GraphQL dotazy, které zbytečně zatěžují server

Většina pomalých GraphQL rozhraní nemá problém v databázi ani v síti. Problém vzniká už ve chvíli, kdy klient pošle dotaz, který si vyžádá víc dat, než skutečně potřebuje, a server to poslušně vykoná. Optimalizace proto nezačíná na úrovni infrastruktury, ale u toho, co klient posílá a co resolver skutečně dělá s každým polem.

Nosnost a tuhost řešte dřív než materi�

Další typický problém je zanedbávání retaineru a okolí dásní. Pokud se nosí vyjímatelná retenční deska, čistí se po každém vyjmutí pod tekoucí vodou a jemným kartáčkem, nikdy horkou vodou, která deformuje materiál. U pevných rovnadel se kolem dásní osvědčuje jednosvazkový kartáček, kterým se odstraní povlak přesně u okraje zámečku, kde vzniká zánět nejčastěji. Když dásně krvácejí při čištění, není to důvod přestat — naopak je potřeba čistit jemněji a důkladněji.

Problém N+1 se neřeší na úrovni databáze Klasická past je resolver, který pro každou položku seznamu zavolá vlastní dotaz. Na malých datech to není vidět, při stovkách záznamů se odezva zhroutí. Řešením je dávkování a kešování v rámci jednoho požadavku: sesbírat klíče z všech položek a načíst je jedním dotazem, výsledek rozdělit mezi resolvery. Kdo tohle přeskočí a začne přidávat indexy do databáze, obvykle jen oddálí okamžik, kdy se problém vrátí.

Pozor na příliš mnoho kontrastu. Tmavě mořený nábytek na bílé stěně vypadá efektně na fotkách, ale v reálném pokoji vzniká ostrý přechod, který unavuje oči. Lepší je snížit rozdíl – k tmavému dřevu dejte středně světlou, lehce šedou nebo béžovou stěnu. A naopak: světlý nábytek na tmavé stěně potřebuje doplnit světlými textiliemi, jinak se ztratí.

Po roce se také vyplatí projít nastavení a oprávnění. Zkontrolujte, jestli se data synchronizují spolehlivě, jestli má aplikace povolený přístup k pohybu a jestli není prsten příliš volný. Častá chyba je nosit prsten na špatné ruce nebo ho mít přes den příliš dlouho na nabíječce, což zkresluje průměry. Pokud se výsledky dlouhodobě rozcházejí s vaším pocitem, neřešte to hned nákupem jiného zařízení. Nejprve si pořiďte několik nocí záznamu s pevným režimem a porovnejte, co se skutečně změnilo.

Nakonec je dobré pamatovat na to, že optimalizace není jednorázový úkol. Provoz se mění, klienti přibývají a dotazy, které byly loni v pořádku, mohou být letos brzdou. Pravidelná kontrola pomalých dotazů, limitů a dávkování udrží rozhraní rychlé i bez zásadních přepisů.

U polí, která jsou drahá na výpočet, se vyplatí zavést sledování, která pole se skutečně používají. Často se ukáže, že klient posílá celý objekt včetně polí, která nikdy nečte, jen protože to tak někdo kdysi napsal. Zde pomáhá měření na úrovni resolverů a následné zjednodušení schématu. Méně polí znamená méně práce a hlavně méně místa pro chyby.

Prvním krokem je omezit hloubku a šířku dotazů. GraphQL sám o sobě nebrání tomu, aby klient zanořil pět úrovní vztahů a u každé si vyžádal celý seznam. Pomáhá jednoduché pravidlo: nastavit maximální hloubku dotazu a maximální počet polí, které server ještě přijme. Konkrétní čísla závisí na doméně, ale bez tohoto omezení se dřív nebo později objeví dotaz, který z jednoho požadavku udělá stovky databázových dotazů.

Druhá častá chyba je neomezená stránkování. Kurzorové stránkování funguje dobře, ale jen když klient nemůže požádat o tisíce položek najednou. Vynutit maximální velikost stránky na serveru je nutnost, ne volitelná funkce. Stejně tak je vhodné odmítnout dotazy, které žádají seznam bez jakéhokoli omezení, místo abychom je tiše zpracovali a doufali, že to klient nepoužije v produkci.

Malá předsíň snese jen to, co skutečně používáte každý den. Než začnete cokoli kupovat, změřte si šířku, hloubku a výšku volné stěny a poznamenejte si, kde se otevírají dveře a kam až dosáhne ruka při zavírání. Změřte také vzdálenost od futer a od topení či elektrického rozvaděče. Teprve z těchto čísel vycházejte při výběru; jinak skončíte s krásnou skříní, která blokuje průchod nebo nejde plně otevřít.