持續效能優化的建議

  • 發行項

適用于此 Azure Well-Architected Framework 效能效率檢查清單建議：

PE：12 持續優化效能。 專注于顯示一段時間的效能變差的元件，例如資料庫和網路功能。

本指南說明持續效能優化的建議。 持續效能優化是持續監視、分析及改善效能效率的程式。 效能效率會因應需求增加和減少。 效能優化必須是工作負載生命週期中的持續活動。 工作負載效能通常會隨著時間降低或過長，而考慮的因素包括使用模式、需求、功能和技術債務的變更。

定義

詞彙 定義
資料分層 一種儲存策略，涉及根據資料的存取頻率分類資料，並據以儲存在儲存層上。
技術債務 累積的效率不佳、次佳的設計選擇，或是在開發程式期間刻意採取的快捷方式，以加快程式碼傳遞速度。
存留時間 設定資料到期時間的機制。

主要設計策略

效能效率是當工作負載容量符合實際使用量時。 過度效能的工作負載與效能不佳的工作負載一樣有問題。 取捨不同。 效能過高會影響成本優化。 效能不佳會影響使用者。 效能效率的關鍵在於監視、調整及測試一段時間。 您必須定期檢閱效能計量，並視需要進行調整，以確保工作負載有效率。 需要測試所有變更前和實作後，才能達到效能目標。

開發效能文化特性

效能文化是預期持續改善的環境，而小組會從生產環境學習。 效能優化需要特殊技術。 工作負載小組需要適當的技能和思維，才能將效能優化，以符合增加和減少的需求。 您也需要配置其時間，以支援在發生效能問題時所需的監視和補救。 這些小組需要清楚的預期。 例如，效能目標、基準和偏差臨界值 () 必須高度可見和社交化，才能接受基準。

取捨：持續效能優化需要具有正確技能和時間的小組，才能找出並修正效能問題。 將人員專用於效能會增加營運成本。 如果您有有限的人員資源，持續效能優化可能會讓其他作業工作花費時間。

評估新的平臺功能

評估新的平臺功能牽涉到檢查可改善效能效率的平臺新功能和工具，例如優化儲存解決方案、快取機制或資源管理工具。 新的平臺功能可以開啟提升效能效率的途徑。 讓您的平臺和工具保持在最新狀態，以確保您使用最新的創新與最佳做法。 持續監視這些新增專案的意見反應和效能計量，以精簡您的方法。

排定優化工作的優先順序

主動優化效能表示在發生任何效能問題之前，採取主動措施來改善和增強工作負載的效能。 使用主動式量值牽涉到識別潛在的瓶頸、監視效能計量，以及實作優化，以確保工作負載有效率地運作，並符合所需的效能目標。 根據影響元件、重要流程和技術債務的分析，您可以實作每個領域特定的效能優化。 改善可能包括程式碼變更、基礎結構調整或組態更新。

優先處理元件

工作負載通常會有一些元件，例如資料庫和網路元件，這些元件很容易隨著時間效能降低。 隨著工作負載演進和使用模式變更，這些變更通常會影響工作負載中個別元件的效能。 資料庫中的資料增加可能會導致查詢執行時間較長，以及資料擷取速度較慢。 使用模式的變更可能會導致次佳查詢設計。 一旦有效率的查詢隨著工作負載演進而變得效率不佳。 效率不佳的查詢可能會耗用過多的資源，並降低資料庫效能。 增加的工作負載使用量可能會導致較高的網路流量，導致壅塞和延遲問題。

請務必持續努力將這些元件的效能優化。 主動識別並解決工作負載中的效能問題。 藉由優先處理已知的啟動元件，您可以主動解決潛在的效能問題，並確保工作負載的作業順暢。 這可能涉及實作效能微調技術、優化資源配置，或視需要升級硬體或軟體元件。

設定重要流程的優先順序

重要流程是工作負載中最重要的高優先順序進程或工作流程。 藉由優先處理這些重要流程，您可以確定工作負載的最重要部分已針對效能優化。 瞭解哪些流程很重要，有助於排定優化工作的優先順序。 優化應用程式最重要區域的效能效率，可提供最高的投資報酬率。 您應該監視重要流程和最熱門的頁面。 尋找讓它們更有效率的方式。

自動化效能優化

自動化可以消除重複且耗時的手動程式，使其有效率地執行。 自動化可減少人為錯誤的機會，並確保執行優化工作的一致性。 藉由自動化這些工作，您也可以釋出人員專注于更複雜的活動與增加價值的活動。 您可以將自動化套用至各種工作，例如效能測試、部署和監視：

  • 自動化效能測試：使用 JMeter、K6 或 Selenium 等自動化效能測試控管來模擬不同的工作負載和案例。

  • 自動化部署：實作自動化部署程式，以確保一致且無錯誤的部署。 使用 CI/CD 工具來自動化部署程式。 這些工具可協助您在用來針對端點進行測試、檢查 HTTP 狀態，甚至是驗證資料品質與變化時識別效能瓶頸。

  • 監視和警示：設定自動化監視和警示系統，以持續監視效能計量，並偵測任何偏差或異常狀況。 偵測到效能問題時，可以觸發自動化警示來通知適當的小組或個人。

  • 事件管理：實作自動化事件管理系統，以接收警示、建立票證，並將票證指派給適當的小組以解決問題。 這些步驟有助於確保立即解決效能問題，並指派給正確的資源。

  • 自動化診斷：開發可分析效能資料的自動化診斷工具或腳本，並找出效能問題的根本原因。 這些工具可協助找出造成效能問題之系統的特定區域或元件。

  • 自動化補救動作：定義並實作可在偵測到特定效能問題時觸發的自動化補救動作。 這些動作可能包括重新開機服務、調整資源配置、清除快取，或實作其他效能優化技術。

  • 自我修復系統：藉由將已知效能問題的復原程式自動化，將自我修復功能建置到您的系統中。 這項功能牽涉到自動修正或調整系統設定，以還原最佳效能。

解決技術債務

技術債務是指在開發程式期間，累積的效率不佳、次佳的設計選擇，或可能會影響效能的快捷方式。 技術債務、不清楚的程式碼和過度複雜的實作，可讓效能效率更難以達成。 解決技術債務牽涉到識別和解決這些問題，以改善工作負載的整體效能和可維護性。 這項工作可能包括重構程式碼、優化資料庫查詢、改善架構設計，或實作最佳做法。 或許您引進了技術債務以符合期限，但您需要解決技術債務，因為您在一段時間內將效能效率優化。

優化資料庫

持續優化資料庫牽涉到識別和實作優化，以確保資料庫可以處理負載、提供快速回應時間，以及將資源使用率降到最低。 藉由定期優化資料庫，您可以改善應用程式效能、減少停機時間，以及增強整體使用者體驗。

  • 優化資料庫查詢：撰寫不佳的 SQL 語句可能會降低資料庫效能。 沒有效率的 JOIN 條件可能會導致不必要的資料處理。 複雜的子查詢、巢狀查詢和過多函式可以降低執行速度。 擷取太多資料的查詢應該重寫。 您應該識別最常見的或重要的資料庫查詢，並將其優化。 優化有助於確保更快速的查詢。

  • 維護索引：評估您的索引編制策略，以確保索引已正確設計和維護。 索引維護包括識別未使用或備援索引，以及建立符合查詢模式的索引。 資料庫索引有助於加速資料擷取作業。 對於關係資料庫，您必須監視索引片段。 您應該定期重建或重新組織索引。 針對非關係資料庫，您必須為您的工作負載挑選正確的索引編制原則。 在可用的資料庫上使用自動調整。 這些功能包括自動建立遺漏的索引、卸載未使用的索引，以及計畫更正。 如需詳細資訊，請參閱 維護索引以改善效能。

  • 檢閱模型設計：檢閱資料模型，以確保您可以針對應用程式的特定需求進行優化。 改善查詢效能和資料擷取可能涉及反正規化、資料分割或其他技術。

  • 優化資料庫組態：優化資料庫組態設定，例如記憶體配置、磁片 I/O 和並行設定，以最大化效能和資源使用率。

優化資料效率

優化資料效率是確保資料以最有效率的方式儲存、處理和存取的程式。 資料階層處理和使用存留時間 (TTL) 是可用來優化資料效率的技術。 您可以在各種資料儲存案例中套用這些技術，例如資料庫、檔案系統或物件儲存體。

  • 使用資料階層處理：資料階層處理牽涉到根據資料存取的重要性或頻率來分類資料，並據以將資料儲存在不同的層中。 設定資料分層可讓您更有效率地使用儲存體資源並改善效能。 經常存取或關鍵資料可以儲存在高效能層中，而較不常存取或較不重要的資料可以儲存在較低成本層中。 目標是檢閱一段時間的資料使用量，以確保資料位於正確的層。 當資料優先順序變更時，資料應該從一層移到另一層。

  • 實作存留時間：存留時間是設定資料到期時間的機制。 存留時間可讓資料在特定期間後自動刪除或封存，以減少儲存體需求並改善資料管理。 藉由設定適當的存留時間，您可以允許移除不必要的資料、釋出儲存空間並提升整體效率。 會話資料、暫存檔和快取資料是存留時間的常見目標。 資料庫專案也可以有存留時間。

風險：存留時間太短，可能會產生效能問題。

Azure 設施

自動化效能優化：Azure Advisor 會根據工作負載遙測提供自動 效能建議 。 您應該定期檢閱並處理這些建議。 Azure 監視器可讓您即時深入解析系統的效能，並可讓您根據特定的效能計量來設定警示。 Azure Log Analytics 提供所收集記錄和計量的自動化診斷和分析。 Azure 應用程式 Insights 之類的工具可提供優化效能的見解和建議。

若要自動化補救，請使用自動化工具或腳本，在觸發警示時自動執行補救動作。 您可以使用Azure 自動化、Azure Functions或自訂自動化解決方案。

Azure 可讓效能測試模擬不同的使用者案例和工作負載。 自動化測試可協助您找出效能瓶頸，並據以優化您的系統。 Azure DevOps 之類的工具可以自動化效能測試。

優化資料庫：SQL 系列產品有許多 內建功能 ，可讓您監視和補救 SQL 資料庫效能。 您應該使用這些功能來維護資料庫效能。 Azure SQL Database 具有自動調整功能，可持續監視及改善查詢。 您應該使用這項功能自動改善 SQL 查詢。

您可以使用 Azure Cosmos DB 的功能來 自訂索引編制原則 。 自訂原則以符合工作負載的效能需求。

優化資料效率：資料分層可讓您根據資料存取頻率和重要性，將資料儲存在不同的階層中。 這有助於將儲存體成本和效能優化。 Azure 提供不同的儲存層，例如 Blob 資料的經常性存取層、非經常性存取層和封存層。 經常性存取層已針對經常存取的資料進行優化，非經常性存取層適用于不常存取的資料，而封存層則適用于很少存取的資料。 藉由使用最適合您資料的儲存體存取層，您可以確保有效率的資料儲存和擷取。

效能效率檢查清單

請參閱一組完整的建議。

效能效率檢查清單