Ποιοι είναι οι τρόποι αναγνώρισης και διάγνωσης προβλημάτων απόδοσης στην παραγωγή;

• Χρήση ενσωματωμένων πακέτων: expvar (απλές μετρικές key-value), runtime (στατιστικά GC, goroutine κ.ά.).
• Βιβλιοθήκες τρίτων: Prometheus, Datadog, New Relic.
• Παρακολούθηση RPS, καθυστερήσεων αιτημάτων, σφαλμάτων, κατανάλωσης πόρων (CPU, RAM).

• Χρήση του πακέτου net/http/pprof για HTTP υπηρεσίες.
• Χρήση του πακέτου runtime/pprof για δημιουργία προφίλ CPU, μνήμης, μπλοκαρισμάτων, goroutine.
• Ανάλυση προφίλ με το εργαλείο go tool pprof.

# Παράδειγμα χρήσης του go tool pprof
go tool pprof http://localhost:6060/debug/pprof/heap  # Προφίλ heap

• Τύποι προφίλ: CPU, Heap, Goroutine, Blocking, Mutex, ThreadCreate, Trace.

• Χρήση του πακέτου golang.org/x/net/trace.
• Χρήση OpenTracing/OpenTelemetry για διανεμημένο tracing.
• Παρακολούθηση της διαδρομής του αιτήματος μέσω του συστήματος, εντοπισμός σημείων συμφόρησης στην αλληλεπίδραση των υπηρεσιών.

// Παράδειγμα χρήσης trace
import "golang.org/x/net/trace"

func handleRequest(w http.ResponseWriter, r *http.Request) {
    tr := trace.New("η_υπηρεσία_μου", "handleRequest")
    defer tr.Finish()

    // Καταγραφή γεγονότων στο trace
    tr.LazyLog("Ξεκίνημα επεξεργασίας αιτήματος", false)

    // ... λογική επεξεργασίας αιτήματος ...

    tr.LazyLog("Ολοκλήρωση επεξεργασίας αιτήματος", false)
}

• Συλλογή και κεντρική αποθήκευση logs (ELK Stack, Loki/Grafana).
• Αναζήτηση ανωμαλιών, σφαλμάτων, αργών αιτημάτων στα logs.
• Ενσωμάτωση logs με tracing για σύνδεση γεγονότων.

• Dynatrace, AppDynamics, New Relic.
• Παρέχουν ολοκληρωμένα εργαλεία για παρακολούθηση, profiling και tracing.