Dotazy v GraphQL zbytečně brzdí aplikaci. Kde děláte chybu
Světlo a barvy rozhodují víc než nábyt<br>
<br>
<br>
<br>
Druhou častou chybou je osvětlení koupelny. Ranní sprcha pod studeným světlem je v pořádku, ale stejné světlo používáte i při večerním čištění zubů. Mozek dostane dávku modrého světla přesně v době, kdy by se měl uklidňovat. Pomůže jednoduché pravidlo: v koupelně mějte dvě svítidla – jedno ostré bílé pro ráno, druhé teplé pro večer. Přepínač u dveří zvládne obsluhu bez přemýšlení.<br>
<br>
<br>
<br>
Na závěr: měřte. Bez reálných čísel o tom, jak dlouho který dotaz běží a kolik jich přichází, se optimalizace zvrhne v hádání. Zapněte trasování na úrovni resolverů, sledujte pomalé dotazy a teprve podle dat rozhodujte, co přepsat. Většina zdržení vzniká v několika málo místech, ne plošně.<br>
<br>
<br>
<br>
GraphQL láká tím, že si klient řekne přesně o to, co potřebuje. Jenže právě tahle svoboda je i největší past. Pokud se dotazy neřeší systematicky, aplikace se po pár měsících provozu začne plazit. Není to problém samotné technologie, ale toho, jak se s ní zachází na úrovni návrhu schématu i samotných dotazů.<br>
<br>
<br>
<br>
Problém N+1 se nevyřeší sám Druhá typická potíž je N+1 dotaz. GraphQL resolver pro každý záznam v seznamu zavolá databázi zvlášť. U seznamu o tisíci položkách to znamená tisíce dotazů místo jednoho. Řešením je dávkování a odkládání. Místo okamžitého načítání použijte nástroj, který sesbírá všechny požadavky v jednom cyklu a odešle je jako jeden dotaz s klauzulí IN. Tento přístup je dnes standardem a knihovny pro něj existují ve většině jazyků.<br>
<br>
<br>
<br>
Největší chyba u malé koupelny není nedostatek metrů, ale to, že člověk nejdřív nakoupí doplňky a až potom přemýšlí, co kde bude denně dělat. Vznikne skříňka, která zavází u dveří, koš, do kterého se při sprchování nedá trefit, a věšák na ručník, na který nedosáhnete mokrou rukou. Začněte proto opačně: sepište si, co v koupelně skutečně děláte každý den, a podle toho rozdělte prostor.<br>
<br>
<br>
<br>
Paravan nebo závěs vyřeší víc než nový nábyt<br>
<br>
<br>
<br>
Plánování nákupů začíná ještě před odchodem z domu. Otevřete lednici, mrazničku a spíž a udělejte si rychlý soupis toho, co už máte. Zapište si, co je potřeba spotřebovat nejdřív – otevřené jogurty, zbytky vařené zeleniny, maso na dnes. Teprve pak se rozhodujte, co dokoupíte. Většina domácností nakupuje podle pocitu a výsledkem je několik stejných surovin, které se pak hromadí a hnijí.<br>
<br>
<br>
<br>
Nejčastější chyba vzniká už ve schématu. Vývojáři propojí entity bez rozmyslu a vytvoří cyklické vazby, které se dají rekurzivně rozbalovat do nekonečna. Klient pak jedním dotazem stáhne strom dat o hloubce deset a server se snaží všechno vyřešit v jednom cyklu. Řešení není složité: nastavte na serveru maximální hloubku dotazu a maximální počet polí, která lze v jednom požadavku vyžádat. Tento limit se počítá ještě před samotným vykonáním a odmítne dotazy, které by zatížily databázi.<br>
<br>
<br>
<br>
Mezipaměť je další místo, kde se šetří čas. GraphQL nemá přirozenou cache na úrovni HTTP jako klasické REST, protože vše jde přes jednu adresu. Musíte proto pracovat s normalizovanou mezipamětí na straně klienta a s krátkodobým ukládáním na straně serveru podle konkrétních polí a argumentů. Bez toho se stejná data tahají pořád dokola.<br>
<br>
<br>
<br>
Pozor také na to, že ne všechny dotazy mají stejnou prioritu. Některé slouží k načtení detailu, jiné k vykreslení přehledu. Pokud všechny běží se stejnou prioritou, pomalý analytický dotaz zablokuje i ty jednoduché. Zaveďte rozdělení podle náročnosti a levné dotazy pouštějte přednostně. Zároveň sledujte, které dotazy se opakují. Často se ukáže, že klient posílá identický požadavek několikrát za sebou jen proto, že se výsledek neukládá do mezipaměti.