АВТОТЮНИНГ ПРОИЗВОДИТЕЛЬНОСТИ ВЕБ-ПРИЛОЖЕНИЙ ПО SLO: НАБЛЮДАЕМОСТЬ, ДИАГНОСТИКА И БЕЗОПАСНЫЕ ОПТИМИЗАЦИИ

EDN: BQVXUI

В статье представлен подход к полуавтоматизированному улучшению производительности веб-приложений на основе rule-based пайплайна, интегрирующего целевые показатели обслуживания (SLO) и данные наблюдаемости (метрики, логи, трассировки). Методология включает выявление проблемных зон по симптомам, каталог оптимизаций и процедуру экспериментальной верификации воздействия на 95-й перцентиль задержки, частоту ошибок и эксплуатационные расходы. Фокус сделан на приложениях для энергетических компаний. Новизна состоит в критериях выбора оптимизаций, учитывающих не только ускорение, но и риск отката, стоимость и влияние на устойчивость, а также в протоколе A/B-тестирования с bootstrap-доверительными интервалами. Экспериментальная проверка на сценариях ввода показаний, платежей, доступа к аккаунту и регистрации обращений показала снижение p95 задержки на 48–55 % (bootstrap 95 % CI для Δp95 от 1,4 до 2,3 с), частоты ошибок на 70–93 % и эксплуатационных расходов на 40–58 % (по отдельным операциям) относительно baseline. Агрегированная экономия составила 42 %.

Список литературы

1.         Beyer B. et al. Site Reliability Engineering: How Google Runs Production Systems. O’Reilly Media, 2016.

2.         Newman S. Building Microservices. O’Reilly Media, 2015.

3.         Richardson C. Microservices Patterns. Manning Publications, 2018.

4.         Prometheus Documentation. CNCF, 2024.

5.         OpenTelemetry Specification. CNCF, 2024.

6.         Elasticsearch Guide. Elastic, 2024.

7.         Dynatrace Documentation: SLO Definitions. Dynatrace, 2024.

8.         Ahmed F. et al. A Survey of AIOps for IT Operations // ACM Computing Surveys. 2023.

9.         Gan Y. et al. An Automated Performance Tuning Framework for Microservices via Bayesian Optimization // IEEE Trans. Cloud Computing. 2022.

10.       Mariani L. et al. Machine Learning for Self-Adaptive Systems: a Systematic Mapping Study // ACM Trans. Auton. Adapt. Syst. 2021.

11.       Notaro P. et al. A Systematic Review of AIOps: Methods, Tools, and Challenges // ACM Comput. Surv. 2023.

12.       Zheng Z. et al. Safe Rollout of Configuration Changes via Canary Analysis and Regression Detection // Proc. of OSDI. 2020.

13.       Elnaffar S., Martin P. An Adaptive Approach to Index Selection in Database Systems // Information Systems. 2004.

14.       Рахмани Д., Баранов М. Д., Кузьмин Д. А. Разработка метода оптимизации веб¬приложений с целью повышения производительности // Международный журнал гуманитарных и естественных наук. 2025. № 3-1 (102). С. 237–241.

15.       Рахмани Д. Д., Дружинин Ю. С., Михайлов К. А. Тенденции развития и внедрения DWH в инфраструктуру компаний // Нефть и газ: опыт и инновации. 2025. Т. 9, № 2-1. С. 3–14.

16.       WebAssembly Benchmarks 2025. W3C, 2025.

17.       Case Study: Travel Search Optimization with Redis. Redis Labs, 2023.

18.       Kafka in Banking: Latency Reduction. Confluent, 2024.