Snowcamp - Green Java

Transcript

1. Snowcamp 2024 ou comment appliquer l'écoconception à son code ☕ @cosjava GREEN JAVA
3. Sandrine Banas Experte technique Java @cosjava https://www.linkedin.com/in/sandrine-banas-60498aa8/
4. Impact environnemental du numérique des émissions de gaz à effet de serre (GES) dans le monde
8. Acteurs NR France https://aelan.fr/posts/panorama-des-acteurs-numerique-responsable-1ere-edition
9. Gaz à effets de serre https://www.conventioncitoyennepourleclimat.fr/2019/12/04/quest-ce-que-leffet-de-serre/
10. https://jancovici.com/changement-climatique/les-ges-et-nous/comment-evoluent-actuellement-les- emissions-de-gaz-a-effet-de-serre/ Evolution constatée des émissions mondiales du seul CO2 de 1860 à 2012, en millions de tonnes.
13. Répartition sectorielle des émissions de CO2 https://www.statistiques.developpement-durable.gouv.fr/edition-numerique/chiffres-cles-du-climat-2022/7-repartition-sectorielle-des-emissions-de Electricité 41% Transport 24% Industrie et construction 19% Autres 16%
14. https://app.electricitymaps.com/zone/FR
15. https://app.electricitymaps.com/zone/FR
16. Consommation électrique du numérique 10 - 15 %
17. Impacts de la fabrication d’un ordinateur portable https://ecotopie.fr/numerique-responsable/pollution-dun-ordinateur-anatomie-dun-desastre- ecologique-et-social/ 800 kgs de matières premières Environ 20 métaux et terres rares 22 kgs de produits chimiques 1,5 tonne d’eau 73% de l’empreinte carbone
18. Part des impacts numériques liés à la fabrication de matériel 75 %
20. L’obsolescence logicielle correspond à la diminution des possibilités d’usage d’un appareil numérique (smartphone, tablette, ordinateur, etc.) en raison de l’indisponibilité ou du dysfonctionnement d’un logiciel. Obsolescence logicielle
21. Obésiciel “Le poids moyen d’une page web a été multipliée par 155 en 27 ans.” Ecoconception Web - Frédéric Bordage
24. Ecoconception numérique Le principe d’écoconception numérique est de prendre en compte des aspects écologiques dans la conception de produits ou de services numériques en réduisant leurs impacts environnementaux tout au long de leur cycle de vie.
25. Clean code Performant
26. Clean code Performant
27. Clean code Performant Software craftsmanship
28. Clean code Performant Software craftsmanship Ecoconception ?
29. Clean code Performant Ecoconception Software craftsmanship Efficience Green code
30. Clean code Performant Ecoconception Software craftsmanship Efficience Green code
31. Performance La performance consiste à obtenir les meilleurs temps de réponse peu importe les moyens.
32. Efficience L’efficience consiste à obtenir les meilleurs temps de réponse acceptables avec le minimum de moyens.
35. C R ust C ++ Ada Java JavaScript TypeScript Python 80 60 40 20 0 Normalized global results for energy
37. Green team
39. https://github.com/cnumr/best-practices https://gr491.isit-europe.org/?famille=backend https://ecoresponsable.numerique.gouv.fr/ publications/referentiel-general-ecoconception/ GreenIt GR491 RGESN
40. https://github.com/green-code-initiative/ecoCode/blob/main/RULES.md
41. Green patterns back
42. Stockage
43. Sustainable packaging pattern Minimiser* la taille de l’application. * Réutilisation/modularité, nettoyage des dépendances, clean code, refactoring, éliminez le code mort ou inutilisé (feature flipping)
44. Waste reduction pattern Minimiser* et purger** régulièrement. * BD: données nécessaires (choisir un format et une taille de champ adapté), limiter les envois d’emails (ciblez les destinataires, évitez les PJ) ** Logs, répertoires et fichiers temporaires, fichiers, images docker, données RGPD...
45. Bande passante
46. Minimiser* le nombre de d’appels/requêtes et la quantité** d’informations récupérée * Utilisez des caches, évitez des appels dans les boucles, circuit breaker... ** Evitez les select *, d’énormes paginations, utilisez des filtres, le max de traitements côté BD... Low impact transportation pattern back to back
47. Low impact transportation pattern Front to back Minimiser* le nombre d’appels à l’API et la quantité** d’informations récupérée. * Design first, limitez les notifications, cache HTTP (header) ou le Front-end web storage, attention au polling (préférez SSE ou websockets)... ** Nommez court, paginez, compressez, GraphQL...
48. CPU et RAM
49. Partagez* les ressources, optimisez** le code et lissez*** la charge. * Architecture élastique ** Utilisez les versions Java et des librairies récentes, clean code, microbenchmarks, index BD, explain des query, pool de connexions... *** Traitement asynchrone, queue, batch Efficient energy pattern
50. Memory cleanup pattern Fine-tuner la JVM et le GC Limiter l‘utilisation de mémoire vive
51. Carbon patterns
52. Choisir* le lieu et/ou l’heure permettant de faire tourner l’application sur de l’énergie verte Limiter les capacités de l’application pour une énergie polluante, débrider pour une énergie verte. Carbon aware pattern *Ex API: Electricity maps ou WattTime
53. Frugalité fonctionnelle et technique Lazy pattern
54. Mesurer ?
55. Mesures Back-end
56. Mesures back-end Serveurs boavizta
57. Mesures Front-end
59. Mesures back-end poste de dev - linux RAPL (Running Average Power Limit) JRAPL
60. Mesures back-end poste de dev - windows ????????????????
61. Greenframe.io
62. Greenframe.io
63. Greenframe.io Temps + Mégabyte
64. Modèles https://theshiftproject.org/wp-content/uploads/2018/10/Lean-ICT-Materials-1byte-Model-2018.xlsx 1 byte model
65. Mesurer JMH - Java Microbenchmark Harness Postman
66. JOL (Java Object Layout) https://github.com/openjdk/jol
67. JOL (Java Object Layout) ClassLayout.parseClass(TestJOL.class).toPrintable() ClassLayout.parseInstance(new TestJOL()).toPrintable() GraphLayout.parseInstance(new TestJOL()).toPrintable
68. Let’s Java !
71. String var1 = getValue(); return var1;
72. Empreinte mémoire String var1 = getValue(); return var1; return getValue(); Do not unnecessarily assign values to variables. It increases the use of RAM memory.
73. Exemples empreinte mémoire libérer les ressources => try with ressources ++i plutôt que i++ primitive vs Object => ex Long vs long A venir: les value objects (Valhalla)
74. public String concatenateStrings(String[] strings) { String result = ""; for (String string : strings) { result += string; } return result; }
75. CPU + mémoire public String concatenateStrings(String[] strings) { String result = ""; for (String string : strings) { result += string; } return result; } public String concatenateStrings(String[] strings) { StringBuilder result = new StringBuilder(); for (String string : strings) { result.append(string); } return result.toString(); } Don't concatenate Strings in loop. Use StringBuilder instead. Strings are immutable so each time you concatenate a String, a new String is created. This is a waste of memory and CPU.
76. public voidfoo() { for (int i = 0; i < getMyValue(); i++) { System.out.println(i); } }
77. CPU public voidfoo() { for (int i = 0; i < getMyValue(); i++) { System.out.println(i); } } public voidfoo() { int myValue =getMyValue(); for (int i = 0; i < myValue; i++) { System.out.println(i); } } Do not call a function when declaring a for-type loop in order to avoid function calls each iterations. It saves CPU cycles.
78. CPU Stream .iterate(0, i -> i++) .limit(100) .reduce(0, Integer::sum) IntStream .iterate(0, i -> i++) .limit(100) .sum()
79. CPU Stream .iterate(0, i -> i++) .limit(100) .reduce(0, Integer::sum) IntStream .iterate(0, i -> i++) .limit(100) .sum()
80. Exemples CPU Eviter d’utiliser des Wrappers sur les primitifs Utiliser la bonne Collection pour son besoin JDBC < Spring Data JPA native queries < JPQL* Switch plutôt que if/else Threads virtuels *Tests faits sur une base oracle