Оптимизация производительности

Анализ производительности (англ. performance analysis), также известный как профилирование, — это исследование поведения программы на основании данных, собранных во время её выполнения. Цель анализа — определить, какие участки программы нуждаются в оптимизации.

Профилировщик — это инструмент анализа производительности, который измеряет, как ведёт себя программа при выполнении, особенно частоту и длительность вызова функций. Инструменты анализа производительности применялись ещё с начала 1970-х годов^[2]. Профилировщики классифицируются по типам результатов или по способам сбора данных.

Инженерия производительности (англ. performance engineering) — область, включающая роли, навыки, действия, практики, инструменты и продукты, необходимые для удовлетворения неконфункциональных требований проектируемой системы, таких как увеличение дохода, снижение отказов системы, предотвращение задержек проектов и избыточного расхода ресурсов.

Наиболее часто встречающиеся этапы в различных методологиях:

• Идентификация критически важных бизнес-процессов.
• Детализация процессов в вариантах использования и оценка объёмов данных.
• Построение системы, включая оптимизацию производительности.
• Внедрение построенной системы.
• Сопровождение и обслуживание после внедрения системы.

Некоторые оптимизации включают перестановку вычислений за пределы цикла (то есть выполнение работы вне цикла, а не внутри него) или замену простых алгоритмов сортировки, например сортировка выбором, на более эффективные, такие как быстрая сортировка^[3].

Современные программные решения, например системы Big Data, состоят из множества фреймворков (например, Apache Storm, Spark, Hadoop). Каждый из них содержит сотни конфигурационных параметров, значительно влияющих на производительность приложений. Оптимизация (тюнинг) может заключаться в подборе наилучшей конфигурации для конкретного приложения.

Кэширование — базовый способ устранения узких мест, возникающих из-за медленного доступа к данным. Кэширование повышает производительность за счёт хранения часто используемой информации в быстрой памяти, уменьшая время доступа и избегая повторных вычислений. Этот метод эффективно работает в условиях применимости принципа локальности. Совокупность методов выбора данных для хранения в более быстром хранилище называется стратегией кэширования. Примеры: кеш ASP.NET, кеш процессора и другие.

Система может состоять из независимых компонентов, каждый из которых способен обслуживать запросы. Если все запросы поступают к одной или нескольким частям системы, в то время как остальные простаивают, теряется драгоценное время. Равномерное распределение запросов между компонентами называется балансировкой нагрузки и позволяет повысить общую производительность.

Балансировка нагрузки часто используется для того, чтобы дополнительно повысить производительность распределённых систем за счёт интеллектуального выбора машины для выполнения операции в зависимости от текущей загрузки и типа задачи.

Распределённые вычисления используются для увеличения потенциала параллельного выполнения на современных архитектурах ЦП. Использование распределённых систем необходимо для получения эффективности от параллелизма. Высокопроизводительные кластерные вычисления — один из известных способов применения распределённых систем для повышения производительности.

Однако распределённые вычисления и кластеризация могут увеличивать задержки и способствуют повышенной нагрузке на общий ресурс, например, базы данных. Чтобы уменьшить задержки и избежать узких мест, распределённые системы часто используют распределённые кэши.

Самонастраивающаяся система (англ. self-tuning system) способна самостоятельно подбирать внутренние рабочие параметры для максимизации или минимизации достижимости некоторой целевой функции, например, повышение эффективности или минимизация ошибки. Такие системы, как правило, проявляют себя как нелинейные адаптивные управляющие структуры. В аэрокосмической отрасли самонастраивающиеся системы применяются десятилетиями, поскольку такого типа обратная связь необходима для оптимального многопараметрического управления нелинейными процессами.

Узким местом называют ту часть системы, которая работает на пределе своей производительности. Остальные части системы могут простаивать, ожидая завершения работы узкого места.

В поиске и устранении узких мест важно документально подтвердить их наличие (обычно с помощью измерений) до того, как предпринимать действия по их устранению. Часто существует соблазн угадывать узкое место — такие догадки нередко оказываются ошибочными.