Performance-Monitoring — was es ist, Metriken und Datenerfassung

Was ist Performance-Monitoring

Performance-Monitoring ist die Praxis, das Anwendungsverhalten durch Erfassung von Laufzeitmetriken, Speichernutzung, Bildrate und Energieverbrauch zu quantifizieren. Im Gegensatz zum Crash-Reporting, das nur fatale Fehler erfasst, verfolgt Performance-Monitoring die allmähliche Verschlechterung: Die App funktioniert, ist aber langsamer als sie sein sollte.

Laut Google (2024) schließen 53% der Benutzer eine App, wenn sie länger als 3 Sekunden zum Laden benötigt. Jede zusätzliche Sekunde Verzögerung reduziert die Conversion um durchschnittlich 20% über alle Kategorien hinweg. Dies macht Performance-Monitoring nicht nur zu einer technischen Praxis, sondern zu einer geschäftlichen Notwendigkeit für mobile Produkte.

Modernes Performance-Monitoring deckt vier Ebenen ab: Client-Seite (iOS, Android), Netzwerk (API-Anfragen, WebSocket), Backend-Dienste und Infrastruktur. In der mobilen Entwicklung liegt der Fokus auf Client-Seiten-Metriken, da die meisten Leistungsprobleme auf dem Gerät des Benutzers auftreten.

Wichtige Metriken für mobile Apps

Für ein umfassendes Monitoring müssen fünf Metrikgruppen verfolgt werden, die jeweils für einen anderen Aspekt der Benutzererfahrung verantwortlich sind. FPS (Bilder pro Sekunde) zeigt die Flüssigkeit von Animationen und Scrollen — Werte unter 30 Bildern pro Sekunde werden vom Auge als Ruckeln wahrgenommen.

Zeitmetriken

Kaltstartzeit — vom Tippen auf das Symbol bis zur vollständigen UI-Bereitschaft. Warmstartzeit — Rückkehr aus dem Hintergrund. Reaktionszeit auf Benutzeraktionen (Tap-to-Response). Die Startzeit wird bei Android über ActivityManager gemessen, bei iOS über dyld und premain time. Laut Firebase Performance beträgt die mediane Kaltstartzeit für die Top 100 Apps 1,8 Sekunden.

Speicher- und CPU-Metriken

Der RAM-Verbrauch sollte 80% der verfügbaren Gerätekapazität nicht überschreiten, da das System sonst beginnt, die App aus dem Hintergrund zu entladen. Der Speicher-Fußabdruck wird über Xcode Instruments (iOS) und Android Profiler verfolgt. Speicherlecks werden durch steigenden Verbrauch bei wiederholten Vorgängen erkannt — zum Beispiel beim Wechseln zwischen Bildschirmen.

Netzwerkmetriken

Ausführungszeit von HTTP-Anfragen, Antwortgröße, Zeitüberschreitungshäufigkeit und Fehlerrate. Die Netzwerklatenz ist besonders kritisch für mobile Apps, die unter instabilen Verbindungsbedingungen (3G, U-Bahn, Aufzug, Roaming) arbeiten. Es wird empfohlen, die p95-Antwortzeit zu verfolgen — sie zeigt die Erfahrung der „schwersten“ Benutzer mit den schlechtesten Netzwerkbedingungen.

Real User Monitoring vs. Synthetic Monitoring

Real User Monitoring (RUM) sammelt Daten von echten Benutzergeräten in der Produktionsumgebung. Diese Methode zeigt die tatsächlichen Latenzen, die Benutzer unter Berücksichtigung ihrer Geräte, Betriebssystemversionen, Netzwerke und Geolokalisierung erfahren. RUM liefert das genaueste Leistungsbild, hängt jedoch davon ab, welche Benutzer in der Stichprobe enthalten sind.

Synthetic Monitoring hingegen führt vordefinierte Szenarien auf Testgeräten unter kontrollierten Bedingungen aus. Es ermöglicht die Erkennung von Regressionen, bevor sie Benutzer erreichen, und die Reproduktion von Problemen in einer konsistenten Umgebung. Firebase Test Lab und BrowserStack bieten synthetische Tests auf echten Geräten ohne manuelle Ausführung.

Die optimale Strategie ist eine Kombination beider Ansätze: Synthetische Tests erkennen Regressionen in der CI-Phase, während RUM das reale Bild in der Produktion liefert. Laut Datadog (2024) entdecken Teams, die beide Methoden verwenden, 35% mehr Leistungsprobleme, bevor sie zu Vorfällen werden.

Einrichtung von Firebase Performance Monitoring

Firebase Performance Monitoring ist ein kostenloses Tool von Google zur Erfassung von Leistungsmetriken unter iOS und Android. Es misst automatisch die App-Startzeit, HTTP-Anfragen und Bildschirmdarstellung ohne Code zu schreiben. Zur Einrichtung fügen Sie einfach das SDK zu Ihrem Projekt hinzu und aktivieren das Performance-Modul in der Firebase-Konsole.

Automatische Metrikerfassung

Nach der Integration des SDK erstellt Firebase Performance automatisch einen Trace für jede HTTP-Anfrage über URLSession (iOS) oder OkHttp (Android). Die Bildschirmdarstellung wird für UIViewController und Activity gemessen und erfasst die Zeit von onCreate/viewDidLoad bis zum Abschluss der ersten Darstellung. Alle Metriken werden in der Firebase-Konsole aggregiert, aufgeschlüsselt nach App-Version, Gerät und Land.

import com.google.firebase.perf.FirebasePerformance
import com.google.firebase.perf.metrics.Trace

class PaymentService {
    private val firebasePerf = FirebasePerformance.getInstance()

    fun processPayment(amount: Double) {
        val trace = firebasePerf.newTrace("payment-flow")
        trace.start()
        trace.putAttribute("amount", amount.toString())
        // Zahlungsausführung
        trace.stop()
    }
}

Der Code erstellt einen benutzerdefinierten Trace für das Zahlungsszenario mit einem Betragsattribut. Mit diesem Trace in der Firebase-Konsole können Sie die mediane und p95-Zahlungsausführungszeit sehen, gruppiert nach App-Version und Gerät.

HTTP-Überwachung

Firebase fängt Netzwerkanfragen automatisch ab und zeichnet URL, Antwortcode, Payload-Größe und Ausführungszeit auf. Für OkHttp unter Android funktioniert die automatische Instrumentierung ohne zusätzliche Konfiguration. Netzwerkanfragen werden in der Konsole nach Endpunkt gruppiert angezeigt, was eine schnelle Identifizierung der Verlangsamung einer bestimmten API ermöglicht.

Benutzerdefinierte Traces für Geschäftslogik

Standardmetriken decken die allgemeine Leistung ab, aber zur Diagnose von Geschäftsprozessen müssen bestimmte Szenarien instrumentiert werden. Benutzerdefinierte Traces ermöglichen die Messung der Ausführungszeit von Authentifizierung, Newsfeed-Laden, Bildverarbeitung oder Datensynchronisation.

Jeder benutzerdefinierte Trace sollte einen aussagekräftigen Namen im Format „Szenario-Aktion“ haben und Attribute zur Filterung enthalten. Beispielsweise hilft ein Trace „image-upload“ mit den Attributen „file_size“ und „compression_quality“ dabei, die Abhängigkeit der Upload-Zeit von der Bildgröße zu identifizieren. Es wird empfohlen, nicht mehr als 20 benutzerdefinierte Traces pro Bildschirm zu erstellen — übermäßige Instrumentierung erzeugt Rauschen und erschwert die Analyse.

import FirebasePerformance

func trackImageUpload(data: Data) {
    let trace = Performance.startTrace(name: "image-upload")
    trace?.setValue(data.count, forAttribute: "file_size")
    trace?.setValue("high", forAttribute: "compression")
    // Bild laden
    trace?.stop()
}

Das Swift-Beispiel erstellt einen Trace für das Laden von Bildern mit Attributen für Dateigröße und Komprimierungsstufe. In der Firebase-Konsole werden diese Attribute zu Feldern für die Gruppierung und Filterung von Metriken.

Schwellenwerte und Alarmierung

Das Sammeln von Metriken ohne Alarmsystem ist nutzlos. Alarmierung sollte das Team benachrichtigen, wenn Metriken akzeptable Grenzen überschreiten, wobei die Schwellenwerte in drei Stufen unterteilt sind: Warnung, kritisch und Ausfall. Jede Stufe bestimmt den Benachrichtigungskanal: Warnung — an den Slack-Kanal des Teams, kritisch — an PagerDuty für den Bereitschaftsingenieur, Ausfall — Massenbenachrichtigung an alle Stakeholder.

Für mobile Metriken wird die Verwendung dynamischer Perzentil-basierter Schwellenwerte empfohlen: p95-Kaltstartzeit über 4 Sekunden — kritischer Alarm. Statische Schwellenwerte (z.B. CPU > 90%) funktionieren weniger effektiv, da sie normale Lastschwankungen je nach Tageszeit und Wochentag nicht berücksichtigen. Firebase Performance unterstützt die Alarmkonfiguration über die Firebase-Konsole mit Benachrichtigungen an Slack, PagerDuty und E-Mail, mit Eskalationsoptionen bei fehlender Bestätigung.

Laut der Incident Management Survey (2024) verpassen Teams, die Alarme auf Basis von Perzentilen statt Durchschnittswerten einstellen, 45% weniger Vorfälle. Durchschnittswerte glätten Ausreißer — p95 garantiert die Darstellung des schlechtesten Szenarios für Benutzer, unabhängig von Tageszeit und saisonalen Lastschwankungen.