Rendimiento de backend y base de datos

El tiempo del servidor es una suma de esperas y trabajo. Medir solo la duración total no muestra dónde optimizar.

DNS/TLS → edge → cola → aplicación → base de datos / API externa
                            └→ serialización → respuesta

Presupuesto de latencia

Para un endpoint objetivo de 300 ms, asigna presupuestos aproximados y registra spans:

Paso	Presupuesto ejemplo
Autenticación y routing	20 ms
Consulta principal	100 ms
Dependencia externa	100 ms
Serialización y margen	80 ms

Los percentiles importan más que el promedio. p95 significa que 95 % de observaciones son iguales o menores; el 5 % restante puede concentrar la experiencia problemática.

Throughput, utilización y cola

Throughput es trabajo completado por unidad de tiempo. Cuando CPU, conexiones o workers se saturan, las requests esperan en cola y la latencia aumenta aunque cada operación interna no haya cambiado. Mide tiempo de cola separado del tiempo de servicio.

Una prueba de carga debe aumentar tráfico gradualmente, conservar tasa de error y observar el punto donde el sistema deja de recuperarse. No ejecutes carga no autorizada contra producción.

Base de datos

• Evita N+1: una consulta inicial dispara otra por cada fila.
• Selecciona columnas necesarias y pagina resultados.
• Usa índices guiados por planes reales.
• Limita conexiones y tiempos de espera.
• Mantén transacciones cortas.

// N+1
for (const order of orders) {
  order.user = await users.findById(order.userId)
}

// Preferible: batch o join según el caso.
const usersById = await users.findManyById(uniqueUserIds)

Dependencias externas

Define timeout menor que el límite de la solicitud, cancelación, reintentos solo para operaciones seguras y circuit breaker cuando una caída sostenida consume todos los recursos. Ejecuta en paralelo llamadas independientes, pero no crees concurrencia ilimitada.

Sacar trabajo del camino crítico

Correo, analítica, miniaturas y tareas que no cambian la respuesta pueden ir a una cola. Esto mejora latencia, pero agrega consistencia eventual y operación: el usuario necesita ver estado y fallos.

Serialización y payload

Seleccionar miles de filas para desechar campos después consume base, memoria, CPU y red. Limita columnas, resultados y profundidad. Para respuestas grandes considera paginación o streaming; comprimir JSON reduce bytes pero consume CPU.

Optimizar con perfil

Primero usa trazas, métricas y EXPLAIN; después cambia código. Una caché puede reducir carga, pero también ocultar consultas malas y agregar invalidación. Documenta la hipótesis, línea base y resultado.

hipótesis: N+1 domina p95
evidencia: 101 queries por request
cambio: batch de usuarios
resultado: 2 queries, p95 420 → 170 ms
control: test que limita consultas del caso