Wydajność aplikacji to trudny temat, często specyficzny dla danej aplikacji, a optymalizacja czasami postrzegana jest jako czarna magia. Czy z tego kapelusza można wyciągać białe króliki? Można. Na bazie konkretnej aplikacji pokażę na co zwracać uwagę oraz jakie usprawnienia wprowadzać, aby ze swojego kodu, od podstaw, krok po kroku wyciągnać coraz więcej.

1. Optymalizacyjna
magia
czyli jak wyciągać króliki z kapelusza

2. O czym jest ta prezentacja?

3. Teoria
Optymalizacja
Wikipedia
metoda wyznaczania najlepszego (optymalnego)
rozwiązania z punktu widzenia określonego kryterium
(wskaźnika) jakości (np. kosztu, drogi, wydajności)

4. Teoria
Optymalizacja
Wikipedia
W programowaniu komputerowym optymalizacja
oprogramowania oznacza działania mające na celu
poprawę programu komputerowego, tak by czas jego
działania oraz używane zasoby komputerowe takie jak
pamięć, użycie procesora, ilość przesyłanych danych
potrzebnych do jego uruchomienia i działania były jak
najmniejsze.

5. Teoria
Co można optymalizować?
• użycie procesora
• użycie RAM
• sieć
• dysk

6. Teoria
Kiedy optymalizacja jest
skuteczna?
• gdy obniżyliśmy zużycie zasobów

7. Teoria
Kiedy optymalizacja jest
skuteczna?
• gdy obniżyliśmy zużycie zasobów
• jak nic się nie zepsuło

8. Teoria
Jak sprawdzić skuteczność?
• monitoring

9. Teoria
Jak sprawdzić skuteczność?
• monitoring
• monitoring

10. Teoria
Jak sprawdzić skuteczność?
• monitoring
• monitoring
• monitoring

11. Teoria
Skąd wiedzieć że to już?
proaktywnie
• testy automatyczne / CI
• planowane testy wydajnościowe

12. Teoria
Skąd wiedzieć że to już?
proaktywnie
• testy automatyczne / CI
• planowane testy wydajnościowe
reaktywnie
• monitoring
• ops / product owner
• użytkownicy
• zarząd

13. Elementy do optymalizacji

14. Teoria
Infrastruktura
• więcej maszyn
• mocniejsze maszyny
• większa przepustowość sieci
• lepsze dyski (SSD, NVMe)
• klastry baz danych
• ilość hopów sieciowych

15. Teoria
Konfiguracja
• fpm
• php.ini
• inne usługi (nginx, mysql, redis)

16. Teoria
Kod
• wywołania funkcji/metod
• zapytania do zewnętrznych serwisów
• zapytania do baz danych
• dane pobierane z cache

17. Praktyka

18. Praktyka

19. Praktyka
bazowy kod
czas 5.07s
RAM 32.5MB
network 8.02MB

20. Praktyka
bazowy kod (dodatkowe 10 req w tle)
czas 15.6s (+208%)
RAM 32.5MB
network 8.02MB

24. Praktyka
properties z redis (dodatkowe 10 req w tle)
czas 2.13s (-86%)
RAM 21.7MB (-33%)
network 2.76MB (-66%)

26. Praktyka
properties z redis mget (dodatkowe 10 req w tle)
czas 166ms (-92%)
RAM 21.6MB (-0.7%)
network 1.51MB (-45%)

29. Praktyka
mniej nowych obiektów (dodatkowe 10 req w tle)
czas 170ms (+1.8%)
RAM 21.6MB
network 1.51MB

31. Praktyka
dane z apcu (dodatkowe 10 req w tle)
czas 134ms (-21%)
RAM 25MB (+15.8%)
network 0.89kB (-100%)

32. Praktyka

35. Praktyka
nowy filtr (dodatkowe 10 req w tle)
czas 311ms (+120%)
RAM 25MB
network 0.89kB

37. Praktyka
nowy filtr (dodatkowe 10 req w tle)
czas 124ms (-60%)
RAM 25MB
network 0.89kB

38. Czy to wszystko?

39. Praktyka
Serializacja
apc.serializer = php

40. Praktyka
Serializacja
apc.serializer = php
apc.serializer = igbinary

41. Praktyka
APCu igbinary (dodatkowe 10 req w tle)
czas 103ms (-17%)
RAM 13.7MB (-45%)
network 0.89kB

42. Praktyka
pm
pm = static
pm.max_children = 500

43. Praktyka
dodatkowe 1000 req w tle
czas 344ms (+234%)
RAM 13.7MB
network 0.89kB

45. Podsumowując
podsumowanie (dodatkowe 10 req w tle)
czas 15.6s -> 103ms (-99%)
RAM 32.5 -> 13.7MB (-58%)
network
8.02MB -> 0.89kB
(-100%)

46. Pytania?

47. Dziękuję
szymon.sadlo@grupablix.pl
Szymon Sadło
DevOps Engineer