För att övervaka minnesprofilering i CI/CD-pipelines bör du spåra följande nyckelmått:
1. Sopsamlingsgenomströmning: Detta mäter hur mycket tid som spenderas på sophämtningsaktiviteter jämfört med den totala utförandetiden. Ett lägre värde indikerar bättre minneshantering[1].
2. Genomsnittlig paustid för sophämtning: Detta mäter den genomsnittliga tid som programmet pausar under sophämtning. Lägre värden indikerar mindre påverkan på applikationsprestanda[1].
3. Maximal paustid för sophämtning: Detta mäter den maximala tiden som programmet pausar under sophämtning. Lägre värden indikerar mindre påverkan på applikationsprestanda[1].
4. Objektskapandehastighet: Detta mäter den hastighet med vilken objekt skapas av programmet. Högre värden kan indikera minnesläckor eller ineffektiv minnesanvändning[1].
5. Peak Heap Size: Detta mäter den maximala mängden minne som används av programmet. Högre värden kan indikera minnesläckor eller ineffektiv minnesanvändning[1].
6. Trådantal: Detta mäter antalet aktiva trådar i applikationen. Högre värden kan indikera ökad minnesanvändning[1].
7. Trådtillstånd: Detta mäter fördelningen av trådar över olika tillstånd (t.ex. löpning, sovande, blockerad). Detta kan hjälpa till att identifiera minnesrelaterade problem[1].
8. Trådgrupper: Detta mäter antalet trådgrupper i applikationen. Högre värden kan indikera ökad minnesanvändning[1].
9. Waste Memory: Detta mäter mängden minne som inte används effektivt. Högre värden kan indikera minnesläckor eller ineffektiv minnesanvändning[1].
10. Antal objekt: Detta mäter det totala antalet objekt i applikationen. Högre värden kan indikera minnesläckor eller ineffektiv minnesanvändning[1].
11. Class Count: Detta mäter antalet klasser i applikationen. Högre värden kan indikera ökad minnesanvändning[1].
Genom att spåra dessa mätvärden kan du identifiera minnesrelaterade problem tidigt i utvecklingens livscykel och optimera minnesanvändningen för att säkerställa effektiv applikationsprestanda.
Citat:[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/