Continuous Profiling으로 프로덕션 코드 성능 분석

Continuous Profiling으로 해결하는 문제

Trace가 지연 구간을 보여주면 Profiling이 느린 이유를 설명합니다

Trace는 느린 서비스나 Span을 좁혀 주지만 그 아래의 비효율적인 코드를 항상 보여 주지는 않습니다. Guance는 함수 호출, CPU, 할당, 잠금, I/O, 쿼리를 같은 서비스, 버전, 시간 범위에서 비교할 수 있게 합니다.

Trace에서 서비스 지연까지 확인했다면 코드 안쪽으로 이동하세요

샘플링된 Profile로 비싼 함수 호출, CPU 작업, 메모리 할당, 잠금 경합, 느린 쿼리, I/O 대기를 찾습니다. “엔드포인트가 느리다”는 증상을 엔지니어가 수정할 수 있는 메서드나 런타임 동작으로 좁힐 수 있습니다.

플레임 그래프로 CPU, 메모리, 잠금, I/O 핫스팟 비교

메서드 수준의 호출 스택과 리소스 비중을 확인하고 언어, 서비스, 버전, 호스트, 시간 범위로 나눠 봅니다. 실제 프로덕션 리소스를 많이 쓰는 코드 경로부터 우선 개선할 수 있습니다.

영향받은 Span에서 같은 시간대의 Profile로 이동

APM Span을 같은 서비스와 시간대의 Profile 데이터에 연결합니다. 핫스팟, 호출 스택, 리소스 사용량을 비교해 비즈니스 로직, 의존성, 런타임 경합, 쿼리 중 어디에서 지연이 생겼는지 판단합니다.

자주 묻는 질문

프로덕션 코드가 CPU, 메모리, 잠금, I/O, 쿼리, 함수 호출에 얼마나 많은 작업을 쓰는지 지속적으로 샘플링해 메트릭이나 Trace만으로 설명하기 어려운 코드 수준 병목을 찾는 방식입니다.

APM Trace는 요청이 거친 서비스와 각 Span의 시간을 보여 줍니다. Profile은 해당 시간대에 코드와 런타임이 수행한 CPU 작업, 할당, 잠금, I/O, 함수 호출을 보여 줍니다.

느린 엔드포인트, 높은 CPU, 예상 밖의 메모리 할당, 메모리 압박, 잠금 경합, I/O 대기, 느린 쿼리, 릴리스 이후 성능 저하를 조사하는 데 적합합니다.

네. 문서에서 지원하는 런타임과 구성에서는 영향을 받은 Span에서 같은 서비스와 시간 범위의 코드 핫스팟으로 이동할 수 있습니다.

더 살펴보기

제품 문서, 관련 솔루션 및 기술 가이드에서 다음 단계를 선택하세요.

제품 가이드, 문제 해결 워크플로 및 기술 모범 사례

플레임 그래프로 분산 트레이싱 시각화

실행 시간을 비교하고 코드 수준의 성능 병목을 찾습니다.

분산 트레이싱 분석 모범 사례

서비스 전반의 느리거나 실패한 요청을 일관된 절차로 조사합니다.

컨테이너 기반 Python Flask 요청 옵저버빌리티

Flask 애플리케이션을 계측하고 컨테이너 환경의 요청 컨텍스트를 추적합니다.

Docker에서 Java APM 자동 주입

컨테이너 기반 Java 애플리케이션에 트레이싱을 설정하고 데이터를 검증합니다.