ㅁ 성능 모니터링

ㅇ 정의:
성능 모니터링은 시스템의 성능을 지속적으로 관찰하고 분석하여 문제를 사전에 예방하고 최적화를 도모하는 활동이다.

ㅇ 특징:
– 실시간 데이터 수집 및 분석.
– 성능 지표를 기반으로 한 문제 탐지.
– 시스템 안정성 및 효율성 개선.

ㅇ 적합한 경우:
– 대규모 시스템에서 성능 병목 현상이 발생할 가능성이 높은 경우.
– 실시간으로 시스템 상태를 확인해야 하는 경우.

ㅇ 시험 함정:
– 성능 모니터링과 성능 테스트를 혼동할 수 있음.
– 모니터링 도구의 기능과 한계를 명확히 이해하지 못할 경우.

ㅇ 시험 대비 “패턴 보기” 예시:
– O: 성능 모니터링은 시스템의 실시간 상태를 분석하는 데 유용하다.
– X: 성능 모니터링은 시스템의 상태를 사후에 분석하는 활동이다.

================================

1. Continuous Profiling

ㅇ 정의:
Continuous Profiling은 애플리케이션이나 시스템의 성능 데이터를 지속적으로 수집하여 성능 병목 현상 및 비효율성을 식별하는 기술이다.

ㅇ 특징:
– 실행 중인 시스템에 영향을 최소화하며 데이터를 수집.
– CPU, 메모리, I/O 등의 리소스 사용 패턴을 분석.
– 장기적인 성능 개선을 목표로 함.

ㅇ 적합한 경우:
– 지속적으로 변화하는 애플리케이션 환경에서 성능 최적화가 필요한 경우.
– 성능 이슈를 사전에 탐지하고 해결해야 하는 경우.

ㅇ 시험 함정:
– Continuous Profiling과 단발성 프로파일링을 혼동할 수 있음.
– 프로파일링 도구의 설정과 데이터 해석 방법에 대한 오해.

ㅇ 시험 대비 “패턴 보기” 예시:
– O: Continuous Profiling은 실행 중인 애플리케이션의 성능 데이터를 지속적으로 수집한다.
– X: Continuous Profiling은 시스템 종료 후 데이터를 수집하는 방식이다.

================================

ㅁ 추가 학습 내용

Continuous Profiling에 대한 학습 내용을 다음과 같이 정리할 수 있습니다.

1. 주요 도구와 특징:
– Pyroscope:
– 실시간으로 애플리케이션의 성능 데이터를 수집하고 시각화하는 오픈소스 프로파일러.
– CPU, 메모리, I/O와 같은 리소스 사용 패턴을 분석.
– Flame Graph를 사용하여 프로파일링 데이터를 시각적으로 표현.
– 다양한 언어와 프레임워크(Java, Python, Go 등) 지원.
– 사용 사례: 애플리케이션의 병목 현상 식별, 리소스 최적화, 성능 이슈 디버깅.

– Parca:
– 고성능 분산 프로파일링 도구로, 지속적인 프로파일링 데이터를 수집하고 저장.
– eBPF(Extended Berkeley Packet Filter)를 활용하여 시스템 수준에서의 성능 분석 가능.
– 히스토그램 및 Flame Graph를 통해 데이터 시각화 지원.
– 사용 사례: 클라우드 네이티브 환경에서의 성능 모니터링, 마이크로서비스 간의 병목 현상 파악.

– Google Cloud Profiler:
– Google Cloud Platform(GCP)에서 제공하는 지속적 프로파일링 서비스.
– CPU 및 메모리 사용량을 분석하여 비용 절감 및 애플리케이션 성능 최적화 지원.
– GCP 환경에 최적화되어 있으며, Stackdriver와 통합 가능.
– 사용 사례: GCP 기반 애플리케이션의 성능 최적화, 클라우드 리소스 비용 관리.

2. 데이터 시각화 및 분석 방법:
– Flame Graph:
– 함수 호출 스택을 시각적으로 표현하여 애플리케이션의 리소스 사용 패턴을 파악.
– 각 함수 호출의 누적 시간 비율을 직관적으로 보여줌.
– 병목 현상이나 과도한 리소스 사용 구간을 빠르게 식별 가능.
– 히스토그램:
– 특정 리소스 사용량의 분포를 나타내는 그래프.
– CPU 사용량, 메모리 소비량의 변화 추이를 분석.
– 비정상적인 사용 패턴을 탐지하는 데 유용.
– 시간 시리즈 분석:
– 프로파일링 데이터를 시간 축에 따라 분석하여 성능 변화 추이 파악.
– 성능 저하가 발생한 시점을 정확히 식별하고 원인 분석에 활용.

3. 실질적인 적용 능력 강화:
– 프로파일링 도구를 실제 애플리케이션에 통합하여 데이터를 수집하고 분석하는 연습.
– 수집된 프로파일링 데이터를 Flame Graph나 히스토그램으로 시각화하여 문제점을 도출.
– 프로파일링 결과를 바탕으로 코드 최적화, 리소스 할당 조정 등의 개선 작업 수행.
– 다양한 시나리오에서 도구를 비교하여 가장 적합한 프로파일링 도구를 선택하는 능력 배양.