Accueil > Formations > Performance applicative : mesurer, diagnostiquer et optimiser vos applications
Formation Performance applicative : mesurer, diagnostiquer et optimiser vos applications
Trouvez ce qui ralentit réellement vos applications et corrigez-le avec méthode, mesures à l'appui, du code jusqu'à la production.
Vue d'ensemble
- Pratiquer un langage de développement côté serveur
- Connaître les bases du SQL (écrire une requête, notion d'index)
- Comprendre le fonctionnement d'une application web et des API HTTP
- Être à l'aise en ligne de commande
Objectifs pédagogiques
Programme détaillé
Fondamentaux de la performance applicative
– Enjeux de la performance : impact sur l’expérience utilisateur, les incidents, les engagements de service et les coûts d’exploitation
– Indicateurs essentiels : latence, débit, taux d’erreurs et saturation des ressources
– Percentiles de latence (P50, P95, P99) : pourquoi la moyenne masque les lenteurs vécues par une partie des utilisateurs
– Scalabilité verticale et horizontale : limites de chaque approche et premiers signes de saturation
– Performance mesurée et performance perçue : ce que l’utilisateur ressent face à ce que montrent les mesures
– Typologie des charges : transactionnel, traitements batch, temps réel, et leurs exigences propres
– Exigences non fonctionnelles et SLO : formuler des objectifs de performance mesurables dès la conception
– Rédaction des SLO de latence et de débit d’une application de démonstration à partir de ses parcours critiques
– Lecture comparée d’une moyenne et des percentiles sur un même jeu de mesures
Démarche de mesure et de diagnostic
– Mesure de référence : établir l’état initial avant toute optimisation
– Cycle mesurer, analyser, corriger, vérifier : itérer sur un seul changement à la fois pour objectiver chaque gain
– Goulet d’étranglement : localiser la ressource ou le composant qui limite le système
– Lecture des ressources système : CPU, mémoire, I/O disque et réseau, interprétation des consommations
– Méthodes de lecture des indicateurs : utilisation, saturation et erreurs par ressource, taux, erreurs et durée par service
– Pièges de mesure : préchauffage, effets de cache, environnement de test non représentatif, bruit de mesure
– Prise de mesures de référence sur l’application fournie et identification d’une première ressource saturée
– Formulation d’hypothèses de goulet d’étranglement à partir d’un relevé de ressources
Profilage et optimisation du code
– Principe du profilage : échantillonnage et instrumentation, coût de chaque approche
– Profilage CPU et lecture des flame graphs : repérer les chemins de code les plus coûteux
– Profilage mémoire : allocations, fuites et pression sur le ramasse-miettes
– Complexité algorithmique et structures de données : des gains souvent supérieurs à toute optimisation fine
– Concurrence et contention : threads, verrous, synchronisation et attentes sur les I/O
– Traitements asynchrones et parallélisme : quand ils accélèrent et quand ils dégradent
– Profilage CPU d’un traitement lent et correction du point chaud identifié dans le flame graph
– Diagnostic d’une consommation mémoire anormale sous sollicitation répétée
– Mise en évidence d’une contention sur une ressource partagée et mesure de l’effet de sa correction
Performance des accès aux données et mise en cache
– Profilage des requêtes : identifier les requêtes lentes et les plus fréquentes
– Index et plans d’exécution : lire un plan, repérer un parcours complet de table, créer l’index adapté
– Anti-patterns côté application : requêtes N+1 générées par les ORM, chargements excessifs, appels en boucle
– Pool de connexions : dimensionnement et effets d’un pool sous-dimensionné ou surdimensionné
– Transactions et niveaux d’isolation : verrous, contention et impact sur le débit
– Bases NoSQL : choix du modèle de données selon les accès, réplication et modèles de cohérence
– Stratégies de cache : cache local, cache distribué, durée de vie et invalidation
– Volumétrie : pagination, partitionnement et archivage des données froides
– Analyse du plan d’exécution d’une requête lente et mesure du gain apporté par un index
– Détection et correction d’un problème N+1 dans l’application fournie
– Mise en place d’un cache sur une lecture coûteuse et vérification du gain et de la fraîcheur des données
Échanges entre services et architectures distribuées
– Coût des appels réseau : latence cumulée des appels en série, sérialisation, taille des échanges
– Propagation de la latence entre services : effet des dépendances lentes sur le temps de réponse global
– Modes de communication : REST, gRPC, GraphQL et messaging asynchrone, comparés sous l’angle de la performance
– Patterns orientés performance : appels en parallèle, regroupement des requêtes, découplage par file de messages
– Protection contre les dépendances lentes : délais d’expiration, nouvelles tentatives maîtrisées, coupe-circuit
– Facteurs transverses : coût du chiffrement et de la journalisation, apport d’un CDN et du cache HTTP
– Mesure de l’impact d’une dépendance lente sur le temps de réponse d’une API et mise en place d’un délai d’expiration
– Transformation d’une suite d’appels séquentiels en appels parallèles et mesure du gain
Tests de charge et de performance
– Types de tests : charge, stress, endurance, pic, et la question à laquelle chacun répond
– Modélisation de la charge : parcours utilisateurs, volumétrie, temps de réflexion et montée en charge
– Panorama des outils de tests de charge open source : JMeter, Gatling, k6
– Scripting des scénarios : paramétrage des données, vérifications et seuils de réussite
– Lecture des résultats : débit, percentiles de latence, taux d’erreurs et point de rupture
– Corrélation avec les ressources : relier les dégradations observées aux mesures côté serveur
– Tests de performance dans la chaîne CI/CD : seuils automatiques et détection des régressions
– Écriture d’un scénario de charge sur les parcours critiques de l’application fournie
– Recherche du point de rupture par montée en charge progressive et analyse de la cause
– Vérification sous charge des optimisations réalisées dans les chapitres précédents
Observabilité et APM en production
– De la supervision à l’observabilité : passer des seuils et alertes de disponibilité à la compréhension du comportement de l’application
– Les trois signaux : métriques, logs et traces distribuées, et ce que chacun permet de diagnostiquer
– APM : services, traces, spans et analyse des temps de réponse par transaction
– Fonctionnement des agents APM : collecte automatique et instrumentation explicite
– OpenTelemetry : standard ouvert d’instrumentation, indépendant des outils d’analyse
– Indicateurs à suivre : latence, trafic, erreurs et saturation par service et par dépendance
– Alerting sur les SLO : alerter sur ce qui touche l’utilisateur plutôt que sur chaque ressource
– Tableaux de bord techniques et critères de choix d’une solution APM ou d’observabilité
– Instrumentation de l’application fournie et analyse d’une trace distribuée pour localiser une requête lente
– Construction d’un tableau de bord de suivi des SLO et définition d’une alerte associée
Performance perçue côté navigateur
– Indicateurs de performance web : Core Web Vitals (LCP, INP, CLS) et TTFB
– Mesure en laboratoire et données terrain : audits synthétiques et Real User Monitoring
– Cache HTTP et CDN : en-têtes de cache et rapprochement des contenus statiques des utilisateurs
– Lien entre temps de réponse serveur et performance perçue : ce qui relève du back-end et ce qui relève du front-end
Prochaines sessions
Ils nous font confiance
Cette année notre filière Observabilité & Monitoring a accompagné plus de 32 entreprises dont :
Avis des participants
Même formateur que lors de ma dernière formation, celui-ci est toujours autant accessible, pédagogue et compétent. Je recommande !
Intense, pas facile à digérer dans son intégralité.
Great job Emmanuel Demey! Thanks!!
Formation personnalisée à mon niveau de connaissances sur le sujet ce qui a permit au formateur de cibler les éléments que je souhaitais approfondir. Il a été aussi très agréable d'utiliser une machine virtuelle déjà toute configurée - gros gain de temps. Formateur très agréable,…
Des formateurs experts, reconnus par nos apprenants
Chez Sparks Formation, la qualité de nos formations repose sur l'expertise de nos formateurs et la satisfaction de nos apprenants.
Note moyenne attribuée par les participants à nos formateurs
formateurs experts partenaires
Sparks Formation
sujets IT délivrés chaque jour partout en France
Financement
Cette formation est éligible aux financements OPCO et FNE-Formation. Nos équipes vous accompagnent dans le montage de votre dossier.
Questions fréquentes
Combien de temps dure la formation Performance applicative : mesurer, diagnostiquer et optimiser vos applications ?
Cette formation se déroule sur 3 jours.
Quels sont les prérequis pour suivre la formation Performance applicative : mesurer, diagnostiquer et optimiser vos applications ?
- Pratiquer un langage de développement côté serveur - Connaître les bases du SQL (écrire une requête, notion d'index) - Comprendre le fonctionnement d'une application web et des API HTTP - Être à l'aise en ligne de commande
Quel est le prix de la formation Performance applicative : mesurer, diagnostiquer et optimiser vos applications ?
En inter-entreprises, elle est à 2 400 € HT par participant. Un tarif sur-mesure est également disponible sur devis.
La formation Performance applicative : mesurer, diagnostiquer et optimiser vos applications délivre-t-elle une certification ?
Cette formation ne délivre pas de certification. Une attestation de fin de formation vous sera remise à l'issue de la session.
La formation Performance applicative : mesurer, diagnostiquer et optimiser vos applications est-elle éligible à un financement OPCO ?
Oui, cette formation est éligible aux financements OPCO et FNE-Formation. Nos équipes vous accompagnent dans le montage de votre dossier.
Choisissez votre formation
Mon contact chez SPARKS est professionnel et très réactif. Les échanges sont simples, efficaces, et la collaboration se déroule dans d'excellentes conditions.
