Spring Boot లో performance tuning ఎక్కువగా database boundary గురించి: connection pooling, caching, మరియు N+1 query problem ను తొలగించడం. ముందు measure చేయండి (Micrometer + Actuator metrics), ఆపై అతిపెద్ద cost ను దాడి చేయండి.
Lazy associations ప్రతి parent కు ఒక query ను జారీ చేస్తాయి, ఆపై ప్రతి child access కు మరొకదాన్ని:
List<Order> orders = orderRepo.findAll();
(Order o : orders) {
o.getItems().size();
}
association ను ఒకే join లో fetch చేయడం ద్వారా దీన్ని పరిష్కరించండి:
@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 అనేది default pool. పెద్దది మెరుగైనది కాదు — ఎక్కువ connections DB ను thrash చేస్తాయి. ఒక సాధారణ formula cores * 2 దగ్గర ప్రారంభమవుతుంది:
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 అంతటా shared cache కోసం దీన్ని Redis (spring-boot-starter-data-redis) తో back చేయండి.
మీరు optimize చేయడానికి ముందు diagnose చేస్తారో లేదో senior interviews పరీక్షిస్తాయి. బలమైన సమాధానాలు bottleneck ను నిరూపించే tool ను పేర్కొంటాయి (queries ను లెక్కించడానికి spring.jpa.show-sql లేదా datasource-proxy ను enable చేయండి, Actuator నుండి p99 latency ను చదవండి), ఒక అతిపెద్ద pool ఎందుకు హాని చేస్తుందో ఎందుకు వివరిస్తాయి, మరియు caching ను కేవలం speed knob గా కాకుండా correctness సమస్యగా — stale data మరియు invalidation — పరిగణిస్తాయి.
జూనియర్ నుండి సీనియర్ వరకు వివరణాత్మక సమాధానాలతో IT ఇంటర్వ్యూ ప్రశ్నల లైబ్రరీ.
విరాళం