Tutorial 5 - Syarna Savitri (2206083565)

Foto test plan all_student_request

Foto test plan highest_gpa

Foto screenshot test plan via command plan

Ringkasan

• /all-student (mengambil semua data mahasiswa beserta mata kuliahnya)
• /all-student-name (menggabungkan nama mahasiswa menjadi satu string)
• /highest-gpa (menemukan mahasiswa dengan IPK tertinggi)

Target optimasi adalah mencapai peningkatan performa minimal 20% dibandingkan waktu eksekusi awal.

Metodologi Profiling

1. Profiling Awal:

   • Menggunakan profiler Java untuk mengukur waktu CPU.
   • Mengabaikan hasil eksekusi pertama karena JIT compiler belum optimal.
   • Merekam waktu eksekusi sebagai baseline sebelum optimasi.

2. Strategi Optimasi yang Diterapkan:

   • Menggunakan Stream API dan Collectors.toList() untuk menggantikan loop manual.
   • Mengoptimalkan query database dengan batch fetching untuk mengurangi jumlah query.
   • Menggunakan StringBuilder untuk menggabungkan string daripada menggunakan konkatenasi langsung (+).
   • Menggunakan metode Optional.orElse(null) untuk menyederhanakan pencarian mahasiswa dengan IPK tertinggi.

Hasil Pengujian

• Profiling Sebelum dan Sesudah Optimasi:
  • Endpoint /all-student mengalami peningkatan performa sekitar 23%.
  • Endpoint /all-student-name mengalami peningkatan performa sekitar 21%.
  • Endpoint /highest-gpa mengalami peningkatan performa sekitar 25%.
• Pengujian dengan JMeter:
  • Hasil pengujian menunjukkan bahwa latensi rata-rata berkurang setelah optimasi.
  • Throughput meningkat, menunjukkan bahwa server dapat menangani lebih banyak permintaan per detik.

Reflection

1. Apa perbedaan antara pengujian performa dengan JMeter dan profiling dengan IntelliJ Profiler dalam konteks optimasi aplikasi?

JMeter digunakan untuk melakukan pengujian beban (load testing) dengan mengirimkan banyak permintaan ke aplikasi dan mengukur bagaimana aplikasi menangani lalu lintas tinggi. Ini berguna untuk mengevaluasi throughput, latensi, dan skala performa.

Sementara itu, IntelliJ Profiler digunakan untuk menganalisis kode secara mendalam, mengidentifikasi metode yang membutuhkan banyak waktu CPU atau alokasi memori tinggi. Profiling lebih fokus pada menemukan bottleneck dalam kode aplikasi dibandingkan sekadar mengukur respons sistem terhadap beban tinggi.

2. Bagaimana proses profiling membantu dalam mengidentifikasi dan memahami kelemahan dalam aplikasi?

Profiling membantu dengan memberikan data terperinci tentang penggunaan CPU, memori, dan waktu eksekusi setiap metode. Dengan melihat call tree dan hot spots, kita dapat memahami bagian mana dari kode yang memakan banyak sumber daya dan perlu dioptimalkan.

3. Apakah IntelliJ Profiler efektif dalam membantu menganalisis dan mengidentifikasi bottleneck dalam kode aplikasi?

Ya, IntelliJ Profiler sangat efektif karena memberikan visualisasi yang jelas tentang performa aplikasi, termasuk hotspots, call hierarchy, dan memory allocation. Dengan alat ini, kita bisa langsung melihat metode mana yang perlu dioptimalkan.

4. Apa tantangan utama yang dihadapi saat melakukan pengujian performa dan profiling, serta bagaimana cara mengatasinya?

Beberapa tantangan yang dihadapi:

• Variabilitas hasil pengujian: JIT compiler dapat mempengaruhi performa awal, sehingga perlu menjalankan pengujian beberapa kali.
  • Solusi: Menjalankan beberapa iterasi sebelum merekam hasil untuk mendapatkan data yang lebih akurat.
• Analisis data yang kompleks: Data profiling bisa sangat detail dan sulit dipahami.
  • Solusi: Fokus pada metode dengan konsumsi CPU tertinggi dan perbandingan antara hasil sebelum dan sesudah optimasi.
• Integrasi dengan database: Query yang tidak efisien bisa memperlambat aplikasi.
  • Solusi: Menggunakan batch fetching dan optimasi query SQL untuk mengurangi jumlah pemanggilan database.

5. Apa manfaat utama dari penggunaan IntelliJ Profiler dalam profiling kode aplikasi?

• Memungkinkan analisis mendalam terhadap bottleneck aplikasi.
• Memberikan gambaran visual performa kode yang membantu pengambilan keputusan optimasi.
• Mengidentifikasi penggunaan memori dan CPU yang tidak efisien secara detail.
• Meningkatkan kecepatan debugging dan optimasi.

6. Bagaimana menangani hasil profiling IntelliJ Profiler yang tidak sepenuhnya konsisten dengan hasil pengujian performa JMeter?

• Membandingkan hasil dari kedua alat untuk menemukan pola umum dan perbedaan.
• Jika hasil tidak konsisten, memeriksa metrik lain, seperti penggunaan memori dan jumlah query database.
• Menjalankan pengujian dalam kondisi lingkungan yang lebih stabil untuk menghindari variasi yang disebabkan oleh faktor eksternal.

7. Strategi apa yang digunakan dalam mengoptimalkan kode aplikasi setelah menganalisis hasil pengujian performa dan profiling? Bagaimana memastikan perubahan tidak memengaruhi fungsionalitas aplikasi?

• Menggunakan profiling iteratif: optimasi bertahap dengan pengujian ulang setelah setiap perubahan.
• Menulis unit test dan integration test untuk memastikan tidak ada bug setelah perubahan.
• Mendokumentasikan perubahan dengan commit message yang jelas, seperti [Refactoring] - Optimizing method getAllStudentWithCourse.
• Menggunakan JMeter kembali setelah optimasi untuk memverifikasi peningkatan performa.