Spring Boot માં performance tuning મોટે ભાગે database boundary વિશે છે: connection pooling, caching, અને N+1 query problem ને મારવો. પહેલાં measure કરો (Micrometer + Actuator metrics), પછી સૌથી મોટા ખર્ચ પર હુમલો કરો.
Lazy associations parent દીઠ એક query issue કરે છે, પછી દરેક child access દીઠ એક વધારાની:
List<Order> orders = orderRepo.findAll();
(Order o : orders) {
o.getItems().size();
}
તેને એક જ join માં association fetch કરીને ઠીક કરો:
@Query("SELECT o FROM Order o JOIN FETCH o.items") // one query, items eagerly loaded
List<Order> findAllWithItems();
// Or @EntityGraph(attributePaths = "items") on the repository method.
HikariCP એ default pool છે. મોટું વધુ સારું નથી — વધુ પડતાં connections DB ને thrash કરે છે. એક સામાન્ય સૂત્ર cores * 2 ની આસપાસથી શરૂ થાય છે:
spring:
datasource:
hikari:
maximum-pool-size: 10 # match DB capacity, not thread count
connection-timeout: 3000 # fail fast instead of piling up requests
@Cacheable(value = "products", key = "#id") // serve from cache after first load
public Product findById(Long id) { return repo.findById(id).orElseThrow(); }
@CacheEvict(value = "products", key = "#p.id") // invalidate on write
public Product update(Product p) { return repo.save(p); }
Instances ના પાર શેર થયેલ cache માટે તેને Redis (spring-boot-starter-data-redis) વડે સમર્થન આપો.
Senior interviews ચકાસે છે કે તમે optimize કરતાં પહેલાં diagnose કરો છો કે નહીં. સૌથી મજબૂત જવાબો bottleneck ને સાબિત કરતું tool નામ આપે છે (queries ગણવા spring.jpa.show-sql અથવા datasource-proxy enable કરો, Actuator માંથી p99 latency વાંચો), oversized pool શા માટે નુકસાન કરે તે સમજાવે છે, અને caching ને માત્ર speed knob નહીં પણ correctness problem — stale data અને invalidation — તરીકે ગણે છે.
વિગતવાર જવાબો સાથે IT ઇન્ટરવ્યૂ પ્રશ્નોની લાઇબ્રેરી — જુનિયરથી સિનિયર સુધી.
દાન કરો