Belajar Performance Test Engineer - Tuning & Optimization

#Pendahuluan

Setelah di episode 16 kita memahami cloud & serverless performance, kini saatnya mengaplikasikan semua data yang telah kalian kumpulkan dalam bentuk yang paling berharga: tuning dan optimization. Performance testing tanpa follow-up optimization adalah latihan tanpa tujuan — data harus mengarah ke perbaikan yang terukur.

Episode ini membawa kalian memahami cara mengoptimasi di tiga lapisan: application, database, dan infrastruktur. Setiap optimasi harus diukur dampaknya dengan load test berulang — tidak ada yang namanya "optimasi tanpa bukti".

#Application Configuration Tuning

#Thread Pool & Connection Pool

Thread pool dan connection pool adalah dua pool yang paling sering menjadi bottleneck. Pool yang terlalu kecil menyebabkan waiting; pool yang terlalu besar membuang resource.

bash

# Java: tuning thread pool
-Dserver.tomcat.threads.max=200
-Dserver.tomcat.threads.min-spare=10
 
# Node.js: tuning connection pool
--max-old-space-size=4096  # 4GB heap

#Tuning Strategy

Benchmark baseline: jalankan load test tanpa perubahan
Ubah satu variabel: ganti pool size, timeout, atau buffer
Benchmark lagi: jalankan load test yang sama
Bandingkan: hitung improvement
Repeat: optimasi variabel berikutnya

javascript

// k6: test untuk membandingkan konfigurasi
export const options = {
  vus: 100,
  duration: '2m',
  thresholds: {
    http_req_duration: ['p(95)<300'],
  },
};

#Timeout Configuration

Timeout yang terlalu pendek menyebabkan error; timeout yang terlalu panjang menyebabkan resource starvation.

yaml

# Konfigurasi timeout
connect_timeout: 5s      # Waktu koneksi
read_timeout: 30s        # Waktu membaca response
write_timeout: 30s       # Waktu menulis request
idle_timeout: 120s       # Waktu koneksi idle sebelum ditutup

#Database Tuning

#Query Optimization

Query optimization dimulai dari execution plan analysis:

sql

-- PostgreSQL: lihat execution plan
EXPLAIN (ANALYZE, BUFFERS) SELECT * FROM orders
WHERE user_id = 123 AND status = 'pending'
ORDER BY created_at DESC LIMIT 10;

#Indexing Strategy

Index yang tepat bisa mengubah query dari detik menjadi milidetik:

sql

-- Cek index usage
SELECT indexrelname, idx_scan, idx_tup_read, idx_tup_fetch
FROM pg_stat_user_indexes
JOIN pg_index USING (indexrelid)
WHERE idx_scan = 0;  -- Index yang tidak pernah dipakai
 
-- Buat composite index untuk query yang sering
CREATE INDEX idx_orders_user_status_created
ON orders (user_id, status, created_at DESC);

#Connection Pool Optimization

sql

-- PostgreSQL: lihat connection usage
SELECT count(*) as total, state, usename
FROM pg_stat_activity
GROUP BY state, usename;
 
-- Pool size yang tepat ≈ (CPU cores × 2) + effective_spindle_count
-- Untuk SSD: (CPU cores × 2) + 1

#N+1 Query Fix

javascript

// Before: N+1 queries
const products = await db.query('SELECT * FROM products');
for (const product of products) {
  product.category = await db.query(
    'SELECT * FROM categories WHERE id = $1', [product.category_id]
  );
}
 
// After: single query with JOIN
const products = await db.query(`
  SELECT p.*, c.name as category_name
  FROM products p
  JOIN categories c ON p.category_id = c.id
`);

#Memory Management

#Memory Profiling

bash

# Node.js: memory snapshot
node --inspect app.js
# Buka chrome://inspect untuk memory profiler
 
# Go: pprof memory
go tool pprof http://localhost:6060/debug/pprof/heap

#Common Memory Issues

Issue	Gejala	Solusi
Memory leak	RSS naik terus seiring waktu	Profiling, perbaiki resource management
Large objects	Heap spike mendadak	Streaming, pagination
GC pressure	GC pause sering	Kurangi allocation, object pooling

#Infrastruring Tuning

#Linux Kernel Tuning

bash

# Network tuning
sudo sysctl -w net.core.somaxconn=65535
sudo sysctl -w net.ipv4.tcp_max_syn_backlog=65535
sudo sysctl -w net.ipv4.ip_local_port_range="1024 65535"
 
# File descriptor limits
ulimit -n 65535

#Load Balancer Tuning

nginx

# Nginx: connection and timeout tuning
worker_connections 10240;
keepalive_timeout 65;
proxy_connect_timeout 5s;
proxy_read_timeout 30s;

#Measuring Optimization Impact

#Before/After Comparison

bash

# Sebelum optimasi
k6 run --vus 100 --duration 2m --out json=before.json script.js
 
# Setelah optimasi
k6 run --vus 100 --duration 2m --out json=after.json script.js
 
# Bandingkan
python scripts/compare.py before.json after.json

#Regression Testing

Setelah optimasi, jalankan full regression test untuk memastikan tidak ada fitur yang rusak.

#Penutup

Di episode 17 ini kalian telah memahami tuning & optimization:

Application tuning: thread pool, connection pool, timeout configuration.
Database tuning: query optimization, indexing, N+1 fix, connection pool.
Memory management: profiling, leak detection, GC optimization.
Infrastructure tuning: Linux kernel, load balancer configuration.
Measurement: before/after comparison dengan load test.

Di episode 18 selanjutnya, kita akan membahas Network & Latency Testing — bagaimana mensimulasikan network conditions yang realistis: latency, throttling, packet loss, dan geographic testing. Siapkan network simulator kalian!