כשמציגים בתרשים את קצב העברת הנתונים לאורך זמן בזמן שמשתנה אחר משתנה, בדרך כלל רואים שקצב העברת הנתונים עולה עד שהוא מגיע לנקודה שבה המשאבים נגמרים.
בתרשים הבא מוצג גרף אופייני של קצב העברת נתונים. ככל שמספר הלקוחות גדל, עומס העבודה והתפוקה גדלים עד שכל המשאבים מנוצלים.
באופן אידיאלי, כשהעומס על המערכת מוכפל, גם התפוקה צריכה להיות מוכפלת. בפועל, תהיה תחרות על המשאבים, מה שיוביל לעלייה קטנה יותר בקצב העברת הנתונים. בשלב מסוים, ניצול יתר של משאבים או תחרות על משאבים יגרמו לקצב העברת הנתונים להתייצב או אפילו לרדת. אם אתם מבצעים אופטימיזציה של קצב העברת הנתונים, חשוב לזהות את הנקודה הזו כי היא תעזור לכם להבין איפה כדאי לבצע שינויים במערכת האפליקציה או במסד הנתונים כדי לשפר את קצב העברת הנתונים.
הנה כמה סיבות נפוצות לכך שקצב העברת הנתונים מתייצב או יורד:
- ניצול יתר של משאבי המעבד (CPU) בשרת של מסד הנתונים
- ניצול יתר של משאבי המעבד (CPU) בצד הלקוח, כך שלא נשלחת עוד עבודה לשרת מסד הנתונים
- תחרות על נעילה במסד הנתונים
- זמן ההמתנה לקלט/פלט כשהנתונים חורגים מהגודל של מאגר הנתונים הזמני של Postgres
- זמן ההמתנה של קלט/פלט בגלל ניצול מנוע האחסון
- צווארי בקבוק ברוחב הפס של הרשת שמחזירה נתונים ללקוח
זמן האחזור והתפוקה הם ביחס הפוך. ככל שזמן האחזור גדל, קצב העברת הנתונים יורד. זה הגיוני מבחינה אינטואיטיבית. כשהצוואר בקבוק מתחיל להיווצר, הפעולות מתחילות להימשך יותר זמן והמערכת מבצעת פחות פעולות בשנייה.
בתרשים של קנה המידה של זמן האחזור אפשר לראות איך זמן האחזור משתנה ככל שהעומס על המערכת גדל. זמן האחזור נשאר קבוע יחסית עד שנוצר חיכוך בגלל תחרות על משאבים. נקודת הפיתול של העקומה הזו תואמת בדרך כלל לנקודה שבה העקומה של קצב הנתונים מתחילה להתיישר בגרף של קצב הנתונים.
דרך שימושית נוספת להערכת זמן האחזור היא באמצעות היסטוגרמה. בייצוג הזה, אנחנו מקבצים את זמני האחזור לקטגוריות וסופרים כמה בקשות נכללות בכל קטגוריה.
ההיסטוגרמה הזו של זמן האחזור מראה שרוב הבקשות הן מתחת ל-100 אלפיות השנייה, וזמני האחזור ארוכים מ-100 אלפיות השנייה. הבנת הסיבה לבקשות עם זנב ארוך של זמני אחזור יכולה לעזור להסביר את השינויים בביצועי האפליקציה. הסיבות לזנב הארוך של זמני האחזור המוגדלים תואמות לזמני האחזור המוגדלים שמוצגים בתרשים האופייני של שינוי זמני האחזור ולפילוס של תרשים התפוקה.
ההיסטוגרמה של זמן האחזור שימושית במיוחד כשיש כמה אופנויות באפליקציה. מודאליות היא קבוצה רגילה של תנאי הפעלה. לדוגמה, ברוב המקרים האפליקציה ניגשת לדפים שנמצאים במטמון של המאגר. ברוב המקרים, האפליקציה מעדכנת שורות קיימות, אבל יכולים להיות כמה מצבים. לפעמים האפליקציה מאחזרת דפים מהאחסון, מוסיפה שורות חדשות או נתקלת במאבק על נעילה.
כשאפליקציה נתקלת במצבי הפעלה שונים לאורך זמן, ההיסטוגרמה של זמן האחזור מציגה את המצבים השונים האלה.
באיור הזה מוצג היסטוגרמה דו-מודאלית אופיינית, שבה רוב הבקשות מטופלות תוך פחות מ-100 אלפיות השנייה, אבל יש אשכול נוסף של בקשות שנמשכות 401-500 אלפיות השנייה. הבנת הסיבה למודאליות השנייה הזו יכולה לעזור לשפר את ביצועי האפליקציה. יכולים להיות גם יותר משני אופנים.
האפשרות השנייה יכולה להיות תוצאה של פעולות רגילות במסד הנתונים, של תשתית וטופולוגיה הטרוגניות או של התנהגות האפליקציה. הנה כמה דוגמאות שכדאי להביא בחשבון:
- רוב הגישות לנתונים הן ממאגר הנתונים הזמני של PostgreSQL, אבל חלקן מגיעות מהאחסון
- הבדלים בזמני האחזור ברשת בין חלק מהלקוחות לבין שרת מסד הנתונים
- לוגיקה של אפליקציה שמבצעת פעולות שונות בהתאם לקלט או לשעה ביום
- תחרות על נעילה באופן ספורדי
- עליות חדות בפעילות של לקוחות