Optymalizacja wydajności w świecie współczesnego oprogramowania
W tej kategorii przewijają się zagadnienia związane z programowaniem niskopoziomowym, analizą kosztów operacji na pamięci, wykorzystaniem nowoczesnych procesorów, ale też z projektowaniem architektury aplikacji, która po prostu nie ,,dusi się" pod obciążeniem. Z jednej strony mamy tematykę typową dla programistów C++ czy systemów wbudowanych, z drugiej - treści bliskie specjalistom od analizy danych, DevOps i chmury, gdzie liczy się rozsądne gospodarowanie zasobami, profilowanie usług, automatyzacja i świadome podejście do skalowania.
Nie sposób mówić o wydajności bez odniesienia do jakości kodu. Właśnie dlatego książka The Art of Clean Code. Jak eliminować złożoność i pisać czysty kod - Christiana Mayera podkreśla, że prawdziwy zysk przy optymalizacji często wynika z eliminowania zbędnej złożoności, skupienia na kluczowych fragmentach aplikacji i projektowania prostych, ale świadomych rozwiązań, a nie z desperackiej walki o każdy cykl procesora.
Jak książki pomagają pisać szybszy i lepszy kod
Nie wystarczy wiedzieć, że ,,warto optymalizować" - trzeba jeszcze umieć to zrobić w konkretnym projekcie, w realnym kodzie, który nie zawsze wygląda tak pięknie jak przykłady z prezentacji. Literatura dostępna w tej kategorii prowadzi czytelnika przez praktyczne techniki pracy z kodem: od poprawy czytelności i redukcji powtórzeń, przez analizę wąskich gardeł, aż po zaawansowane wykorzystanie kompilatorów czy wielowątkowości. W efekcie optymalizacja przestaje być abstrakcyjnym hasłem, a staje się zestawem powtarzalnych nawyków i decyzji projektowych.
Książka Reguły programowania. Jak pisać lepszy kod - Chrisa Zimmermana pokazuje, że pisanie wydajnego oprogramowania zaczyna się od zdrowej filozofii programowania: prostszych konstrukcji, unikania przedwczesnej optymalizacji, świadomego podejścia do błędów i testowania. To nie są abstrakcyjne dewagacje - konkretne reguły ilustrowane są rzeczywistymi fragmentami kodu, które można porównać z własnymi projektami i, szczerze mówiąc, czasem trochę się przy tym skrzywić.
Na drugim biegunie mamy treści dla osób, które chcą zejść bardzo nisko - aż do poziomu sprzętu i kompilatora. W książce Sztuka tworzenia wydajnego kodu. Przewodnik po zaawansowanych technikach wykorzystywania sprzętu i kompilatorów - Fedora G. Pikusa omawiane są m.in. sposoby korzystania z zasobów procesora, organizacji danych w pamięci, techniki programowania współbieżnego i bez użycia blokad, a także to, jak świadomie wykorzystywać optymalizacje kompilatora w C++, aby faktycznie zyskać na wydajności, zamiast przypadkowo ją utracić.
Tego typu publikacje uzupełniają też wiedzę z innych działów: przydają się osobom pracującym z bazami danych, mikrousługami czy aplikacjami webowymi. Gdy wiemy, jak mierzyć wydajność, jak analizować profilowanie, kiedy ma sens zmiana algorytmu, a kiedy zmiana struktury danych, dużo łatwiej podejmować decyzje w codziennej pracy - czy to nad projektem komercyjnym, czy nad własnym narzędziem open source.
Ścieżki rozwoju kariery, w których optymalizacja wydajności robi różnicę
Można się zastanawiać, komu najbardziej przydaje się wiedza z zakresu optymalizacji. W praktyce okazuje się, że różne specjalizacje IT korzystają z niej na swój sposób. Programista frontendowy, dbający o czas ładowania aplikacji SPA i responsywność interfejsu, analizuje inne problemy niż inżynier backendu optymalizujący zapytania do bazy czy kolejki komunikatów, ale obaj myślą o tym samym: jak dostarczyć użytkownikowi szybkie, przewidywalne działanie systemu.
Specjaliści backend i twórcy systemów rozproszonych wykorzystują wiedzę o profilowaniu, skalowaniu i zarządzaniu zasobami, aby planować architekturę usług. Data scientist i inżynier danych, pracujący z dużymi zbiorami informacji, muszą rozumieć koszty operacji na pamięci, wybór struktur danych czy granice opłacalności optymalizacji kodu analitycznego. Z kolei inżynierowie DevOps, którzy dbają o infrastrukturę, automatyzację i konteneryzację, na co dzień łączą wątki wydajności aplikacji z konfiguracją systemu, siecią czy limitem zasobów w środowiskach chmurowych.
Na dłuższą metę taka wiedza przekłada się na rozwój kariery: od stanowisk związanych z architekturą systemów, przez role ,,performance engineer" i specjalistów od tuningu baz danych, aż po ekspertów, którzy konsultują trudne przypadki skalowania istniejących aplikacji. W praktyce im lepiej rozumiemy mechanizmy stojące za wydajnością, tym łatwiej jest przejść z poziomu ,,programista" do roli, w której decyduje się o kształcie całego systemu.
Jeżeli interesuje Cię także automatyzacja procesów i ciągła integracja, naturalnym kolejnym krokiem może być kategoria poświęcona narzędziom takim jak Jenkins w ofercie helion.
