ess చేయవద్దు — ముందుగా కొలవండి. నెమ్మదితనం క్లায়েంట్, నెట్వర్క్, సర్వర్ లేదా డేటాబేస్ నుండి రావచ్చు. పద్ధతిసम్మత సంస్థ సమయం ఎక్కడ సూక్ష్మంగా కనుగొని, ఆపై యాదృచ్ఛిక ఆప్టిమైజేషన్కు బదులుగా అతిపెద్ద కంట్రిబ్యూటర్ను సరిదిద్దుకుంటుంది.
ess చేయవద్దు — ముందుగా కొలవండి. నెమ్మదితనం క్లায়েంట్, నెట్వర్క్, సర్వర్ లేదా డేటాబేస్ నుండి రావచ్చు. పద్ధతిసम్మత సంస్థ సమయం ఎక్కడ సూక్ష్మంగా కనుగొని, ఆపై యాదృచ్ఛిక ఆప్టిమైజేషన్కు బదులుగా అతిపెద్ద కంట్రిబ్యూటర్ను సరిదిద్దుకుంటుంది.
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
బ్రౌజర్లో Network/Performance ట్యాబ్ మరియు సర్వర్ timing ని ఉపయోగించి మొత్తమును విభజించండి. ఉపయోగకరమైన విభజన:
Total 1200ms =
DNS/connect 20ms
server TTFB 900ms ← the bottleneck is server-side
download 80ms
client render 200ms
సగటుకు కాకుండా పర్సంటైల్లను చూడండి: p50 (సాధారణ వినియోగదారు) vs p99 (చెత్త సందర్భం). వేగవంతమైన p50 నెమ్మదిగా ఉన్న p99 కూడా సాధారణ సమస్యల్లో ఇతర సాధారణ సమస్యలను సూచిస్తుంది — లాక్ జోక్, చల్లని క్యాచ్లు, నెమ్మదిగా ఉన్న DB ప్రతిలిపి లేదా GC విరామాలు — ఏకరూప సమస్య కాదు.
APM సాధనాలు (ట్రేస్లు) అభ్యర్థనలో సమయం ఎక్కడ సూక్ష్మంగా చూపుతాయి:
GET /orders 950ms
├─ auth check 10ms
├─ SELECT orders 30ms
└─ loop: SELECT user per order 900ms ← N+1 query, the real cause
ట్రేస్ నేరుగా అభియోగభరితమైన కాల్కు సూచిస్తుంది. కాబట్టి ఇటీవలి మార్పులను తనిఖీ చేయండి — ఒక విస్తరణ, విస్మరించిన సూచిక లేదా 10x డేటా వృద్ధి తరచుగా ఆకస్మిక రిగ్రెషన్ను వివరిస్తుంది.
ఉమ్మడి చేయడం తప్పు పొర ఆప్టిమైజేషన్లో గంటలను వృథా చేస్తుంది. ముందుగా కొలవడం, నెమ్మదిగా ఉన్న విస్తృతిని ట్రేస్ చేయడం మరియు p50 vs p99 చూడం అస్పష్టమైన "ఇది నెమ్మదిగా ఉంది"ను నిర్దిష్ట, పరిష్కారయోగ్యమైన కారణంగా మారుస్తుంది — మరియు తిరిగి కొలవడం పరిష్కారం నిజానికి పని చేసిందని నిరూపిస్తుంది.