Reproduzierbarkeit und Validität: Vertrauen in Performance-Forschung
Transparente Diskussion über Einschränkungen, Validitätsbedrohungen und Schritt-für-Schritt-Anleitung zur Replikation des Go-vs-Java-, gRPC-vs-REST-Experiments.
Kein Experiment ist ohne Risiken. Offenheit über Validitätsbedrohungen erhöht das Vertrauen und hilft bei der Übertragung auf den eigenen Kontext.
Hardware/Software: Trotz kontrollierter Umgebung können JIT, GC und Cache-Effekte Messungen beeinflussen, treffen aber alle Implementierungen gleichermaßen. Payload-Repräsentativität: StdSize/LargeSize spiegeln nicht jedes Profil wider. Vereinfachte App: kein DB, keine schwere Logik, keine hohe Parallelität.
Für die Replikation stellen wir alles bereit: vier Implementierungen, Load-Client, gesammelte Daten, R-Skripte und Setup-Anleitung.
Nächste Schritte: weitere Payload-Größen für Wendepunkte zwischen gRPC und REST; Request-Frequenzen variieren; Infrastrukturprofile testen (Cloud vs. Bare Metal); rechenintensive Handler einbauen, um Sprachauswirkungen auf Parallelität zu messen.
Über Luiz Soares
Full-Stack-TechLead, spezialisiert auf KI-Produkte, RAG-Systeme und LLM-Integrationen. Begeistert davon, skalierbare Lösungen zu bauen und Wissen mit der Tech-Community zu teilen.
Kontakt aufnehmen →