Pautas 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 páginas siguientes antes de que inicio de leer las directrices de rendimiento:

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

A continuación se muestran las opciones de implementación disponibles para AEM (desplácese hasta la vista de 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 es de alta disponibilidad	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
Process Mgt
aplicación de escritorio

Cuándo utilizar las pautas de rendimiento

Debe utilizar las directrices de rendimiento en las siguientes situaciones:

• Primera implementación: Cuando planee implementar AEM Sites o Assets por primera vez, es importante comprender las opciones disponibles al configurar el micronúcleo, la tienda 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, la actualización 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.
• Añadir más autores: Cuando la topología TarMK recomendada no cumple los requisitos de rendimiento y el cambio de 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.
• Añadir más contenido: Cuando la arquitectura del almacén de datos recomendada no cumple sus requisitos, es importante comprender las diferencias de rendimiento en comparación con otras opciones del almacén de datos. Ejemplo: uso del almacén de datos de Amazon S3 o Microsoft Azure en lugar de un almacén de datos de archivos.

Introducción

Este capítulo ofrece una visión general de 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 AEM

La plataforma AEM consta de los siguientes componentes:

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

La Arquitectura AEM

Hay tres elementos 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 Instancia de publicación 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 direcciones URL y que se instala en el servidor web. Para obtener información adicional sobre la arquitectura de AEM, consulte Escenarios de implementación típicos.

Micro Kernels

Los micro kernels actúan como administradores de persistencia en AEM. Existen tres tipos de micronúcleos 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 independientemente de los nodos de contenido. La ubicación en la que se almacenan los datos binarios se denomina Almacén de datos, mientras que la ubicación de los nodos y las propiedades de contenido se denomina Almacén de nodos.

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 su proyecto requiere un gran número de recursos multimedia, almacenarlos en el archivo o en el almacén de datos de Azure/S3 hará que el acceso a ellos sea más rápido que almacenarlos directamente en una base de datos Mongo.

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

Búsqueda

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

Directrices de desarrollo

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

DO

• Aplicar separación de presentación, lógica y contenido
• Usar las API de AEM existentes (por ejemplo: Sling) y herramientas (por ejemplo: Replicación)
• Desarrollar en el contexto del contenido real
• Desarrollar para lograr una máxima capacidad de caché
• Minimizar el número de guardas (por ejemplo: mediante flujos de trabajo transitorios)
• Asegúrese de que todos los puntos finales HTTP son 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 usar consultas siempre que sea posible

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

  • @Referencia en un componente DS
  • @Inyectar en un modelo Sling
  • 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 de AEM, lea Desarrollar: conceptos básicos. Para obtener más información sobre las mejores prácticas, consulte Optimizaciones para el desarrollo.

Comparar escenarios

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

Escenario de un solo producto

AEM Assets:

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

Escenario de mezcla de productos

AEM Sites + Assets:

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

Caso de uso vertical

Medios:

• Leer 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%), recursos de exploración (20%), leer metadatos de recursos (8,5%), descargar recursos (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%), Recurso de Añado de proyectos (1,2%), Sitio de Añado de proyectos (1,2%), Crear proyectos (0,1%), Búsqueda de autores (0,4%)
• Modo de ejecución: usuarios simultáneos, interacciones mixtas por usuario

TarMK

Este capítulo proporciona 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 una mayor aclaración.

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

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

Directrices de arquitectura mínima de TarMK

Para lograr un buen rendimiento al utilizar TarMK, debe realizar el inicio desde la siguiente arquitectura:

• Una instancia de Autor
• Dos instancias de publicación
• Dos despachantes

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

Directrices de arquitectura de etiquetas para AEM Sites

Directrices de arquitectura de etiquetas para AEM Assets

Directrices de configuración de TarMK

Para 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 transitoria de granito	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 JVM en la secuencia de comandos de inicio de AEM para evitar que 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 = Almacén de datos S3	maxCachedBinarySize cacheSizeInMB	1048576 (1 MB) o inferior 2-10% del tamaño máximo del montón	Consulte también Configuraciones del almacén de datos.
Flujo de trabajo de recursos de actualización 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 escritura en el binario original y establece la fecha de la última modificación en JCR.

Prueba comparativa del rendimiento de TarMK

Especificaciones técnicas

Las pruebas de referencia se realizaron con arreglo a 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
Escenario	Producto único: Recursos / 30 subprocesos simultáneos

Resultados del marcador de rendimiento

MongoMK

La razón principal para elegir el servidor 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 usando 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 CPU y la capacidad de memoria de un único servidor, que admite todas las actividades de creación concurrentes, ya no son sostenibles.

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

Directrices de arquitectura mínima de MongoMK

Para lograr un buen rendimiento al utilizar MongoMK, debe realizar el inicio de la siguiente arquitectura:

• Tres instancias de creación
• Dos instancias de publicación
• Tres instancias de MongoDB
• Dos despachantes

Directrices de configuración de MongoMK

Para 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	Valor (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 transitoria de granito	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 JVM en la secuencia de comandos de inicio de AEM para evitar que 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 = Almacén de datos S3	maxCachedBinarySize cacheSizeInMB	1048576 (1 MB) o inferior 2-10% del tamaño máximo del montón	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 lleva realizar la invalidación de caché.
observación de robles	thread pool length	min & max = 20 50000

Prueba comparativa de rendimiento de MongoMK

Especificaciones técnicas

Las pruebas de referencia se realizaron con arreglo a 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	Magnético: >1.000 IOPS	Magnético: >1.000 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
Escenario	Producto único: Recursos / 30 subprocesos simultáneos	Producto único: Recursos / 30 subprocesos simultáneos

Resultados del indicador de rendimiento

TarMK vs 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 escenarios de implementación, tanto para las instancias de AEM Author como para las de Publish.

La razón principal para elegir el servidor 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 usando 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 único servidor, que admite todas las actividades de creación concurrentes, ya no son sostenibles.

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

Directrices TarMK vs MongoMk

Beneficios de TarMK

• Diseñado específicamente para aplicaciones gestoras de contenido
• Los archivos son siempre coherentes y se pueden realizar copias de seguridad con cualquier herramienta de backup basada en archivos
• Proporciona un mecanismo de conmutación por error: consulte Cold Standby para obtener más información
• Proporciona alto rendimiento y almacenamiento de datos confiable con un overhead operacional mínimo
• 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 ingestas de recursos por día: en cientos de miles o más
• Volumen de las 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 creación	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	Magnético: >1.000 IOPS	Magnético: >1.000 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
Escenario	Producto único: Recursos / 30 subprocesos simultáneos por ejecución

Resultados del indicador de rendimiento del escenario 1

Escenario 2 Especificaciones técnicas

	Nodo TarMK de creación	Nodo MongoMK de creación	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: 10.000 IOPS	SSD: 10.000 IOPS	SSD: 10.000 IOPS
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
Escenario	Caso de uso vertical: Medios / 2000 subprocesos simultáneos

Resultados del indicador de rendimiento del escenario 2

Directrices de escalabilidad de 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 despachantes
  • Replicación sin binarios activada si se comparte el almacén de datos de archivos

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

  • Topología mínima: tres instancias de creación, tres instancias de MongoDB, dos instancias de publicación, dos despachantes
  • Replicación sin binarios activada si se comparte el almacén de datos de archivos

• ​​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 Autor y Publicación
  • La replicación sin binario debe estar activada
  • La colección de elementos no utilizados del almacén de datos requiere una primera ejecución en todos los nodos Autor y Publicar y, a continuación, una segunda ejecución en Autor

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

  • Los índices de Lucene deben usarse para los índices personalizados

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

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