성능 최적화는 일반적으로 지연 시간 및 처리량과 관련된 주요 측정항목을 식별하는 것으로 시작됩니다. 이러한 측정항목을 캡처하고 추적하기 위해 모니터링을 추가하면 애플리케이션의 약점이 드러납니다. 측정항목을 사용하면 성능 측정항목을 개선하기 위해 최적화를 수행할 수 있습니다.
또한 많은 모니터링 도구를 사용하면 특정 기준이 충족될 때 알림을 받도록 측정항목에 대한 알림을 설정할 수 있습니다. 예를 들어 실패한 요청의 비율이 정상 수준의 x% 를 초과할 때 알림을 받도록 알림을 설정할 수 있습니다. 모니터링 도구를 사용하면 정상적인 성능이 어떤 모습인지 파악하고 지연 시간, 오류 수, 기타 주요 측정항목의 비정상적인 급증을 식별할 수 있습니다. 이러한 측정항목을 모니터링하는 기능은 비즈니스에 중요한 기간 또는 새 코드가 프로덕션에 푸시된 후에 특히 중요합니다.
지연 시간 측정항목 식별
사용자는 모바일 앱에 대해 훨씬 더 높은 기준을 기대하므로 UI를 최대한 반응형으로 유지해야 합니다. 지연 시간은 백엔드 서비스에 대해서도 측정하고 추적해야 합니다. 특히 지연 시간을 확인하지 않으면 처리량 문제가 발생할 수 있기 때문입니다.
추적할 측정항목은 다음과 같습니다.
- 요청 기간
- API 호출과 같은 하위 시스템 세분화의 요청 기간
- 작업 기간
처리량 측정항목 식별
처리량은 특정 기간 동안 제공된 총 요청 수를 측정한 것입니다. 처리량은 하위 시스템의 지연 시간에 영향을 받을 수 있으므로 처리량을 개선하려면 지연 시간을 최적화해야 할 수 있습니다.
추적할 측정항목은 다음과 같습니다.
- 초당 쿼리 수
- 초당 전송된 데이터 크기
- 초당 I/O 작업 수
- CPU 또는 메모리 사용량과 같은 리소스 사용률
- pub/sub 또는 스레드 수와 같은 처리 백로그 크기
평균만은 아님
성능을 측정할 때 흔히 저지르는 실수는 평균 (평균) 사례만 살펴보는 것입니다. 이는 유용하지만 지연 시간의 분포에 대한 통찰력을 제공하지는 않습니다. 추적할 더 나은 측정항목은 성능 백분위수입니다. 예를 들어 측정항목의 50번째/75번째/90번째/99번째 백분위수입니다.
일반적으로 최적화는 두 단계로 수행할 수 있습니다. 먼저 90번째 백분위수 지연 시간을 최적화합니다. 그런 다음 완료하는 데 훨씬 더 오래 걸리는 요청의 작은 부분인 99번째 백분위수(테일 지연 시간이라고도 함)를 고려합니다.
자세한 결과를 위한 서버 측 모니터링
일반적으로 측정항목을 추적하는 데는 서버 측 프로파일링이 선호됩니다. 서버 측은 일반적으로 계측이 훨씬 쉽고, 더 세분화된 데이터에 액세스할 수 있으며, 연결 문제로 인한 방해를 덜 받습니다.
엔드 투 엔드 가시성을 위한 브라우저 모니터링
브라우저 프로파일링은 최종 사용자 환경에 대한 추가 통찰력을 제공할 수 있습니다. 느린 요청이 있는 페이지를 표시할 수 있으며, 이를 서버 측 모니터링과 연관시켜 추가 분석을 수행할 수 있습니다.
Google 애널리틱스는 페이지 타이밍 보고서에서 페이지 로드 시간에 대한 기본 제공 모니터링을 제공합니다. 이를 통해 사이트의 사용자 환경을 이해하는 데 유용한 여러 뷰를 제공합니다. 특히 다음과 같습니다.
- 페이지 로드 시간
- 리디렉션 로드 시간
- 서버 응답 시간
클라우드에서의 모니터링
애플리케이션의 성능 측정항목을 캡처하고 모니터링하는 데 사용할 수 있는 도구는 다양합니다. 예를 들어 Google Cloud Logging을 사용하여 성능 측정항목을 Google Cloud 프로젝트에 로깅한 다음 Google Cloud Monitoring에서 대시보드를 설정하여 로깅된 측정항목을 모니터링하고 분류할 수 있습니다.
Python 클라이언트 라이브러리의 커스텀 인터셉터에서 Google Cloud Logging에 로깅하는 예는 로깅 가이드를 참고하세요. Google Cloud에서 이 데이터를 사용할 수 있으므로 로깅된 데이터를 기반으로 측정항목을 빌드하여 Google Cloud Monitoring을 통해 애플리케이션을 파악할 수 있습니다. 사용자 정의 로그 기반 측정항목 가이드에 따라 Google Cloud Logging으로 전송된 로그를 사용하여 측정항목을 빌드합니다.
또는 Monitoring 클라이언트 라이브러리를 사용하여 코드에서 측정항목을 정의하고 로그와 별도로 Monitoring으로 직접 전송할 수 있습니다.
로그 기반 측정항목 예시
애플리케이션의 오류율을 더 잘 이해하기 위해 is_fault 값을 모니터링한다고 가정해 보겠습니다. 로그에서 is_fault 값을 로그에서 새 카운터 측정항목인 ErrorCount으로 추출할 수 있습니다.
Cloud Logging에서 라벨을 사용하면 로그의 다른 데이터를 기반으로 측정항목을 카테고리로 그룹화할 수 있습니다. Google Ads API 메서드별로 오류 수를 분류하는 방법을 확인하기 위해 Cloud Logging으로 전송된 method
필드의 라벨을 구성할 수 있습니다.
ErrorCount 측정항목과 Method 라벨이 구성되면 Monitoring 대시보드에서 Method별로 그룹화된 ErrorCount를 모니터링하는 새 차트를 만들
수
있습니다.
알림
Cloud Monitoring 및 기타 도구에서 측정항목에 의해 알림이 트리거되는 시점과 방법을 지정하는 알림 정책을 구성할 수 있습니다. Cloud Monitoring 알림을 설정하는 방법은 알림 가이드를 참고하세요.