Backend performance

Cuándo usar

• Latencia o throughput por debajo del SLO.
• Endpoint nuevo en ruta crítica.
• Antes de un evento de tráfico alto.

No cargar para optimizaciones especulativas sin medición.

Disciplina

1. Medí primero. Sin perfil, no hay diagnóstico, hay opinión.
2. Optimizá el cuello. Mejorar lo que ya es rápido es trabajo perdido.
3. Comprobá el efecto. Si no medís después, no sabés si ayudó.

Mediciones base

• Latencia p50/p95/p99 por endpoint.
• Throughput (req/s) sostenido sin degradar.
• Recursos: CPU, memoria, IO, conexiones a BD, cola.
• Distribución: ¿es lento siempre o por colas? Histograma > promedio.

Herramientas

Patrones que suelen pagar

Base de datos (suele ser el 80%)

• N+1 → eager loading / JOIN. Detectá con conteo de queries por request.
• Índice faltante en WHERE/JOIN/ORDER BY frecuente. EXPLAIN para confirmar uso.
• SELECT * → seleccioná solo lo que usás (menos IO, menos transferencia).
• Pool de conexiones del tamaño correcto (no infinito). (núcleos * 2) + spindles es una base.
• Read replicas para queries pesadas de lectura, si la consistencia eventual sirve.

Caché

Niveles, del más barato al más caro:

1. Memoization del proceso — para cálculos puros, invalida con LRU.
2. Caché distribuida (Redis) — para datos compartidos. TTL razonable.
3. CDN / edge — para respuestas idempotentes públicas.

Toda caché necesita estrategia de invalidación. Sin esa, es bug en cámara lenta. Cache stampede → single-flight o lock corto.

Batching y bulk

• Operaciones en N items en una sola query, no N queries.
• INSERT ... VALUES (...), (...), (...) o COPY en Postgres.
• Para HTTP: agrupá calls a APIs externas en uno cuando lo permite.

Async y colas

• Tareas que no necesitan respuesta inmediata → cola (BullMQ, Sidekiq, Celery, Tigris, jobs propios).
• Reintentos exponenciales con tope; DLQ para los que fallan persistente.
• Timeouts en toda llamada a red (HTTP, BD, cache). Sin timeout = hang propagado.

Concurrencia

• Limitá la concurrencia entrante (rate limit, semáforo) para no inundar el downstream.
• En Node/Python async: cuidá CPU-bound dentro del event loop → worker threads / multiprocess.
• En Go/Rust: cuidá bloqueos largos en pools de goroutines/tasks.

Reglas duras

• Sin optimización sin perfil. Microbench ≠ producción.
• Sin caché sin TTL e invalidación pensadas.
• Sin llamada de red sin timeout.
• Sin retry sin backoff y tope. Tormenta de retries = autoataque.

Validación

• Test de carga reproducible (k6 script en repo) antes y después.
• p95 dentro de SLO bajo carga objetivo.
• Sin regresión de error rate ni de uso de recursos en el ambiente de stress.

Relacionadas

[[backend-data-modeling]] · [[backend-observability]] · [[backend-api-design]]