Directrices de rendimiento

Esta página proporciona directrices generales sobre cómo optimizar el rendimiento de la implementación de AEM. Si es nuevo en AEM, vaya a las siguientes páginas antes de empezar a leer las directrices de rendimiento:

• AEM Conceptos básicos
• Visión General del Almacenamiento de Información en AEM
• Implementaciones recomendadas
• Requisitos técnicos

A continuación se muestran las opciones de implementación disponibles para AEM (desplácese hasta ver todas las opciones):

AEM Producto	Topología	Sistema operativo	Servidor de aplicaciones	JRE	Seguridad	Micro Kernel	Almacén de datos	Indexación	Servidor web	Explorador	Marketing Cloud
Sites	No HA	Windows	CQSE	Oracle	LDAP	Tar	Segmento	Propiedad	Apache	Edge	Destino
Assets	Publish-HA	Solaris	WebLogic	IBM	SAML	MongoDB	Archivo	Lucene	IIS	IE	Análisis
Communities	Author-CS	Red Hat	WebSphere	HP	Oauth	RDB/Oracle	S3/Azure	Solr	iPlanet	FireFox	Campaign
Forms	Descarga de autor	HP-UX	Tomcat			RDB/DB2	MongoDB			Chrome	Social
Móvil	Author-Cluster	IBM AIX	JBoss			RDB/MySQL	RDBMS			Safari	Audience
Varios sitios	ASRP	SUSE				RDB/SQLServer					Recursos
Comercio	MSRP	Apple OS									Activación
Dynamic Media	JSRP										Móvil
Brand Portal	J2E
AoD
LiveFile
Pantallas
Seguridad del documento
Mgt de proceso
Aplicación de escritorio de

Cuándo utilizar las directrices de rendimiento

Debe utilizar las directrices de rendimiento en las situaciones siguientes:

• Primera implementación: Al planificar la implementación de AEM Sites o Assets por primera vez, es importante comprender las opciones disponibles al configurar el micronúcleo, el almacén de nodos y el almacén de datos (en comparación con la configuración predeterminada). Por ejemplo, cambiar la configuración predeterminada del almacén de datos para TarMK al almacén de datos de archivos.
• Actualización a una nueva versión: Al actualizar a una nueva versión, es importante comprender las diferencias de rendimiento en comparación con el entorno en ejecución. Por ejemplo, actualizar de AEM 6.1 a 6.2, o de AEM 6.0 CRX2 a 6.2 OAK.
• El tiempo de respuesta es lento: Cuando la arquitectura seleccionada de Nodestore no cumple con sus requisitos, es importante comprender las diferencias de rendimiento en comparación con otras opciones de topología. Por ejemplo, implementar TarMK en lugar de MongoMK, o usar un almacén de datos de archivos en lugar de un almacén de datos de Amazon S3 o Microsoft Azure.
• Adición de más autores: Cuando la topología TarMK recomendada no cumple los requisitos de rendimiento y el tamaño del nodo Autor ha alcanzado la capacidad máxima disponible, es importante comprender las diferencias de rendimiento en comparación con el uso de MongoMK con tres o más nodos Autor. Por ejemplo, implementar MongoMK en lugar de TarMK.
• Adición de más contenido: Cuando la arquitectura del almacén de datos recomendada no cumpla con sus requisitos, es importante comprender las diferencias de rendimiento en comparación con otras opciones del almacén de datos. Ejemplo: uso de Amazon S3 o Microsoft Azure Data Store en lugar de un File Data Store.

Introducción

Este capítulo ofrece información general sobre la arquitectura de AEM y sus componentes más importantes. También proporciona directrices de desarrollo y describe los escenarios de prueba utilizados en las pruebas de referencia TarMK y MongoMK.

La plataforma de AEM

La plataforma AEM consta de los siguientes componentes:

Para obtener más información sobre la plataforma AEM, consulte Qué es AEM.

La arquitectura de AEM

Hay tres componentes básicos importantes para una implementación AEM. La Instancia de autor que utilizan los autores, editores y aprobadores de contenido para crear y revisar contenido. Cuando se aprueba el contenido, se publica en un segundo tipo de instancia denominado Publish Instance desde donde los usuarios finales acceden a él. El tercer bloque de creación es el Dispatcher, que es un módulo que gestiona el almacenamiento en caché y el filtrado de URL y que está instalado en el servidor web. Para obtener más información sobre la arquitectura de AEM, consulte Escenarios de implementación típicos.

Micro kernels

Los microkernels actúan como gestores de persistencia en AEM. Existen tres tipos de microkernels utilizados con AEM: TarMK, MongoDB y Base de Datos Relacional (bajo soporte restringido). Elegir uno que se adapte a sus necesidades depende de la finalidad de la instancia y del tipo de implementación que se esté planteando. Para obtener información adicional sobre Micro Kernels, consulte la página Implementaciones recomendadas.

Nodestore

En AEM, los datos binarios se pueden almacenar de forma independiente de los nodos de contenido. La ubicación en la que se almacenan los datos binarios se denomina Data Store, mientras que la ubicación de los nodos y propiedades de contenido se denomina Node Store.

Almacén de datos

Cuando se trata de un gran número de binarios, se recomienda utilizar un almacén de datos externo en lugar de los almacenes de nodos predeterminados para maximizar el rendimiento. Por ejemplo, si el proyecto requiere un gran número de recursos multimedia, almacenarlos en el Archivo o el Almacén de datos de Azure/S3 hará que el acceso a ellos sea más rápido que almacenarlos directamente en un MongoDB.

Para obtener más información sobre las opciones de configuración disponibles, consulte Configuración de nodos y almacenes de datos.

Búsqueda

En esta sección se enumeran los proveedores de índice personalizados que se utilizan con AEM. Para obtener más información sobre la indexación, consulte Consultas e indexación de Oak.

Directrices de desarrollo

Debe desarrollarse para AEM objetivo de rendimiento y escalabilidad. A continuación se presentan varias prácticas recomendadas que puede seguir:

DO

• Aplicar separación de presentación, lógica y contenido
• Usar API de AEM existentes (por ejemplo: Sling) y herramientas (por ejemplo: Replicación)
• Desarrollo en el contexto del contenido real
• Desarrollo para una capacidad de caché óptima
• Minimizar el número de guardos (por ejemplo: mediante flujos de trabajo transitorios)
• Asegúrese de que todos los puntos finales HTTP sean RESTful.
• Restringir el alcance de la observación JCR
• Tenga en cuenta el subproceso asincrónico

NO

• No utilice las API de JCR directamente, si puede

• No cambie /libs, sino que utilice superposiciones

• No utilice consultas siempre que sea posible

• No utilice Sling Bindings para obtener servicios OSGi en el código Java, sino que utilice:

  • @Reference en un componente DS
  • @Inject in a Sling Model
  • sling.getService() en una clase Sightly Use
  • sling.getService() en un JSP
  • a ServiceTracker
  • acceso directo al registro de servicios OSGi

Para obtener más información sobre el desarrollo en AEM, lea Desarrollo: conceptos básicos. Para conocer las prácticas recomendadas adicionales, consulte Prácticas recomendadas de desarrollo.

Escenarios de referencia

Los escenarios de prueba detallados a continuación se utilizan para las secciones de referencia de los capítulos TarMK, MongoMk y TarMK frente a MongoMk. Para ver qué escenario se utilizó para una prueba de referencia determinada, lea el campo Escenario de la tabla Especificaciones técnicas.

Escenario de un solo producto

AEM Assets:

• Interacciones del usuario: Examinar recursos / Buscar recursos / Descargar recurso / Leer metadatos de recursos / Actualizar metadatos de recursos / Cargar recursos / Ejecutar flujo de trabajo de recursos de carga
• Modo de ejecución: usuarios simultáneos, interacción única por usuario

Escenario de mezcla de productos

AEM Sites + Recursos:

• Interacciones de usuario del sitio: Leer página de artículo / Leer página / Crear párrafo / Editar párrafo / Crear página de contenido / Activar página de contenido / Buscar autor
• Interacciones de usuario de recursos: Examinar recursos / Buscar recursos / Descargar recurso / Leer metadatos de recursos / Actualizar metadatos de recursos / Cargar recursos / Ejecutar flujo de trabajo de recursos de carga
• Modo de ejecución: usuarios simultáneos, interacciones mixtas por usuario

Caso de uso vertical

Medios:

• Lea Página de artículos (27,4%), Página de lectura (10,9%), Crear sesión (2,6%), Activar página de contenido (1,7%), Crear página de contenido (0,4%), Crear párrafo (4,3%), Editar párrafo (0,9%), Componente de imagen (0,9%), Examinar recursos (20%), Leer metadatos de recursos (8,5%), Descargar recurso (4,2%), Recurso de búsqueda (0,2%), Actualizar metadatos de recursos (2,4%), Cargar recursos (1,2%), Examinar proyectos (4,9%), Leer proyectos (6,6%), Agregar recursos de proyectos (1,2%), Agregar sitios de proyectos (1,2%), Crear proyectos (0,1%), Buscar autores (0,4%)
• Modo de ejecución: usuarios simultáneos, interacciones mixtas por usuario

TarMK

Este capítulo ofrece directrices generales de rendimiento para TarMK que especifican los requisitos mínimos de arquitectura y la configuración de configuración. También se proporcionan pruebas de referencia para obtener más aclaraciones.

Adobe recomienda que TarMK sea la tecnología de persistencia predeterminada que utilizan los clientes en todos los casos de implementación, tanto para las instancias de AEM Author como para las de publicación.

Para obtener más información sobre TarMK, consulte Escenarios de implementación y Almacenamiento Tar.

Directrices de arquitectura mínima de TarMK

Para establecer un buen rendimiento al utilizar TarMK, debe comenzar desde la siguiente arquitectura:

• Una instancia de autor
• Dos instancias de publicación
• Dos distribuidores

A continuación se ilustran las directrices de arquitectura para AEM sitios y AEM Assets.

Directrices de arquitectura Tar para AEM Sites

Directrices de arquitectura Tar para AEM Assets

Directrices de configuración de TarMK

Para obtener un buen rendimiento, debe seguir las directrices de configuración que se presentan a continuación. Para obtener instrucciones sobre cómo cambiar la configuración, consulte esta página.

Configuración	Parámetro	Value	Descripción
Colas de trabajo de Sling	queue.maxparallel	Establezca el valor en la mitad del número de núcleos de CPU.	De forma predeterminada, el número de subprocesos simultáneos por cola de trabajos es igual al número de núcleos de CPU.
Cola de flujo de trabajo transitorio de Granite	Max Parallel	Establezca el valor en la mitad del número de núcleos de CPU
Parámetros de JVM	Doak.queryLimitInMemory Doak.queryLimitReads Dupdate.limit Doak.fastQuerySize	500000 100 000 250000 Verdadero	Añada estos parámetros de JVM en el script de inicio de AEM para evitar que las consultas expansivas sobrecarguen los sistemas.
Configuración del índice Lucene	CopyOnRead CopyOnWrite Prefetch Index Files	Activado Activado Activado	Para obtener más información sobre los parámetros disponibles, consulte esta página.
Almacén de datos = S3 Datastore	maxCachedBinarySize cacheSizeInMB	1048576 (1MB) o menor 2-10 % del tamaño máximo de pila	Consulte también Configuraciones del almacén de datos.
Flujo de trabajo de recursos de actualización de DAM	Transient Workflow	comprobado	Este flujo de trabajo administra la actualización de recursos.
Reescritura de metadatos DAM	Transient Workflow	comprobado	Este flujo de trabajo administra XMP reescritura al binario original y establece la última fecha de modificación en JCR.

Referencia de rendimiento de TarMK

Especificaciones técnicas

Los ensayos de referencia se realizaron con las siguientes especificaciones:

	Nodo de autor
Servidor	Hardware de metal desnudo (HP)
Sistema operativo	RedHat Linux
CPU / núcleos	CPU Intel® Xeon® E5-2407 @2,40GHz, 8 núcleos
RAM	32 GB
Disco	Magnético
Java	Oracle JRE versión 8
JVM Heap	16 GB
Producto	AEM 6.2
Nodestore	TarMK
Almacén de datos	Archivo DS
Situación	Un solo producto: Recursos / 30 subprocesos simultáneos

Resultados del marcador de rendimiento

MongoMK

La razón principal para elegir el backend de persistencia MongoMK sobre TarMK es escalar las instancias horizontalmente. Esto significa tener dos o más instancias de autor activas ejecutándose en todo momento y utilizando MongoDB como sistema de almacenamiento de persistencia. La necesidad de ejecutar más de una instancia de autor se debe en general al hecho de que la capacidad de CPU y memoria de un solo servidor, que admite todas las actividades de creación concurrentes, ya no es sostenible.

Para obtener más información sobre TarMK, consulte Situaciones de implementación y Almacenamiento de Mongo.

Directrices de arquitectura mínima de MongoMK

Para establecer un buen rendimiento al utilizar MongoMK, debe comenzar desde la siguiente arquitectura:

• Tres instancias de autor
• Dos instancias de publicación
• Tres instancias de MongoDB
• Dos distribuidores

Directrices de configuración de MongoMK

Para obtener un buen rendimiento, debe seguir las directrices de configuración que se presentan a continuación. Para obtener instrucciones sobre cómo cambiar la configuración, consulte esta página.

Configuración	Parámetro	Value (predeterminado)	Descripción
Colas de trabajo de Sling	queue.maxparallel	Establezca el valor en la mitad del número de núcleos de CPU.	De forma predeterminada, el número de subprocesos simultáneos por cola de trabajos es igual al número de núcleos de CPU.
Cola de flujo de trabajo transitorio de Granite	Max Parallel	Establezca el valor en la mitad del número de núcleos de CPU.
Parámetros de JVM	Doak.queryLimitInMemory Doak.queryLimitReads Dupdate.limit Doak.fastQuerySize Doak.mongo.maxQueryTimeMS	500000 100 000 250000 Verdadero 60000	Añada estos parámetros de JVM en el script de inicio de AEM para evitar que las consultas expansivas sobrecarguen los sistemas.
Configuración del índice Lucene	CopyOnRead CopyOnWrite Prefetch Index Files	Activado Activado Activado	Para obtener más información sobre los parámetros disponibles, consulte esta página.
Almacén de datos = S3 Datastore	maxCachedBinarySize cacheSizeInMB	1048576 (1MB) o menor 2-10 % del tamaño máximo de pila	Consulte también Configuraciones del almacén de datos.
DocumentNodeStoreService	cache nodeCachePercentage childrenCachePercentage diffCachePercentage docChildrenCachePercentage prevDocCachePercentage persistentCache	2048 35 (25) 20 (10) 30 5) 10 3) 4 (4) ./cache,size=2048,binario=0,-compacto,-compress	El tamaño predeterminado de la caché se establece en 256 MB. Tiene impacto en el tiempo que se tarda en realizar la invalidación de caché.
oak-observation	thread pool length	min & max = 20 50000

Referencia de rendimiento de MongoMK

Especificaciones técnicas

Los ensayos de referencia se realizaron con las siguientes especificaciones:

	Nodo de creación	Nodo MongoDB
Servidor	Hardware de metal desnudo (HP)	Hardware de metal desnudo (HP)
Sistema operativo	RedHat Linux	RedHat Linux
CPU / núcleos	CPU Intel® Xeon® E5-2407 @2,40GHz, 8 núcleos	CPU Intel® Xeon® E5-2407 @2,40GHz, 8 núcleos
RAM	32 GB	32 GB
Disco	Magnetic - >1k IOPS	Magnetic - >1k IOPS
Java	Oracle JRE versión 8	N/D
JVM Heap	16 GB	N/D
Producto	AEM 6.2	MongoDB 3.2 WiredTiger
Nodestore	MongoMK	N/D
Almacén de datos	Archivo DS	N/D
Situación	Un solo producto: Recursos / 30 subprocesos simultáneos	Un solo producto: Recursos / 30 subprocesos simultáneos

Resultados de referencia de rendimiento

TarMK frente a MongoMK

La regla básica que debe tenerse en cuenta al elegir entre los dos es que TarMK está diseñado para el rendimiento, mientras que MongoMK se utiliza para la escalabilidad. Adobe recomienda que TarMK sea la tecnología de persistencia predeterminada que utilizan los clientes en todos los casos de implementación, tanto para las instancias de AEM Author como para las de publicación.

La razón principal para elegir el backend de persistencia MongoMK sobre TarMK es escalar las instancias horizontalmente. Esto significa tener dos o más instancias de autor activas ejecutándose en todo momento y utilizando MongoDB como sistema de almacenamiento de persistencia. La necesidad de ejecutar más de una instancia de autor suele deberse a que la CPU y la capacidad de memoria de un solo servidor, que admite todas las actividades de creación concurrentes, ya no son sostenibles.

Para obtener más información sobre TarMK frente a MongoMK, consulte Implementaciones recomendadas.

Directrices TarMK frente a MongoMk

Ventajas de TarMK

• Compilado con fines específicos para aplicaciones de administración de contenido
• Los archivos son siempre coherentes y se puede realizar una copia de seguridad con cualquier herramienta de copia de seguridad basada en archivos
• Proporciona un mecanismo de conmutación por error: consulte Modo de espera pasiva para obtener más información
• Proporciona un almacenamiento de datos confiable y de alto performance con una sobrecarga operacional mínima
• Menor TCO (costo total de propiedad)

Criterios para elegir MongoMK

• Número de usuarios con nombre conectados en un día: en miles o más
• Número de usuarios simultáneos: en cientos o más
• Volumen de ingesta de recursos por día: en cientos de miles o más
• Volumen de ediciones de página por día: en cientos de miles o más
• Volumen de búsquedas por día: en decenas de miles o más

Prueba comparativa de TarMK frente a MongoMK

Escenario 1 Especificaciones técnicas

	Nodo OAK de autor	Nodo MongoDB
Servidor	Hardware de metal desnudo (HP)	Hardware de metal desnudo (HP)
Sistema operativo	RedHat Linux	RedHat Linux
CPU / núcleos	CPU Intel(R) Xeon(R) E5-2407 @2,40GHz, 8 núcleos	CPU Intel(R) Xeon(R) E5-2407 @2,40GHz, 8 núcleos
RAM	32 GB	32 GB
Disco	Magnetic - >1k IOPS	Magnetic - >1k IOPS
Java	Oracle JRE versión 8	N/D
JVM Heap16 GB	16 GB	N/D
Producto	AEM 6.2	MongoDB 3.2 WiredTiger
Nodestore	TarMK o MongoMK	N/D
Almacén de datos	Archivo DS	N/D
Situación	Un solo producto: Recursos / 30 subprocesos simultáneos por ejecución

Resultados de referencia de rendimiento del escenario 1

Escenario 2 Especificaciones técnicas

	Nodo TarMK de autor	Nodo MongoMK de autor	Nodo MongoDB
Servidor	AWS c3.8xlarge	AWS c3.8xlarge	AWS c3.8xlarge
Sistema operativo	RedHat Linux	RedHat Linux	RedHat Linux
CPU / núcleos	32	32	32
RAM	60 GB	60 GB	60 GB
Disco	SSD: IOPS de 10.000	SSD: IOPS de 10.000	SSD: IOPS de 10.000
Java	Oracle JRE versión 8	Oracle JRE versión 8	N/D
JVM Heap16 GB	30 GB	30 GB	N/D
Producto	AEM 6.2	AEM 6.2	MongoDB 3.2 WiredTiger
Nodestore	TarMK	MongoMK	N/D
Almacén de datos	Archivo DS	Archivo DS	N/D
Situación	Caso de uso vertical: Medios / 2000 subprocesos simultáneos

Resultados de referencia de rendimiento del escenario 2

Directrices de escalabilidad de la arquitectura para AEM Sites y recursos

Resumen de las directrices de rendimiento

Las directrices presentadas en esta página se pueden resumir de la siguiente manera:

• TarMK con File Datastorees la arquitectura recomendada para la mayoría de los clientes:

  • Topología mínima: una instancia de autor, dos instancias de publicación, dos instancias de Dispatcher
  • Replicación sin binarios activada si el almacén de datos del archivo es compartido

• MongoMK con File Datastorees la arquitectura recomendada para la escalabilidad horizontal del nivel Author:

  • Topología mínima: tres instancias de autor, tres instancias de MongoDB, dos instancias de publicación, dos instancias de Dispatcher
  • Replicación sin binarios activada si el almacén de datos del archivo es compartido

• ​​No debe almacenarse en el disco local, no en un almacenamiento conectado a la red (NAS)

• Al utilizar Amazon S3:

  • El almacén de datos de Amazon S3 se comparte entre el nivel Author y Publish
  • La replicación sin binario debe estar activada
  • La colección de residuos del almacén de datos requiere una primera ejecución en todos los nodos Autor y Publicación y una segunda ejecución en Autor

• El índice personalizado debe crearse además del índice predeterminado basado en las búsquedas más comunes

  • Los índices Lucene deben usarse para los índices personalizados

• La personalización del flujo de trabajo puede mejorar sustancialmente el rendimiento, por ejemplo, eliminando el paso de vídeo del flujo de trabajo "Actualizar recurso", desactivando los oyentes que no se utilizan, etc.

Para obtener más información, lea también la página Implementaciones recomendadas .