Performance e Escalabilidade · Skill do Especialista

Missão

Garantir que o sistema suporte milhões de requisições com desempenho, aplicando perfis de carga, caching, tuning e auto-scaling para alto volume.

Quando ativar

•Fase: Especialista Avançado
•Workflows recomendados: /corrigir-bug, /maestro
•Use quando precisar em projetos com SLOs agressivos ou problemas de performance.

Inputs obrigatórios

•Requisitos de performance
•Métricas atuais
•Cenários de pico
•Arquitetura existente
•CONTEXTO.md do projeto

Outputs gerados

•Planos de teste de carga
•Estratégias de caching e tuning
•Configuração de auto-scaling
•Relatórios de performance
•Recomendações de otimização

Quality Gate

•SLOs definidos e medidos
•Testes de carga executados
•Otimizações implementadas
•Auto-scaling configurado
•Monitoramento ativo

Performance Engineering

SLOs e SLIs

text

Defina métricas claras:
- Latency: p95 < 100ms, p99 < 500ms
- Throughput: > 1000 RPS
- Error Rate: < 0.1%
- Availability: 99.9%
- Resource Utilization: < 80%

Performance Testing

bash

# Load testing com k6
k6 run --vus 100 --duration 5m script.js

# Stress testing
k6 run --vus 1000 --duration 10m stress-test.js

# Soak testing
k6 run --vus 50 --duration 24h soak-test.js

Caching Strategies

Multi-Level Caching

text

Implemente cache hierarchy:
1. Browser Cache (Client-side)
2. CDN Cache (Edge)
3. Application Cache (Redis/Memcached)
4. Database Cache (Query cache)
5. Static Cache (CDN + CloudFront)

Cache Patterns

•Cache-Aside: Application manages cache
•Read-Through: Cache manages misses
•Write-Through: Write to cache and DB
•Write-Behind: Async write to DB
•Refresh-Ahead: Proactive cache refresh

Optimization Techniques

Database Optimization

sql

-- Indexes estratégicos
CREATE INDEX CONCURRENTLY idx_user_email_active 
ON users(email) WHERE active = true;

-- Query optimization
EXPLAIN ANALYZE SELECT * FROM orders 
WHERE user_id = $1 AND created_at > $2;

Application Optimization

javascript

// Connection pooling
const pool = new Pool({
  max: 20,
  idleTimeoutMillis: 30000,
  connectionTimeoutMillis: 2000,
});

// Async processing
await Promise.all([
  fetchUser(id),
  fetchOrders(id),
  fetchProfile(id)
]);

Auto-Scaling Strategies

Horizontal Scaling

yaml

# Kubernetes HPA
apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: app-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: app
  minReplicas: 2
  maxReplicas: 100
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 70

Vertical Scaling

yaml

# Kubernetes VPA
apiVersion: autoscaling.k8s.io/v1
kind: VerticalPodAutoscaler
metadata:
  name: app-vpa
spec:
  targetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: app
  updatePolicy:
    updateMode: Auto

Processo de Performance Engineering

1. Baseline Establishment

text

Meça performance atual:
- Latency por endpoint
- Throughput por serviço
- Resource utilization
- Error rates
- Database query times

2. Bottleneck Identification

text

Identifique gargalos:
- CPU-bound vs I/O-bound
- Database queries lentas
- Network latency
- Memory leaks
- Contention points

3. Optimization Implementation

text

Aplique otimizações:
- Database indexing
- Caching strategies
- Code optimization
- Resource allocation
- Architecture changes

4. Validation

text

Valide melhorias:
- Load testing pós-otimização
- Compare baseline vs optimized
- Monitor production metrics
- Validate SLO achievement

Guardrails Críticos

NUNCA Faça

•NUNCA otimize sem medição
•NUNCA ignore SLOs em produção
•NUNCA cache dados sensíveis sem TTL
•NUNCA scale sem monitoramento

SEMPRE Faça

•SEMPRE meça antes de otimizar
•SEMPRE defina SLOs claros
•SEMPRE monitore em produção
•SEMPRE teste load antes de deploy

Context Flow

Artefatos Obrigatórios para Iniciar

Cole no início:

•Requisitos de performance
•Métricas atuais do sistema
•Cenários de pico esperados
•Arquitetura existente
•CONTEXTO.md com restrições

Prompt de Continuação

code

Atue como Performance Engineer Sênior.

Contexto do projeto:
[COLE docs/CONTEXTO.md]

Requisitos de performance:
[COLE REQUISITOS DE PERFORMANCE]

Métricas atuais:
[COLE MÉTRICAS ATUAIS]

Preciso garantir que o sistema suporte [NÚMERO] requisições com performance adequada.

Ao Concluir Esta Fase

•Defina SLOs e SLIs
•Implemente caching strategies
•Configure auto-scaling
•Otimize bottlenecks
•Teste load scenarios
•Monitore production

Métricas de Performance

Indicadores Obrigatórios

•Latency: p95 < 100ms, p99 < 500ms
•Throughput: > 1000 RPS
•Error Rate: < 0.1%
•Availability: 99.9%
•Resource Utilization: < 80%
•Cache Hit Rate: > 90%

Metas de Excelência

•Latency: p95 < 50ms, p99 < 200ms
•Throughput: > 5000 RPS
•Error Rate: < 0.01%
•Availability: 99.99%
•Cache Hit Rate: > 95%

Templates Prontos

Load Testing Script (k6)

javascript

import http from 'k6/http';
import { check, sleep } from 'k6';

export let options = {
  stages: [
    { duration: '2m', target: 100 },
    { duration: '5m', target: 100 },
    { duration: '2m', target: 200 },
    { duration: '5m', target: 200 },
    { duration: '2m', target: 0 },
  ],
};

export default function () {
  let response = http.get('https://api.example.com/users');
  check(response, {
    'status is 200': (r) => r.status === 200,
    'response time < 200ms': (r) => r.timings.duration < 200,
  });
  sleep(1);
}

Performance Report

markdown

# Performance Test Report

## Test Configuration
- **Tool:** k6
- **Duration:** 14 minutes
- **Peak Load:** 200 VUs
- **Target:** https://api.example.com

## Results Summary
- **Total Requests:** 12,000
- **Average Response Time:** 145ms
- **95th Percentile:** 280ms
- **99th Percentile:** 450ms
- **Error Rate:** 0.2%
- **Throughput:** 14.3 RPS

## Bottlenecks Identified
1. **Database:** Slow queries on user profile
2. **Memory:** High memory usage at peak load
3. **Network:** Latency spikes at 150+ VUs

## Recommendations
1. Add database indexes for profile queries
2. Implement connection pooling
3. Add CDN for static assets
4. Optimize memory usage

Skills complementares

•performance-profiling
•systematic-debugging
•database-design
•deployment-procedures
•monitoring-setup

Referências essenciais

•Especialista original: content/specialists/Especialista em Performance e Escalabilidade.md
•
Artefatos alvo:
- •Planos de teste de carga
- •Estratégias de caching e tuning
- •Configuração de auto-scaling
- •Relatórios de performance
- •Recomendações de otimização