Was der Performance Agent auf einer Drupal-Website für 90 Cent entdeckt hat

Wir hatten einen Kunden, der den Performance Agent zum ersten Mal ausprobieren wollte und sehen wollte, wie er bei etwas funktioniert, das er selbst kontrolliert, bevor er ihn jemandem vorführte. Also richtete er ein temporäres Drupal-Projekt ein, programmierte etwas benutzerdefinierten Modulcode und baute absichtlich eine N+1-Abfrage darin ein. So etwas, das leicht zu schreiben ist und bei der Überprüfung leicht übersehen wird.

Dann haben sie den Agent laufen lassen.

Der Fehler, den sie eingebaut hatten

Der Agent hat die N+1-Abfrage gefunden. Das war der Test zum Bestehen oder Durchfallen, und er wurde bestanden. Der Befund wies auf den benutzerdefinierten Code hin, erklärte die Auswirkungen in einfachen Worten und enthielt einen Patch, den sie als bereit zur Anwendung bezeichneten.

Gut, aber das war der Fehler, den sie absichtlich dort platziert hatten, damit er gefunden wird. Sie hatten dem Tool nichts davon gesagt, sondern es einfach auf die Anwendung gerichtet.

Der Fehler, den sie nicht

Der zweite Befund war der, der sie dazu brachte, einen Bericht zu verfassen. Im Projekt war Redis als Dienst bereitgestellt worden, und soweit man das beurteilen konnte, nutzte Drupal es. Das tat es aber nicht. Das Cache-Backend war nie wirklich mit der Redis-Verbindung verknüpft worden, sodass jeder Cache-Lesevorgang still und leise in die Datenbank durchfiel. Der Agent schätzte, dass dies etwa die Hälfte der Anforderungszeit auf den von ihm untersuchten Routen ausmachte.

Niemand hat das absichtlich eingebaut. So endet ein Drupal-Projekt oft: Man fügt einen Dienst hinzu, die Konfiguration, die darauf verweisen sollte, wird nie vorgenommen, und nichts macht genug Lärm, dass es jemand bemerkt. Ein Profil würde dir viel Datenbankzeit anzeigen. Es würde dir aber nicht verraten, dass der Grund ein Cache war, der dachte, er wäre Redis. Um von dem einen zum anderen zu gelangen, muss man das Profil, die Servicetopologie und die Anwendungskonfiguration nebeneinander betrachten – und genau das ist die Aufgabe des Agenten, die ein Profiler allein nicht leisten kann.

Der Rest

Die übrigen Ergebnisse betrafen die Optimierung: opcache-Einstellungen und Autoloader-Optimierung, beides mit Patches. Nichts Dramatisches, aber genau die Art von Dingen, die auf eine Liste kommen und dort bleiben.

Die Zahlen

Der gesamte Durchlauf dauerte ein paar Minuten. Die Kosten für den Modelllauf mit dem eigenen API-Schlüssel beliefen sich auf 0,90 $. Die Rechenkosten des Task-Containers für ein paar Minuten Laufzeit sind im Vergleich dazu ein Rundungsfehler. Sie hatten die standardmäßige Budgetobergrenze von 5 $ beibehalten und kamen nicht einmal annähernd daran heran.

Warum das Profil wichtig ist

Die meisten KI-Assistenten für Produktionsprobleme analysieren Protokolle, Metriken und Traces. Diese zeigen dir, dass ein Endpunkt um 14:02 Uhr langsam wurde. Sie sagen dir aber nicht, welche Funktion dafür verantwortlich ist oder was geändert werden muss, denn diese Informationen befinden sich im Profil und im Code.

Der Performance Agent geht vom Profil aus. Er liest blackfire-Profile und kontinuierliche Profiling-Daten aus der produktiven Umgebung aus, nutzt den Datenverkehr, um zu entscheiden, welche Endpunkte für die Nutzer tatsächlich wichtig sind, und liest dann den Quellcode, um die Lösung zu ermitteln. Der Befund bei Redis ist ein gutes Beispiel dafür, warum diese Kombination entscheidend ist. Keine dieser Informationen allein hätte zu diesem Ergebnis geführt.

Probier es zuerst an etwas aus, das du selbst kontrollierst

Nimm ein Projekt, bei dem du mindestens eine Fehlerquelle kennst. Baue notfalls etwas ein. Starte den Agent, überprüfe, ob er das Problem findet, das du kennst, und achte dann auf alles andere, was er aufdeckt – denn dieser zweite Teil zeigt dir, ob es sich lohnt, den Agent in der Produktivumgebung anzuwenden.

Die Einrichtung besteht aus ein paar Zeilen in .upsun/config.yaml, einen API-Schlüssel von Anthropic oder OpenAI, der als sensible Variable gespeichert wird, und ein Redeploy. Die Dokumentation erklärt das. Es läuft auf Upsun Cloud und erstellt einen Bericht, anstatt irgendetwas zu ändern.