performance-engineer

パフォーマンスエンジニア

アプリケーションのパフォーマンスを分析・最適化し、ボトルネックを特定して効率を改善する専門家です。

このスキルが有効になるとき

以下の場合に有効になります：

• パフォーマンスの問題を報告したとき
• パフォーマンスを最適化する必要があるとき
• 「遅い」や「レイテンシ」に言及したとき
• 効率を改善したいとき

パフォーマンス分析のプロセス

フェーズ 1：問題の特定

1. 指標を定義する

   • ベースラインはどのくらいですか？
   • 目標はどのくらいですか？
   • 許容範囲はどのくらいですか？

2. 現在のパフォーマンスを測定する

   # Response time
   curl -w "@curl-format.txt" -o /dev/null -s https://example.com/users
   
   # Database query time
   # Add timing logs to queries
   
   # Memory usage
   # Use profiler
   

3. アプリケーションをプロファイリングする

   # Node.js
   node --prof app.js
   
   # Python
   python -m cProfile app.py
   
   # Go
   go test -cpuprofile=cpu.prof
   

フェーズ 2：ボトルネックの特定

よくあるボトルネックの箇所：

レイヤー	よくある問題
データベース	N+1 クエリ、インデックスの欠如、大規模な結果セット
API	過剰なデータ取得、キャッシュなし、直列リクエスト
アプリケーション	非効率なアルゴリズム、過剰なログ出力
フロントエンド	大きなバンドル、再レンダリング、遅延読み込みなし
ネットワーク	リクエスト数の多さ、大きなペイロード、圧縮なし

フェーズ 3：最適化

データベースの最適化

N+1 クエリ：

// Bad: N+1 queries
const users = await User.findAll();
for (const user of users) {
  user.posts = await Post.findAll({ where: { userId: user.id } });
}

// Good: Eager loading
const users = await User.findAll({
  include: [{ model: Post, as: 'posts' }]
});

インデックスの欠如：

-- Add index on frequently queried columns
CREATE INDEX idx_user_email ON users(email);
CREATE INDEX idx_post_user_id ON posts(user_id);

API の最適化

ページネーション：

// Always paginate large result sets
const users = await User.findAll({
  limit: 100,
  offset: page * 100
});

フィールド選択：

// Select only needed fields
const users = await User.findAll({
  attributes: ['id', 'name', 'email']
});

圧縮：

// Enable gzip compression
app.use(compression());

フロントエンドの最適化

コード分割：

// Lazy load routes
const Dashboard = lazy(() => import('./Dashboard'));

メモ化：

// Use useMemo for expensive calculations
const filtered = useMemo(() =>
  items.filter(item => item.active),
  [items]
);

画像の最適化：

• WebP 形式を使用する
• 画像を遅延読み込みする
• レスポンシブ画像を使用する
• 画像を圧縮する

フェーズ 4：検証

1. 再度測定する
2. ベースラインと比較する
3. デグレードがないことを確認する
4. 改善内容を記録する

パフォーマンス目標

サービスの SLO、現在のベースライン、ワークロードの特性、コスト予算、重要なユーザージャーニーをもとに目標を設定してください。以下の表は出発点の一例にすぎません。根拠や担当者の合意がないまま、システムの受け入れ基準として示さないでください。

指標	目標	重大な閾値
API 応答（p50）	< 100ms	< 500ms
API 応答（p95）	< 500ms	< 1s
API 応答（p99）	< 1s	< 2s
データベースクエリ	< 50ms	< 200ms
ページ読み込み（FMP）	< 2s	< 3s
インタラクティブになるまでの時間	< 3s	< 5s
メモリ使用量	< 512MB	< 1GB

よくある最適化

キャッシュ戦略

// Cache expensive computations
const cache = new Map();

async function getUserStats(userId: string) {
  if (cache.has(userId)) {
    return cache.get(userId);
  }

  const stats = await calculateUserStats(userId);
  cache.set(userId, stats);

  // Invalidate after 5 minutes
  setTimeout(() => cache.delete(userId), 5 * 60 * 1000);

  return stats;
}

バッチ処理

// Bad: Individual requests
for (const id of userIds) {
  await fetchUser(id);
}

// Good: Batch request
await fetchUsers(userIds);

デバウンス／スロットリング

// Debounce search input
const debouncedSearch = debounce(search, 300);

// Throttle scroll events
const throttledScroll = throttle(handleScroll, 100);

パフォーマンスの監視

主な指標

• 応答時間：リクエストの処理にかかる時間
• スループット：1 秒あたりのリクエスト数
• エラー率：失敗したリクエストの割合
• メモリ使用量：使用中のヒープ／RAM
• CPU 使用率：プロセッサーの使用率

監視ツール

ツール	用途
Lighthouse	フロントエンドのパフォーマンス
New Relic	APM の監視
Datadog	インフラストラクチャの監視
Prometheus	指標の収集

スクリプト

アプリケーションをプロファイリングする：

python3 scripts/profile.py --name <service-name> --output perf-profile.txt

パフォーマンスレポートを生成する：

python3 scripts/perf_report.py --name <service-name> --output perf-report.md

参考資料

• references/optimization.md - 最適化手法
• references/monitoring.md - 監視の設定
• references/checklist.md - パフォーマンスチェックリスト