การตรวจสอบประสิทธิภาพ — คืออะไร ตัวชี้วัด และการเก็บรวบรวมข้อมูล

การตรวจสอบประสิทธิภาพคืออะไร

การตรวจสอบประสิทธิภาพ คือการปฏิบัติในการวัดปริมาณพฤติกรรมของแอปพลิเคชันโดยการรวบรวมตัวชี้วัดรันไทม์ การใช้หน่วยความจำ อัตราเฟรม และการใช้พลังงาน ต่างจากการรายงานการขัดข้องซึ่งบันทึกเฉพาะความล้มเหลวร้ายแรง การตรวจสอบประสิทธิภาพจะติดตามการเสื่อมสภาพแบบค่อยเป็นค่อยไป: แอปทำงานแต่ช้ากว่าที่ควร

ตาม Google (2024) ผู้ใช้ 53% ปิดแอปหากใช้เวลาโหลดนานกว่า 3 วินาที ความล่าช้าเพิ่มขึ้นทุกวินาทีจะลดอัตราการแปลงลงเฉลี่ย 20% ในทุกหมวดหมู่ สิ่งนี้ทำให้การตรวจสอบประสิทธิภาพไม่ใช่แค่การปฏิบัติทางเทคนิค แต่เป็นความจำเป็นทางธุรกิจสำหรับผลิตภัณฑ์มือถือ

การตรวจสอบประสิทธิภาพสมัยใหม่ครอบคลุมสี่ระดับ: ฝั่งไคลเอ็นต์ (iOS, Android), เครือข่าย (คำขอ API, WebSocket), บริการแบ็กเอนด์ และโครงสร้างพื้นฐาน ในการพัฒนามือถือ จุดเน้นอยู่ที่ตัวชี้วัดฝั่งไคลเอ็นต์ เนื่องจากปัญหาด้านประสิทธิภาพส่วนใหญ่เกิดขึ้นบนอุปกรณ์ของผู้ใช้

ตัวชี้วัดหลักของแอปมือถือ

สำหรับการตรวจสอบที่ครอบคลุม จำเป็นต้องติดตามตัวชี้วัดห้ากลุ่ม แต่ละกลุ่มรับผิดชอบด้านต่าง ๆ ของประสบการณ์ผู้ใช้ FPS (เฟรมต่อวินาที) แสดงความราบรื่นของแอนิเมชันและการเลื่อน — ค่าต่ำกว่า 30 เฟรมต่อวินาทีจะถูกรับรู้โดยสายตาว่าเป็นการกระตุก

ตัวชี้วัดเวลา

เวลาเริ่มต้นเย็น — ตั้งแต่แตะไอคอนจนถึง UI พร้อมสมบูรณ์ เวลาเริ่มต้นร้อน — การกลับมาจากพื้นหลัง เวลาตอบสนองต่อการกระทำของผู้ใช้ (แตะเพื่อตอบสนอง) เวลาเริ่มต้น สำหรับ Android วัดผ่าน ActivityManager สำหรับ iOS — ผ่าน dyld และเวลา premain ตาม Firebase Performance เวลาเริ่มต้นเย็นเฉลี่ยสำหรับ 100 แอปยอดนิยมคือ 1.8 วินาที

ตัวชี้วัดหน่วยความจำและ CPU

การบริโภค RAM ไม่ควรเกิน 80% ของความจุที่มีอยู่บนอุปกรณ์ มิฉะนั้นระบบจะเริ่มยกเลิกการโหลดแอปจากพื้นหลัง รอยเท้าหน่วยความจำ ติดตามผ่าน Xcode Instruments (iOS) และ Android Profiler หน่วยความจำรั่วตรวจพบได้จากการบริโภคที่เพิ่มขึ้นระหว่างการดำเนินการซ้ำ ๆ เช่น การสลับระหว่างหน้าจอ

ตัวชี้วัดเครือข่าย

เวลาดำเนินการคำขอ HTTP ขนาดตอบสนอง ความถี่หมดเวลา และอัตราข้อผิดพลาด ความหน่วงของเครือข่าย มีความสำคัญอย่างยิ่งสำหรับแอปมือถือที่ทำงานในสภาพการเชื่อมต่อที่ไม่เสถียร (3G, รถไฟใต้ดิน, ลิฟต์, โรมมิ่ง) แนะนำให้ติดตามเวลาตอบสนอง p95 — มันแสดงประสบการณ์ของผู้ใช้ที่ “หนัก” ที่สุดในสภาพเครือข่ายที่แย่ที่สุด

Real User Monitoring และ Synthetic Monitoring

Real User Monitoring (RUM) รวบรวมข้อมูลจากอุปกรณ์จริงของผู้ใช้ในสภาพแวดล้อมการผลิต วิธีนี้แสดงความหน่วงจริงที่ผู้ใช้ประสบ โดยพิจารณาจากอุปกรณ์ เวอร์ชันระบบปฏิบัติการ เครือข่าย และตำแหน่งทางภูมิศาสตร์ RUM ให้ภาพประสิทธิภาพที่แม่นยำที่สุดแต่ขึ้นอยู่กับว่าผู้ใช้ใดอยู่ในกลุ่มตัวอย่าง

ในทางกลับกัน Synthetic Monitoring ดำเนินการสถานการณ์ที่กำหนดไว้ล่วงหน้าบนอุปกรณ์ทดสอบภายใต้เงื่อนไขที่ควบคุมได้ มันช่วยให้ตรวจพบการเสื่อมสภาพก่อนที่จะถึงผู้ใช้และสร้างปัญหาซ้ำในสภาพแวดล้อมที่สอดคล้องกัน Firebase Test Lab และ BrowserStack ให้การทดสอบสังเคราะห์บนอุปกรณ์จริงโดยไม่ต้องดำเนินการด้วยตนเอง

กลยุทธ์ที่เหมาะสมที่สุดคือการรวมทั้งสองแนวทาง: การทดสอบสังเคราะห์จับการเสื่อมสภาพในขั้นตอน CI ในขณะที่ RUM ให้ภาพจริงในระบบผลิต ตาม Datadog (2024) ทีมที่ใช้ทั้งสองวิธีค้นพบปัญหาประสิทธิภาพมากขึ้น 35% ก่อนที่จะกลายเป็นเหตุการณ์

การตั้งค่า Firebase Performance Monitoring

Firebase Performance Monitoring เป็นเครื่องมือฟรีจาก Google สำหรับรวบรวมตัวชี้วัดประสิทธิภาพบน iOS และ Android มันวัดเวลาเริ่มต้นแอป คำขอ HTTP และการเรนเดอร์หน้าจอโดยอัตโนมัติโดยไม่ต้องเขียนโค้ด ในการตั้งค่า เพียงเพิ่ม SDK ในโครงการของคุณและเปิดใช้งานโมดูล Performance ในคอนโซล Firebase

การรวบรวมตัวชี้วัดอัตโนมัติ

หลังจากรวม SDK แล้ว Firebase Performance จะสร้างการติดตามสำหรับแต่ละคำขอ HTTP โดยอัตโนมัติผ่าน URLSession (iOS) หรือ OkHttp (Android) การเรนเดอร์หน้าจอ ถูกวัดสำหรับ UIViewController และ Activity โดยบันทึกเวลาตั้งแต่ onCreate/viewDidLoad จนกระทั่งการเรนเดอร์ครั้งแรกเสร็จสมบูรณ์ ตัวชี้วัดทั้งหมดถูกรวมในคอนโซล Firebase โดยแบ่งตามเวอร์ชันแอป อุปกรณ์ และประเทศ

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())
        // การดำเนินการชำระเงิน
        trace.stop()
    }
}

โค้ดสร้างการติดตามแบบกำหนดเองสำหรับสถานการณ์การชำระเงินด้วยแอตทริบิวต์จำนวนเงิน การใช้การติดตามนี้ในคอนโซล Firebase คุณสามารถเห็นเวลาดำเนินการชำระเงินเฉลี่ยและ p95 จัดกลุ่มตามเวอร์ชันแอปและอุปกรณ์

การตรวจสอบ HTTP

Firebase สกัดกั้นคำขอเครือข่ายโดยอัตโนมัติและบันทึก URL รหัสตอบสนอง ขนาดเพย์โหลด และเวลาดำเนินการ สำหรับ OkHttp บน Android การวัดอัตโนมัติทำงานโดยไม่ต้องกำหนดค่าเพิ่มเติม คำขอเครือข่าย จะแสดงในคอนโซลโดยจัดกลุ่มตามปลายทาง ซึ่งช่วยให้ระบุความช้าของ API เฉพาะได้อย่างรวดเร็ว

การติดตามแบบกำหนดเองสำหรับตรรกะทางธุรกิจ

ตัวชี้วัดมาตรฐานครอบคลุมประสิทธิภาพโดยรวม แต่การวินิจฉัยกระบวนการทางธุรกิจจำเป็นต้องวัดสถานการณ์เฉพาะ การติดตามแบบกำหนดเอง ช่วยให้วัดเวลาดำเนินการของการตรวจสอบสิทธิ์ การโหลดฟีดข่าว การประมวลผลภาพ หรือการซิงโครไนซ์ข้อมูล

การติดตามแบบกำหนดเองแต่ละรายการควรมีชื่อที่มีความหมายในรูปแบบ “สถานการณ์-การกระทำ” และมีแอตทริบิวต์สำหรับการกรอง ตัวอย่างเช่น การติดตาม “image-upload” ที่มีแอตทริบิวต์ “file_size” และ “compression_quality” จะช่วยระบุความสัมพันธ์ของเวลาอัปโหลดกับขนาดภาพ ขอแนะนำไม่ให้สร้างการติดตามแบบกำหนดเองเกิน 20 รายการต่อหน้าจอ — การวัดที่มากเกินไปสร้างสัญญาณรบกวนและทำให้การวิเคราะห์ซับซ้อน

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")
    // การโหลดภาพ
    trace?.stop()
}

ตัวอย่าง Swift สร้างการติดตามสำหรับการโหลดภาพด้วยแอตทริบิวต์ขนาดไฟล์และระดับการบีบอัด ในคอนโซล Firebase แอตทริบิวต์เหล่านี้กลายเป็นฟิลด์สำหรับการจัดกลุ่มและกรองตัวชี้วัด

เกณฑ์และการแจ้งเตือน

การรวบรวมตัวชี้วัดโดยไม่มีระบบแจ้งเตือนนั้นไร้ประโยชน์ การแจ้งเตือน ควรแจ้งให้ทีมทราบเมื่อตัวชี้วัดเกินขีดจำกัดที่ยอมรับได้ โดยมีเกณฑ์แบ่งเป็นสามระดับ: คำเตือน วิกฤต และขัดข้อง แต่ละระดับกำหนดช่องทางการแจ้ง: คำเตือน — ไปยังช่อง Slack ของทีม วิกฤต — ไปยัง PagerDuty สำหรับวิศวกรที่ปฏิบัติหน้าที่ ขัดข้อง — การแจ้งจำนวนมากถึงผู้มีส่วนได้ส่วนเสียทั้งหมด

สำหรับตัวชี้วัดมือถือ ขอแนะนำให้ใช้เกณฑ์แบบไดนามิกตามเปอร์เซนไทล์: เวลาเริ่มต้นเย็น p95 เกิน 4 วินาที — การแจ้งเตือนวิกฤต เกณฑ์คงที่ (เช่น CPU > 90%) ทำงานได้มีประสิทธิภาพน้อยกว่าเนื่องจากไม่คำนึงถึงความผันผวนของโหลดปกติตามช่วงเวลาของวันและวันของสัปดาห์ Firebase Performance รองรับการกำหนดค่าการแจ้งเตือนผ่าน Firebase Console พร้อมการแจ้งไปยัง Slack, PagerDuty และอีเมล พร้อมตัวเลือกการยกระดับหากไม่ได้รับการยืนยัน

ตาม แบบสำรวจการจัดการเหตุการณ์ (2024) ทีมที่ตั้งค่าการแจ้งเตือนตามเปอร์เซนไทล์แทนค่าเฉลี่ยพลาดเหตุการณ์น้อยลง 45% ค่าเฉลี่ยจะปรับค่าผิดปกติให้เรียบ — p95 รับประกันการแสดงสถานการณ์ที่แย่ที่สุดสำหรับผู้ใช้ โดยไม่คำนึงถึงช่วงเวลาของวันและความผันผวนของโหลดตามฤดูกาล