Победы в реальном мире

Кейс 1 — приём JSON, ставший megamorphic

Симптом: p99 по CPU у эндпоинта приёма JSON подскочил в ~30 раз после рефакторинга, без изменения объёма запросов. Как вы это увидели: node --cpu-prof показал время, занятое общим стабом загрузки свойства, а не GC или I/O; --trace-ic сообщил нижестоящую точку доступа строителя результата как MEGAMORPHIC с десятками различных map. Механизм: рефакторинг строил каждый объект результата, итерируя ключи входа (for (const k of Object.keys(input)) out[k] = ...). Входной JSON приходит с ключами в произвольном порядке, поэтому каждый запрос шёл по другому пути переходов hidden class, давая новую форму почти каждый раз. (Это ровно то расхождение hidden class, о котором предупреждал трек.) Фикс: строить по фиксированной схеме, а не по порядку входа — out = { id: input.id, name: input.name ?? null, ... } со всеми ключами в постоянном порядке; для действительно динамических наборов ключей хранить в Map. Результат: точка доступа вернулась к monomorphic, p99 упал к базовому уровню.

Кейс 2 — числовой конвейер, упакованный в HeapNumber

Симптом: проход агрегации метрик был в 5 раз медленнее прикидки на салфетке, с высоким временем GC. Как вы это увидели: отчёт --prof показал тяжёлую аллокацию и GC; %DebugPrint рабочего массива показал PACKED_DOUBLE_ELEMENTS, а аккумуляторы были упакованными HeapNumber. Механизм: значения пересекли диапазон Smi, и конвейер хранил промежуточные числа в обычных массивах/объектах, поэтому каждое значение стало аллоцированным в куче HeapNumber — одна аллокация и одно разыменование на число, плюс давление GC. Фикс: перенести горячие числовые буферы в Float64Array (и держать целые id в диапазоне Smi). Типизированные массивы обходят отслеживание element kind и хранят сырые double inline — без боксинга, без аллокации на элемент. Результат: большое ускорение и время GC близко к нулю в замеряемой зоне.

Кейс 3 — паузы GC от churn аллокаций на запрос

Симптом: периодические всплески задержки, коррелирующие с событиями GC; пропускная способность в среднем нормальна, p99 уродлив. Как вы это увидели: панель Performance DevTools (или --prof) приписала всплески GC, а таймлайн кучи показал пилообразный рост — новый всплеск короткоживущих объектов, аллоцированных на запрос. Механизм: обработчик аллоцировал много временных объектов на запрос, заполняя молодое поколение и вызывая частые minor GC (и иногда major). (См. сборку мусора о поколенческой модели стоимости.) Фикс: сократить аллокации на горячем пути — переиспользовать буферы/объекты (небольшой пул), вынести инвариантные аллокации из цикла на запрос и избегать создания замыканий на вызов. Результат: меньше и короче паузы GC; всплески p99 разгладились.

Кейс 4 — цикл деопта от полиморфных аргументов

Симптом: горячая функция была быстрой, затем медленной по расписанию — подпись «быстро-потом-медленно». Как вы это увидели: --trace-opt --trace-deopt, отфильтрованные по функции, показали её оптимизацию, затем eager deoptimizing ... reason: wrong map на том же смещении, затем переоптимизацию — повторяющиеся. Механизм: функция получала объекты нескольких форм (полиморфный аргумент), поэтому спекуляция TurboFan ломалась каждый раз, когда приходила неожиданная форма, вызывая цикл деопта. Фикс: мономорфизировать вход — нормализовать всех вызывающих к одной форме до горячей функции или разбить на варианты под конкретные формы. Результат: цикл деопта прекратился; функция осталась в оптимизированном коде.

Кейс 5 — голодание микрозадач, стопорящее рендер

Симптом: UI замирал на сотни миллисекунд, хотя ни одна отдельная функция не была медленной. Как вы это увидели: панель Performance показала одну длинную задачу с огромной очередью микрозадач, опустошающейся до следующего рендера; отрисовка не происходила, пока очередь не опустеет. Механизм: рекурсивная цепочка промисов продолжала ставить микрозадачи в очередь, а поскольку очередь микрозадач опустошается исчерпывающе до того, как цикл уступит, рендеринг и ввод голодали. (См. микрозадачи против макрозадач.) Фикс: разбить работу на макрозадачи — уступать через setTimeout(…, 0) / scheduler.postTask (или await макрозадачи) между чанками, чтобы цикл событий мог отрисовать и обработать ввод. Результат: UI остался отзывчивым; работа завершилась чанками между кадрами.

Фреймворк решений

Заметьте дисциплину за всеми пятью: никогда не начинай с догадки. Сначала профиль, чтобы найти единственную доминирующую стоимость — чинить вторую по величине стоимость, пока доминирует первая, это потраченная впустую работа. Назови механизм флагом трассировки или %DebugPrint, чтобы фикс целил в реальную причину, а не в симптом. Исправь данные или поток управления — стабильную форму, типизированный массив, меньше аллокаций, мономорфные входы, точку уступки — потому что причина почти никогда не в движке. Затем проверь страженым бенчмарком (честным стендом из прошлого урока) и держи страж регрессии в CI, чтобы победа тихо не размылась в следующем рефакторинге.