Spring Boot मधील performance tuning मुख्यतः database सीमेबद्दल असते: connection pooling, caching, आणि N+1 query problem नष्ट करणे. आधी मोजा (Micrometer + Actuator metrics), मग सर्वात मोठ्या खर्चावर हल्ला करा.
Lazy associations प्रत्येक parent मागे एक query करतात, मग प्रत्येक child access मागे आणखी एक:
List<Order> orders = orderRepo.findAll();
(Order o : orders) {
o.getItems().size();
}
एकाच join मध्ये association मिळवून ते सोडवा:
@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 हा default pool आहे. मोठे असणे म्हणजे चांगले नव्हे — खूप जास्त connections DB ला त्रास देतात. एक सामान्य सूत्र cores * 2 जवळपास सुरू होते:
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 मध्ये सामायिक cache साठी ते Redis (spring-boot-starter-data-redis) ने समर्थित करा.
Senior interviews हे तपासतात की तुम्ही optimize करण्यापूर्वी निदान करता का. सर्वात भक्कम उत्तरे bottleneck सिद्ध करणारे साधन सांगतात (queries मोजण्यासाठी spring.jpa.show-sql किंवा datasource-proxy सक्षम करा, Actuator मधून p99 latency वाचा), oversized pool का त्रासदायक ठरतो हे स्पष्ट करतात, आणि caching ला केवळ वेगाचे बटण नव्हे तर एक अचूकतेची समस्या — stale data आणि invalidation — म्हणून वागवतात.
सविस्तर उत्तरांसह IT मुलाखत प्रश्नांचे ग्रंथालय — Junior पासून Senior पर्यंत.
देणगी द्या