Wpływ operacji sztucznej inteligencji na wydajność WordPressa
Integracja funkcji sztucznej inteligencji za pomocą interfejsów API oraz dedykowanych klientów sprawia, że system wykonuje operacje wymagające czasu. Generowanie obrazów czy transkrypcja audio zajmują zazwyczaj kilka sekund. W tym okresie dany wątek PHP pozostaje niedostępny dla innych zadań wywoływanych przez użytkowników lub systemy zewnętrzne. W przypadku serwisów o dużym ruchu i sklepów internetowych z setkami lub tysiącami produktów zjawisko to staje się czynnikiem wymagającym monitorowania.
Narzędzia do monitorowania wydajności aplikacji pomagają zmierzyć ten wpływ. Narzędzia takie jak Kinsta APM umożliwiają śledzenie transakcji, wtyczek, motywów, hooków, wolnych zapytań do bazy danych oraz żądań zewnętrznych. Dostęp do dzienników zdarzeń serwera pozwala dodatkowo analizować błędy oraz źródła ruchu.
Przebieg procesu generowania wyróżniającego obrazu
Testy opierają się na wykorzystaniu oficjalnej wtyczki sztucznej inteligencji dla WordPressa w celu wygenerowania wyróżniającego obrazu do wpisu na blogu. Proces ten składa się z konfiguracji konektora w panelu administracyjnym z użyciem klucza API, aktywacji wtyczki korzystającej z infrastruktury rdzeniowej oraz uruchomienia narzędzia monitorującego na serwerze.
Podczas tworzenia nowego wpisu w edytorze blokowym wybranie opcji wygenerowania obrazu inicjuje ciąg sekwencyjnych wywołań w tle. Analiza wydajności pokazuje, jak poszczególne etapy obciążają serwer pod kątem czasu wykonania.
Generowanie promptu
Pierwsze wywołanie przesyła treść wpisu do modelu w celu przygotowania opisu graficznego. W testach czas wykonania tego zapytania po stronie PHP wyniósł 5,43 sekundy, a czas oczekiwania na odpowiedź zewnętrznego API wyniósł 5,52 sekundy.
Tworzenie grafiki
Kolejny krok polega na przekazaniu przygotowanego promptu do modelu generowania obrazów. Ta operacja zajmuje wątek PHP przez 9,79 sekundy, podczas których serwer oczekuje na zwrot binarnego pakietu danych obrazu.
Przygotowanie tekstu alternatywnego
Bezpośrednio po utworzeniu pliku graficznego system automatycznie wysyła kolejne zapytanie w celu wygenerowania opisu alternatywnego. Analiza nowo powstałej grafiki przez model zajmuje 11,30 sekundy czasu wykonania PHP.
Importowanie pliku do biblioteki
Kolejny etap polega na pobraniu wygenerowanego pakietu danych z zewnętrznego interfejsu, zarejestrowaniu pliku w bibliotece mediów WordPressa oraz pobraniu go przez edytor blokowy w celu wyświetlenia w interfejsie użytkownika.
Analiza zużycia zasobów w narzędziu monitorującym
Dane z narzędzia monitorującego wydajność aplikacji pozwalają przeanalizować czas trwania poszczególnych transakcji. Wskazania pokazują, że najwięcej czasu zajmują zapytania kierowane do zewnętrznych punktów końcowych dostawców sztucznej inteligencji. W wykazie najwolniejszych wtyczek dominują narzędzia integrujące zewnętrzne modele, odpowiadając za blisko 90% całkowitego czasu.
Śledzenie stosu wywołań pozwala dotrzeć do plików oraz numerów linii kodu odpowiedzialnych za obsługę żądania. Proces inicjalizacji uruchamia rdzeń systemowy, który przekazuje zadanie do kontrolera interfejsu REST API, buduje prompt, a następnie przekazuje go do warstwy transportowej HTTP.
Analiza dzienników serwera i żądań klienckich
Dzienniki dostępu rejestrują adresy IP, agentów użytkownika, adresy żądanych punktów końcowych, kody statusu oraz całkowity czas wykonania żądania. Sumując czasy wykonania czterech zapytań dla pojedynczej grafiki, łączny czas obciążenia wątku PHP wynosi 27,36 sekundy.
Narzędzia deweloperskie w przeglądarce internetowej umożliwiają z kolei przeanalizowanie przepływu z perspektywy klienta. Filtrowanie żądań asynchronicznych pozwala sprawdzić czasy oczekiwania na odpowiedź dla każdego zapytania z osobna, dając łączny czas oczekiwania wynoszący 24,55 sekundy.
Niewłaściwe zarządzanie zasobami lub nieoptymalna architektura kodu mogą przeciążyć serwer, prowadząc do wysycenia wątków PHP, przekroczenia limitów czasu, błędów HTTP 5xx lub przestojów w działaniu witryny. Wybór hostingu opartego na infrastrukturze kontenerowej, wielopoziomowej pamięci podręcznej i skalowalnych wątkach PHP pomaga zapobiegać wąskim gardłom wydajnościowym.
