パフォーマンスプロファイリング ぱふぉーまんすぷろふぁいりんぐ
簡単に言うとこんな感じ!
アプリが遅いとき「どこで時間を食ってるか」を測る健康診断だよ。勘で直すと見当違いの場所をいじりがちなんだ。「この検索の処理が全体の8割」と数字で分かれば、そこだけ直せば一気に速くなるってこと!
パフォーマンスプロファイリングとは
パフォーマンスプロファイリング(Performance Profiling) は、プログラムを動かしながら どの処理に、どれだけの時間やメモリを使っているか を測って調べる作業です。測る道具を プロファイラ と呼びます。
ソフトウェアの遅さは、たいてい全体のごく一部に集中しています。よく「処理時間の大半は、コードのほんの一部で使われる」と言われ、ここを ボトルネック(瓶の首のように細くなって流れを止める場所)と呼びます。ボトルネックでない場所をいくら速くしても、全体はほとんど変わりません。
たとえるなら 渋滞の原因探し です。道路を全部広げるのはお金の無駄で、どの交差点で車が詰まっているかを先に調べれば、そこの信号を直すだけで済みます。プロファイリングは、この「詰まっている交差点」を数字で見つける作業です。
プロファイリングの種類と測り方
何を測るかで、いくつかの種類に分かれます。
| 種類 | 測るもの | よく見つかる問題 |
|---|---|---|
| CPU プロファイル | 関数ごとの計算時間・呼ばれた回数 | 無駄な繰り返し、重い計算 |
| メモリプロファイル | 使っているメモリの量、作られたデータの数 | メモリリーク(使い終わったメモリが解放されない) |
| I/O・待ち時間 | ディスクや通信を待っていた時間 | 外部 API の待ち、ファイルの読み過ぎ |
| DB クエリ | SQL ごとの実行時間と実行計画 | 索引(インデックス)がない、同じ SQL を何百回も実行 |
測り方は2通り
- サンプリング方式:一定間隔(例:1秒に100回)で「今どの関数を実行中か」を記録します。負荷が小さく、本番環境でも使いやすい方法です
- 計装(インストルメンテーション)方式:関数の入口と出口に計測のコードを差し込みます。正確ですが、測ること自体で遅くなるのが弱点です
結果の見方:フレームグラフ
フレームグラフ(Flame Graph) は、CPU プロファイルを炎のような形に描いた図です。2011年にブレンダン・グレッグ氏が公開して広まりました。横幅が広いほど時間を使っている 処理で、下から上に「呼び出した関数 → 呼ばれた関数」と積み上がります。
この例では SQL が全体の6割なので、画面の組み立てを速くしても効果は小さいと分かります。
その前に「どこが遅いか測りましたか?」って聞いてみよう!ボトルネックが SQL の書き方だったら、サーバーを倍にしてもほとんど速くならないんだ。
逆に、測った結果「CPU が常に100%で、どの処理も均等に重い」なら増強が正解のこともあるよ。大事なのは 根拠の数字を見せてもらうこと だね。
サンプリング方式なら負荷はかなり小さいから、本番でずっと動かす「継続的プロファイリング」もよく使われてるよ。
ただ、計装方式で全部の関数を測ると重くなることがある。どの方式で、どれくらい負荷が増えるかを、事前に確かめてから入れてもらうと安心だね。
歴史と背景
- 1970年代初め:ドナルド・クヌースらが実際のプログラムを測り、実行時間がごく一部に集中していることを示します。「早すぎる最適化は諸悪の根源」という有名な言葉もこの頃のものです
- 1982年:Unix(BSD)向けのプロファイラ gprof の論文が発表され、関数の呼び出し関係ごとに時間を見る方法が広まります
- 2000年代:Java などの実行環境ごとに専用のプロファイラが充実します
- 2011年:フレームグラフが公開され、結果を一目で読めるようになります
- 2010年代後半〜現在:本番環境で常に測る継続的プロファイリングが普及。監視の標準である OpenTelemetry でも、ログ・メトリクス・トレースに続く信号として「プロファイル」の整備が進んでいます
似た手法との違い
| 手法 | 目的 | 分かること |
|---|---|---|
| プロファイリング | 遅い原因の特定 | どの関数・SQL が重いか |
| 負荷テスト | 限界の確認 | 何人まで耐えられるか |
| 分散トレーシング | サービス間の流れの追跡 | どのサービスで待っているか |
| デバッグ | 誤りの修正 | 結果がなぜ間違っているか |
負荷テストで「500人で遅くなる」と分かり、トレーシングで「注文サービスが遅い」と絞り込み、最後にプロファイリングで「注文サービスのこの SQL」と特定する、という順につなげて使うのが一般的です。
実務のポイント
- 「遅い」の基準を数字で決めているか(例:検索結果は2秒以内)
- 改善の前と後で、同じ条件で測った数字を報告してもらう約束があるか
- 本番に近いデータ量で測っているか(テスト用の少ないデータでは問題が出ない)
- DB の実行計画(SQL をどう処理するかの計画)の確認が、調査に含まれているか
- 本番でプロファイラを使う場合、負荷と、個人情報が記録に残らないかを確かめたか
- サーバー増強の提案に、ボトルネックの根拠が添えられているか
関連する規格・RFC
| 規格 | 内容 |
|---|---|
| ISO/IEC 25010(JIS X 25010) | ソフトウェア品質モデル。「性能効率性」(時間効率性・資源効率性)を品質の特性の一つとして定めている |
参考文献・外部リンク
- Flame Graphs(Brendan Gregg) — フレームグラフの考案者による解説(英語)
- Chrome DevTools: パフォーマンス — ブラウザ画面の遅さを測る公式ガイド
- The Python Profilers — Python 標準のプロファイラの説明
- Profiling Go Programs — Go の pprof を使った調査の実例(英語)
- PostgreSQL: EXPLAIN の利用 — SQL の実行計画の読み方
- OpenTelemetry: Profiles — 監視の標準に加わりつつあるプロファイルの説明(英語)
関連用語
- 負荷テスト — 遅くなる条件を見つけ、プロファイリングで原因を調べる
- 分散トレーシング — 複数のサービスにまたがる処理の待ち時間を追う
- オブザーバビリティ — 本番の状態を外から観察できるようにする考え方
- OpenTelemetry — 監視データを集める共通の仕組み
- ガベージコレクション — メモリプロファイルでよく問題になる自動のメモリ回収
- メモリ管理 — メモリリークを理解する土台
- クエリ最適化 — 遅い SQL を速くする方法
- インデックス — SQL のボトルネックを解く代表的な手段