Ydelsestest og profiling

Har du nogensinde spekuleret på, om din app kan håndtere tusindvis af brugere? Det er her, ydeevnetest kommer ind i billedet!

Det handler om at evaluere, hvordan et system opfører sig under en bestemt belastning. Vi vil vide, om det er hurtigt, stabilt og responsivt.

Hvorfor bruge tid på ydeevnetest?

• Brugeroplevelse: Langsomme apps frustrerer brugerne og får dem til at forlade appen.
• Pålidelighed: Forebyg nedbrud, når trafikken pludselig stiger.
• Skalerbarhed: Forstå, hvor mange brugere dit system kan understøtte, før der bliver brug for flere ressourcer.

Der er forskellige måder at teste ydeevne på:

• Belastningstest: Simulerer den forventede brugertrafik for at se, hvordan systemet fungerer under normale forhold og spidsbelastning.
• Stresstest: Presser systemet ud over dets grænser for at finde det punkt, hvor det bryder sammen, og se hvordan det kommer sig igen.
• Langtidstest: Kører med en typisk belastning over en længere periode (timer/dage) for at opdage problemer som hukommelseslækager eller opbrugte ressourcer.

Forestil dig et stort onlinesalg! Belastningstest simulerer mange "virtuelle brugere", der besøger dit website eller din API samtidigt.

Det hjælper dig med at måle svartider, gennemløb (anmodninger pr. sekund) og ressourceforbrug (CPU, hukommelse) under realistiske forhold.

Du behøver ikke manuelt at klikke på "opdater" en million gange!

Værktøjer kan automatisere belastningstest:

• Apache JMeter: Et populært open source-værktøj til test af webapps og forskellige tjenester.
• k6: Et moderne open source-værktøj til belastningstest, hvor du kan skrive test i JavaScript.
• Locust: Et open source-værktøj baseret på Python til at skrive skalerbare belastningstest.

Hvor ydeevnetest fortæller dig, "hvad" der er langsomt, fortæller profilering dig, "hvorfor" det er langsomt.

Profilering er en detaljeret analyse af, hvordan din applikations kode udføres. Det hjælper med at finde præcis de funktioner eller kodelinjer, der bruger flest ressourcer.

CPU-profilering fokuserer på, hvor meget processortid din kode bruger. Den måler:

• Hvilke funktioner der køres oftest.
• Hvilke funktioner der tager længst tid at udføre.

Det hjælper dig med at identificere CPU-intensive opgaver, som kan gøre din applikation langsommere.

Hukommelsesprofilering følger din applikations brug af hukommelse. Den kan afsløre:

• Hukommelseslækager: Når din applikation beholder hukommelse, som den ikke længere har brug for.
• Overdreven oprettelse af objekter: Når der oprettes for mange midlertidige objekter, hvilket fører til hyppigere garbage collection.

Effektiv brug af hukommelse er afgørende for ydeevne og stabilitet.

I/O-profilering undersøger, hvor effektivt din applikation interagerer med eksterne ressourcer.

Det omfatter læsning fra og skrivning til diske, netværksanmodninger og databaseforespørgsler. Langsomme I/O-operationer kan være store flaskehalse, især i distribuerede systemer.

Ligesom ved test findes der værktøjer til profilering:

• VisualVM (Java): Et visuelt værktøj, der integrerer JDK-værktøjer til kommandolinjen.
• pprof (Go): Et kommandolinjeværktøj til visualisering og analyse af profileringsdata.
• cProfile (Python): En indbygget profiler til Python-programmer.

Disse værktøjer tilknyttes din kørende applikation for at indsamle data.

Godt gået! Du har lært om de vigtige roller, som ydeevnetest og profilering spiller.

• Ydeevnetest: Kontrollerer, om et system opfylder sine ydeevnemål under belastning.
• Profilering: Finder flaskehalse i selve koden.

Begge dele er afgørende for at bygge systemer med høj ydeevne, god skalerbarhed og høj pålidelighed. Bliv ved med at øve dig!