CPU, 메모리 및 IO 병목 현상을 찾고 메서드 이름, 클래스 이름 및 라인 개수별로 상세 내역을 확인하여 최종 사용자 지연과 인프라 비용을 크게 줄일 수 있습니다.

프로덕션에서 미치는 적은 영향

Continuous Profiler는 JDK Flight Recorder와 같은 기술을 활용하여 모든 서비스의 프로덕션에서 실행되므로 호스트의 CPU 및 메모리 사용량에 최소한의 영향만 미칩니다.

시작하기

서비스를 프로파일링하여 한 곳에서 스택 트레이스를 시각화하는 데 단 몇 분이면 됩니다.

애플리케이션 계측

프로파일러 사용 가이드

프로파일러 시작하기 가이드는 성능 문제를 포함하는 샘플 서비스를 제공하여 Continuous Profiler를 사용하여 문제를 이해하고 해결하는 방법을 보여줍니다.

Datadog 프로파일러 탐색

애플리케이션을 구성하여 프로파일을 Datadog로 전송한 후 코드 성능에 대한 인사이트를 받을 수 있습니다.

기본적으로 프로파일은 8일 동안 보존되며 프로파일 데이터에서 생성된 메트릭은 한 달 동안 보관됩니다.

학습 센터에서 코드 성능 문제 진단 시도하기

Datadog 학습 센터에는 이 주제에 관해 배워 보는 데 도움이 되는 실습 과정이 많습니다. Datadog Continuous Profiler를 사용해 프로덕션 환경의 애플리케이션 코드 성능을 조사하고 개선하는 방법을 무료로 학습하세요.

지금 등록

프로파일 유형

각 지원되는 언어에 대해 수집되는 프로파일 유형에 대한 설명은 프로파일 유형을 참조하세요.

태그별 프로파일 검색

특정 호스트, 서비스, 버전 또는 조합을 포함하는 모든 차원에서 태그를 사용하여 프로파일을 검색합니다.

배포 환경에서 함수 성능 추적

메서드별 상위 CPU 사용량, 스레드별 상위 메모리 할당, 버전별 CPU 사용량 등 서비스의 핵심 프로파일링 메트릭을 획득하여 대시보드에서 시각화합니다.

프로파일링 데이터에 트레이스 연결

APM 분산 트레이싱과 활성화된 지속적 프로파일러를 모두 포함하는 애플리케이션 프로세스는 자동으로 연결되므로, 프로파일 탭의 스팬 정보에서 프로파일링 데이터로 직접 이동하여 성능 문제와 관련된 구체적인 코드 라인을 찾을 수 있습니다.

프로파일 비교를 통해 성능 변화 찾기

다양한 시간, 환경 또는 배포에서 유사한 프로파일을 비교하면 성능 문제의 가능한 원인과 해결책을 이해하는 데 도움이 될 수 있습니다. Datadog 프로파일러는 시간 프레임이나 범위로 지정한 태그를 기반으로 프로파일 간 차이를 이해할 수 있도록 비교 시각화를 제공합니다.

추가 자료

추가 유용한 문서, 링크 및 기사:

애플리케이션에 대해 연속 프로파일러 사용설명서 지속적 프로파일러 시작하기설명서 사용 가능한 프로파일 유형에 대해 자세히 알아보기설명서 데이터 수집 및 해결설명서 Continuous Profiler의 소스 코드 미리 보기로 중요한 코드에 집중블로그 DataDog에서 상시 운영 환경 프로파일링 도입블로그 지속적 취약성 분석을 위한 Datadog GitHub 작업블로그 Datadog 프로파일 비교를 통한 코드 비교 및 최적화블로그 Datadog의 Continuous Profiler를 사용해 Akka 애플리케이션을 최적화하는 방법블로그 Datadog Continuous Profiler를 통해 루비(Ruby) 코드 성능 분석블로그 Cloud SIEM 팀이 Continuous Profiler와 컨텍스트 속성을 활용하여 중요한 성능 인사이트를 확보하는 방법블로그 모든 수준의 엔지니어가 프로파일링 시각화를 쉽게 활용할 수 있도록 지원하기블로그 지속적 프로파일링이 observability의 네 번째 축인 이유블로그 Kubernetes 오퍼레이터 모니터링하여 애플리케이션을 원활하게 운영하기블로그 Datadog의 GitLab 소스 코드 통합으로 더 빠르게 문제 해결하기블로그