Home Arrow Icon Knowledge base Arrow Icon Global Arrow Icon wat zijn de belangrijkste statistieken die moeten worden gecontroleerd op geheugenprofilering in CI/CD-pijplijnen


wat zijn de belangrijkste statistieken die moeten worden gecontroleerd op geheugenprofilering in CI/CD-pijplijnen


Om geheugenprofilering in CI/CD-pijplijnen te monitoren, moet u de volgende belangrijke statistieken bijhouden:

1. Garbage Collection Throughput: Dit meet de hoeveelheid tijd die wordt besteed aan afvalinzamelingsactiviteiten, vergeleken met de totale uitvoeringstijd. Een lagere waarde duidt op een beter geheugenbeheer[1].

2. Gemiddelde pauzetijd voor afvalinzameling: dit meet de gemiddelde tijd dat de toepassing pauzeert tijdens het ophalen van afval. Lagere waarden duiden op minder impact op de applicatieprestaties[1].

3. Maximale pauzetijd afvalinzameling: Dit meet de maximale tijd dat de applicatie pauzeert tijdens het ophalen van afval. Lagere waarden duiden op minder impact op de applicatieprestaties[1].

4. Objectcreatiesnelheid: dit meet de snelheid waarmee objecten door de toepassing worden gemaakt. Hogere waarden kunnen duiden op geheugenlekken of inefficiënt geheugengebruik[1].

5. Peak Heap Size: Dit meet de maximale hoeveelheid geheugen die door de applicatie wordt gebruikt. Hogere waarden kunnen duiden op geheugenlekken of inefficiënt geheugengebruik[1].

6. Thread Count: dit meet het aantal actieve threads in de applicatie. Hogere waarden kunnen wijzen op een verhoogd geheugengebruik[1].

7. Threadstatussen: dit meet de verdeling van threads over verschillende statussen (bijvoorbeeld actief, slapend, geblokkeerd). Dit kan helpen geheugengerelateerde problemen te identificeren[1].

8. Threadgroepen: dit meet het aantal threadgroepen in de toepassing. Hogere waarden kunnen wijzen op een verhoogd geheugengebruik[1].

9. Wasted Memory: Dit meet de hoeveelheid geheugen die niet efficiënt wordt gebruikt. Hogere waarden kunnen duiden op geheugenlekken of inefficiënt geheugengebruik[1].

10. Objecttelling: dit meet het totale aantal objecten in de applicatie. Hogere waarden kunnen duiden op geheugenlekken of inefficiënt geheugengebruik[1].

11. Klassetelling: dit meet het aantal klassen in de applicatie. Hogere waarden kunnen wijzen op een verhoogd geheugengebruik[1].

Door deze statistieken bij te houden, kunt u geheugengerelateerde problemen vroeg in de ontwikkelingscyclus identificeren en het geheugengebruik optimaliseren om efficiënte applicatieprestaties te garanderen.

Citaties:
[1] https://blog.heaphero.io/2018/07/10/micrometrics-for-ci-cd-pipeline/
[2] https://www.linkedin.com/pulse/cicd-pipeline-metrics-palani-thiyagarajan
[3] https://thenewstack.io/using-dora-metrics-to-optimize-ci-pipelines/
[4] https://docs.gitlab.com/ee/user/analytics/ci_cd_analytics.html
[5] https://codilime.com/blog/continuous-monitoring-and-observability-in-devops/