud Monitoring para supervisar y segmentar las métricas registradas.
Consulta la guía de Logging para ver un ejemplo de cómo registrar en Google Cloud Logging desde un interceptor personalizado en la biblioteca cliente de Python. Con esos datos disponibles en Google Cloud, puedes crear métricas basadas en los datos registrados para obtener visibilidad de tu aplicación a través de Google Cloud Monitoring. Sigue la guía para las métricas basadas en registros definidas por el usuario y crea métricas con los registros que se envían a Google Cloud Logging.
Como alternativa, puedes usar las bibliotecas del cliente de Monitoring para definir métricas en tu código y enviarlas directamente a Monitoring, independientemente de los registros.
Ejemplo de métricas basadas en registros
Supongamos que deseas supervisar el valor de is_fault para comprender mejor las tasas de error en tu aplicación. Puedes extraer el valor de is_fault de los registros en una nueva métrica de contador, ErrorCount.
En Cloud Logging, las etiquetas te permiten agrupar tus métricas en categorías según otros datos de los registros. Puedes configurar una etiqueta para el campo method que se envía a Cloud Logging para analizar cómo se desglosa el recuento de errores por el método de la API de Google Ads.
Con la métrica ErrorCount y la etiqueta Method configuradas, puedes crear un gráfico nuevo en un panel de Monitoring para supervisar ErrorCount, agrupado por Method.
Alertas
En Cloud Monitoring y en otras herramientas, es posible configurar políticas de alertas que especifican cuándo y cómo se deben activar las alertas según tus métricas. Para obtener instrucciones sobre cómo configurar alertas de Cloud Monitoring, consulta la guía de alertas.