Mos hiq mendim — matu fillimisht. Ngadalësia mund të vijë nga klienti, rrjeti, serveri ose baza e të dhënave. Një qasje metodike gjen ku shkon koha, pastaj rregullon kontribuesin më të madh në vend të optimizimit të rastësishëm.
Mos hiq mendim — matu fillimisht. Ngadalësia mund të vijë nga klienti, rrjeti, serveri ose baza e të dhënave. Një qasje metodike gjen ku shkon koha, pastaj rregullon kontribuesin më të madh në vend të optimizimit të rastësishëm.
1. MEASURE → where is the time spent? client render, network, server, DB?
2. REPRODUCE → confirm it reliably (same endpoint, payload, user)
3. TRACE → use APM/distributed traces to find the slow span
4. CHECK RECENT CHANGES → deploys, config, traffic, data growth
5. ISOLATE → layer by layer, narrow to one component
6. FIX the biggest contributor → re-measure to confirm
Përdor skedën Network/Performance në shfletues dhe timing në server për ndarje të shumës totale. Një ndarje e dobishme:
Total 1200ms =
DNS/connect 20ms
server TTFB 900ms ← the bottleneck is server-side
download 80ms
client render 200ms
Shiko përqindjet, jo mesataret: p50 (përdorues tipik) vs p99 (rasti më i keq). Një p50 i shpejtë me një p99 të ngadaltë tregon probleme të rasit — kontradim i ngadalë, cache të ftohtë, një replika DB të ngadaltë ose pauza GC — jo një problem uniform.
Mjetet APM (nyjet) tregojnë saktësisht ku shkon koha brenda një kërkese:
GET /orders 950ms
├─ auth check 10ms
├─ SELECT orders 30ms
└─ loop: SELECT user per order 900ms ← N+1 query, the real cause
Nyja tregon drejt thirrjes ofenduese. Pastaj kontrollo ndryshimet e fundit — një shpërndarje, një indeks që mungon ose rritja 10x e të dhënave shpesh shpjegon një regresion të papritur.
Hiqja e mendimit harxhon orë për optimizim të shtresës të gabuar. Matja fillimisht, ndjekja e hapësirës të ngadaltë dhe shikimi i p50 vs p99 shndërron një të paqartë "është ngadalë" në një shkak specifik, të rregullueshëm — dhe matja e re provohet se rregullimi në fakt funksionoi.