Pengoptimalan performa dimulai dengan mengidentifikasi metrik utama, yang biasanya terkait dengan latensi dan throughput. Penambahan pemantauan untuk mengambil dan melacak metrik ini akan mengekspos titik lemah dalam aplikasi. Dengan metrik, pengoptimalan dapat dilakukan untuk meningkatkan metrik performa.
Selain itu, banyak alat pemantauan yang 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 tampilan performa normal dan mengidentifikasi lonjakan yang tidak biasa dalam latensi, jumlah error, dan metrik utama lainnya. Kemampuan untuk memantau metrik ini sangat penting selama jangka waktu yang penting bagi bisnis, atau setelah kode baru didorong ke produksi.
Mengidentifikasi metrik latensi
Pastikan Anda menjaga UI tetap responsif, 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 dikontrol.
Metrik yang disarankan untuk dilacak meliputi:
- Durasi permintaan
- Durasi permintaan pada tingkat perincian subsistem (seperti panggilan API)
- Durasi tugas
Mengidentifikasi metrik throughput
Throughput adalah ukuran jumlah total permintaan yang ditayangkan selama periode waktu tertentu. Throughput dapat terpengaruh oleh latensi subsistem, sehingga Anda mungkin perlu mengoptimalkan latensi untuk meningkatkan throughput.
Berikut adalah 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
Tidak hanya nilai rata-rata
Kesalahan umum dalam mengukur performa adalah hanya melihat kasus rata-rata. Meskipun berguna, data 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.
Umumnya, pengoptimalan dapat dilakukan dalam dua langkah. Pertama, optimalkan latensi persentil ke-90. Kemudian, pertimbangkan persentil ke-99—juga dikenal sebagai latensi ekor: sebagian kecil permintaan yang memerlukan 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 lebih sedikit terpengaruh oleh 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 mana yang memiliki permintaan lambat, yang kemudian dapat Anda korelasikan dengan monitoring sisi server untuk analisis lebih lanjut.
Google Analytics menyediakan pemantauan siap pakai untuk waktu pemuatan halaman di laporan waktu pemuatan halaman. Hal ini memberikan beberapa tampilan yang berguna untuk memahami pengalaman pengguna di situs Anda, khususnya:
- Waktu pemuatan halaman
- Waktu pemuatan pengalihan
- Waktu respons server
Pemantauan di cloud
Ada banyak alat yang dapat Anda gunakan untuk mengambil 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 ke dalam log.
Lihat Panduan logging untuk mengetahui contoh logging ke Google Cloud Logging dari interceptor kustom di library klien Python. Dengan data tersebut yang tersedia di Google Cloud, Anda dapat membuat metrik di atas data yang dicatat ke dalam log untuk mendapatkan visibilitas ke 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
di 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 jumlah error
dikelompokkan 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
Di Cloud Monitoring dan alat lainnya, Anda dapat mengonfigurasi kebijakan pemberitahuan yang menentukan kapan dan bagaimana pemberitahuan harus dipicu oleh metrik Anda. Untuk petunjuk cara menyiapkan pemberitahuan Cloud Monitoring, ikuti panduan pemberitahuan.