Но расслабляться особо времени нет. Потому что как раз начали выкладывать доклады с LISA2017

Пока что выкладывают сами авторы в Twitter, официально обещают выложить, но пока нет. Итак:

- Visual Tooling for Advanced Systems Analysis by Suchakra Sharma. Там вообще о том, как визуализировать данные, строить диаграммы и схемы. С примерами из истории с современного IT. В общем, интересно. Ещё бы сам доклад послушать

- Container Performance Analysis by Brendan Gregg. Это вообще, наверное первый человек, который приходит на ум от словосочетания "performance analysis". Доклад о том, как анализируют производительность контейнеров в Netflix (небольшой спойлер: in-house тулзами) Кроме того там обзор утилит для анализа производительности вообще, краткий обзор того, что такое контейнер и обзор некоторых сценариев диагностики. Ну и скрины Netflix'овских дашбордов, конечно 😉

- Queueing Theory by Eben Freeman. Что, думали, в универе это закончилось? А вот нет! Обзор теории очередей в последовательных и параллельных системах и того, как это дело координировать на основании, конечно же, матана

Это то, что я достал из Twitter. Может, доступны ещё какие-то доклады. Можете кидать их мне тут (@grem1in). Ну или подождать, пока они появятся на официальной страничке

#event #slides #performance

​​Я знаю, что эти новости уже публиковались (не у меня), но они достаточно злободневны, так что продублирую:

1) Brendan Gregg исследовал падение производительности после применения патчей KPTI/KAISER в ядре Linux. Это те заплатки от Meltdown и Spectre

2) DataDog тоже применили у себя эти патчи (молодцы) и померяли перформанс своего Redis кластера, который насчитывает миллионы ядер. Статья не длинная, в ней меньше матана и графички

#security #performance

Я начинаю потихоньку разгребать свой загашник сохраненных статей. И сегодня будет парочку от Netflix.

Во-первых, Netflix FlameScope -- логическое дополнение FlameGraphs. FlameScope позволяет строить хитмап ивентов, где по оси X время в секундах, по оси Y -- фракции секунды (я не уверен, что я правильно перевел это), а "температура" показывает колличество ивентов, которые пришлись на это время.

Выбрав определенный сегмент хитмапа, можно сразу же перейти к флеймграфу того, что происходило в данный момент. Более доступно это показано на видео:

https://www.youtube.com/watch?time_continue=82&v=cFuI8SAAvJg

#performance

There were a lot of culture posts here lately, but no worries were still in the engineering domain!

So, today I want to share a neat detective/mystery story abut ZFS by Brendan Gregg.

It's called "ZFS Is Mysteriously Eating My CPU" and I won't add any more details here to keep the suspense.

Enjoy!

#performance #linux

Flame graphs is a powerful tool to visualize an application profile and spot narrow places in your codebase.

Kubectl Flame brings this functionality as a frictionless kubectl plugin! Now, you can generate a flame graph from a running pod using just kubectl.

Currently, it supports Java using async-profiler, Go using ebpf profiling. Python support is based on py-spy. Ruby support is based on rbspy.

Also, since we're talking about performance, here is a free-to-use Kubernetes Instacne Calculator, which helps you to calculate the optimal size of cloud nodes based on your resource requests and limits.

#kubernetes #performance

DevOps-ish community loves Go.

So, here's a short story about simple re-arranging fields in a struct that saved 1/3 of memory consumption.

#programming #go #performance

Today I want to share HashiCorp's official doc about Vault performance tuning.

I know that an official doc is not that impressive as some author's article. However, it contains a lot of useful information. Also, sometimes you have to refer to docs like this one.

Moreover, Vault is not that simple as it seems. For example, many people think that Vault is HA if you have multiple hosts, which is not in fact true, unless you have an enterprise version. Otherwise, it's just an active leader and stand by hosts.

Also, Vault's performance is very dependent on its storage backend. Therefore, tuning can also be related to that. For example, you can tweak max_parallel option if you're using AWS S3 as a backend and hitting AWS API rate limiting.

Also, I would be very glad if you can share some materials about Vault load testing with different storage backends. I've heard that PostgreSQL is the most performant, but I have no data or a research to prove it. Would be nice to read one.

After a super-quick research, I was only able to find this article on how to setup benchmark tests for Vault.

Although, here's a benchmark for Vault's integrated storage

#hashicorp #vault #performance

This is a small nice article about how small changes could impact performance.

I like such stories very much. I believe, they expose the beauty of software engineering. Just like in maths classes complex equations result in something like x = 1.

Also, one can learn from this article a thing or two about the memory allocation in Go as well as some performance profiling techniques.

#programming #go #performance

Unfortunately, kubectl flame tool for profiling in Kubernetes wasn't updated in 4 years. It cannot even run on ARM-based machines.

But what if you need to profile something in your systems? You can use continuous profiling, if it's available in your observability stack.

Or you can use kubectl prof to do some ad-hoc profiles.

- Tool on GitHub
- Medium post

#kubernetes #performance