Cloudflare Tambah Pemprofilan CPU dan Memori: Mencari Punca Aplikasi Perlahan

Pada 9 Oktober 2026, Cloudflare mengumumkan pemprofilan CPU dan memori atas permintaan untuk Workers serta Durable Objects. Pembangun boleh meneliti penggunaan sumber ketika aplikasi beroperasi melalui visualisasi flamegraph. Perkembangan ini membuka ruang pembelajaran yang berguna untuk pembangun Malaysia: bagaimana menghubungkan masalah prestasi dengan bahagian kod yang patut disiasat.

Apa yang diumumkan

Menurut pengumuman Cloudflare, pembangun boleh meminta profil daripada Worker aktif melalui halaman Observability, memeriksanya secara interaktif dan memuat turun fail untuk analisis lanjut. Syarikat itu turut menyatakan bahawa beberapa pasukan dalamannya telah menggunakan pendekatan ini untuk mencari peluang mengurangkan penggunaan CPU dan memori.

Contoh dalaman tersebut menunjukkan kegunaan alat, tetapi bukan jaminan peningkatan bagi aplikasi lain. Cloudflare juga menyebut pemprofilan berterusan sebagai kerja susulan yang sedang dibangunkan. Pengumuman ini berkenaan rakaman yang dimulakan atas permintaan; jangan menganggap sejarah profil semua insiden sudah tersedia.

Sumber: Introducing on-demand CPU and memory profiling with flamegraphs for Workers and Durable Objects.

Membaca flamegraph dengan soalan yang betul

Dalam flamegraph, kotak mewakili panggilan fungsi dan lebarnya menggambarkan penggunaan CPU atau peruntukan memori mengikut jenis profil. Dokumentasi CPU Cloudflare turut menunjukkan bagaimana paparan profil membantu membandingkan fungsi serta melihat masa yang digunakan oleh proses pembersihan memori, atau garbage collection.

Sebagai penjelasan editorial, bayangkan fungsi yang menyediakan senarai produk. Kotak yang besar boleh menjadi titik mula penyiasatan: adakah fungsi itu mengulang pengiraan, memproses data terlalu banyak atau melaksanakan kerja yang memang diperlukan? Saiz kotak membantu menentukan keutamaan pemeriksaan, tetapi pembangun masih perlu membaca kod dan memahami tujuan operasinya.

Sumber: Introducing on-demand CPU and memory profiling with flamegraphs for Workers and Durable Objects; Profiling CPU usage · Cloudflare Workers docs.

Profil memori mempunyai batas penting

Dokumentasi pemprofilan produksi menjelaskan bahawa profil Heap mengukur peruntukan memori semasa rakaman. Ia bukan gambaran keseluruhan heap dan tidak menunjukkan sama ada memori yang diperuntukkan masih kekal digunakan. Rakaman juga memerlukan trafik pada instance yang aktif; menekan butang rakaman tidak menjalankan kod secara automatik.

Profil merekodkan aktiviti dalam tempoh tangkapan, bukannya permintaan lama yang kelihatan dalam log. Oleh itu, sebagai tafsiran editorial, satu rakaman yang kelihatan normal belum cukup untuk menolak aduan pengguna. Jika laluan bermasalah tidak digunakan ketika itu, sampel tersebut mungkin tidak menjawab soalan penyiasatan.

Sumber: Profiling in production · Cloudflare Workers docs.

Hubungkan ujian setempat dengan keadaan sebenar

Panduan CPU Cloudflare menerangkan bahawa tingkah laku produksi boleh sukar dihasilkan semula secara setempat. Panduan itu mencadangkan permintaan yang menyerupai penggunaan sebenar, termasuk laluan tertentu, jumlah permintaan dan data yang sesuai. Dokumentasi produksi pula menyarankan source maps supaya nama fungsi serta lokasi fail dapat dibaca dengan jelas.

Contoh editorialnya ialah carian katalog: ujian menggunakan beberapa rekod mungkin memberi gambaran berbeza daripada carian dengan penapis dan data lebih besar. Pasukan boleh menulis semula senario aduan sebagai kes ujian yang jelas, kemudian mencatat input, versi aplikasi dan keadaan rakaman. Ini menjadikan perbandingan lebih mudah dinilai oleh rakan sepasukan.

Sumber: Profiling in production · Cloudflare Workers docs; Profiling CPU usage · Cloudflare Workers docs.

Cadangan editorial untuk pasukan dan pelajar Malaysia

Bagi pasukan kecil yang mengendalikan portal pekerjaan, kedai dalam talian atau sistem tempahan, mulakan dengan satu aliran penting sahaja. Pilih contohnya carian jawatan mengikut negeri atau semakan ketersediaan tempahan. Nyatakan masalah yang mahu diuji sebelum membuka alat: fungsi manakah yang menggunakan sumber, dan dalam keadaan apa?

Sediakan rekod asas sebelum mengubah kod. Simpan versi aplikasi, bentuk input dan hasil rakaman, kemudian buat satu perubahan yang mudah diterangkan. Ulang senario yang sama dan semak ketepatan hasil aplikasi bersama perubahan prestasi. Elakkan melaporkan kejayaan hanya kerana satu graf kelihatan lebih kecil.

Pelajar pula boleh membina projek latihan menggunakan data rekaan, seperti senarai kursus atau inventori buku. Bandingkan dua cara memproses data dan tulis sebab memilih satu daripadanya. Laporan ringkas yang menerangkan hipotesis, bukti, perubahan dan batas ujian boleh menjadi bahan portfolio teknikal yang lebih bermakna daripada tangkap layar semata-mata.

Cadangan ini ialah penerapan editorial, bukan hasil kajian terhadap organisasi Malaysia. Pasukan yang mahu mencuba ciri tersebut wajar menyemak akses akaun dan keperluan platform masing-masing terlebih dahulu. Nilai pembelajarannya terletak pada kebolehan menjelaskan keputusan berdasarkan bukti yang dikumpulkan, termasuk apabila bukti itu belum mencukupi.

Rujukan

• Introducing on-demand CPU and memory profiling with flamegraphs for Workers and Durable Objects — 2026-10-09
• Profiling in production · Cloudflare Workers docs
• Profiling CPU usage · Cloudflare Workers docs

Disediakan secara automatik dengan bantuan AI berdasarkan sumber yang dipautkan. Semakan sumber: 2026-10-12. Gambar utama ialah ilustrasi janaan AI, bukan foto peristiwa sebenar.