Pilar ini dalam Framework Arsitektur Google Cloud memberikan rekomendasi untuk mengoptimalkan performa workload di Google Cloud.
Dokumen ini ditujukan untuk arsitek, developer, dan administrator yang merencanakan, mendesain, men-deploy, dan mengelola workload di Google Cloud.
Rekomendasi dalam pilar ini dapat membantu organisasi Anda beroperasi secara efisien, meningkatkan kepuasan pelanggan, meningkatkan pendapatan, dan mengurangi biaya. Misalnya, saat waktu pemrosesan backend aplikasi menurun, pengguna akan mengalami respons yang lebih cepat, yang dapat menyebabkan retensi pengguna yang lebih tinggi dan peningkatan pendapatan.
Proses pengoptimalan performa dapat melibatkan kompromi antara performa dan biaya. Namun, mengoptimalkan performa terkadang dapat membantu Anda mengurangi biaya. Misalnya, saat beban meningkat, penskalaan otomatis dapat membantu memberikan performa yang dapat diprediksi dengan memastikan bahwa resource sistem tidak kelebihan beban. Penskalaan otomatis juga membantu Anda mengurangi biaya dengan menghapus resource yang tidak digunakan selama periode beban rendah.
Pengoptimalan performa adalah proses berkelanjutan, bukan aktivitas satu kali. Diagram berikut ini menampilkan tahapan dalam proses pengoptimalan performa:
Proses pengoptimalan performa adalah siklus berkelanjutan yang mencakup tahap berikut:
- Menentukan persyaratan: Tentukan persyaratan performa terperinci untuk setiap lapisan stack aplikasi sebelum Anda mendesain dan mengembangkan aplikasi. Untuk merencanakan alokasi resource, pertimbangkan karakteristik beban kerja utama dan ekspektasi performa.
- Mendesain dan men-deploy: Gunakan pola desain yang elastis dan skalabel yang dapat membantu Anda memenuhi persyaratan performa.
- Memantau dan menganalisis: Pantau performa secara terus-menerus menggunakan log, pelacakan, metrik, dan pemberitahuan.
Optimalkan: Pertimbangkan potensi desain ulang seiring perkembangan aplikasi Anda. Sesuaikan ukuran resource cloud dan gunakan fitur baru untuk memenuhi persyaratan performa yang berubah.
Seperti yang ditunjukkan pada diagram sebelumnya, lanjutkan siklus pemantauan, menilai ulang persyaratan, dan menyesuaikan resource cloud.
Untuk prinsip dan rekomendasi pengoptimalan performa yang khusus untuk beban kerja AI dan ML, lihat Perspektif AI dan ML: Pengoptimalan performa dalam Framework Arsitektur.
Rekomendasi dalam pilar pengoptimalan performa Framework Arsitektur dipetakan ke prinsip inti berikut:
- Merencanakan alokasi resource
- Manfaatkan elastisitas
- Mempromosikan desain modular
- Memantau dan meningkatkan performa secara terus-menerus
Kontributor
Penulis:
- Daniel Lees | Cloud Security Architect
- Gary Harmson | Customer Engineer
- Luis Urena | Developer Relations Engineer
- Zach Seils | Networking Specialist
Kontributor lainnya:
- Filipe Gracio, PhD | Customer Engineer
- Jose Andrade | Enterprise Infrastructure Customer Engineer
- Kumar Dhanagopal | Developer Solusi Lintas Produk
- Marwan Al Shawi | Partner Customer Engineer
- Nicolas Pintaux | Customer Engineer, Application Modernization Specialist
- Ryan Cox | Principal Architect
- Radhika Kanakam | Senior Program Manager, Cloud GTM
- Wade Holmes | Direktur Solusi Global