Scale Check – 7-Punkte-Audit zur Produktionsreife
Du führst /scale-check im schreibgeschützten Plan-Modus aus. Deine Aufgabe ist es, die Codebasis anhand der 7 unten stehenden Skalierungsfragen zu überprüfen und einen klaren, priorisierten Prüf- und Korrekturplan auf dem Bildschirm des Benutzers anzuzeigen.
Zielbereich: $ARGUMENTS (Wenn leer, die gesamte Repository prüfen).
Eiserne Regeln (Vor dem Scannen lesen)
- Hinsehen, nichts ändern: Du bist streng im Diagnose- und Planungsmodus. Erstelle, bearbeite oder lösche KEINE Dateien. Führe KEINE Datenbankmigrationen, zustandsändernde Befehle oder Netzwerkanfragen aus.
- Ergebnisse sind Hinweise zum Prüfen, keine Fakten: Eine statische Repository-Analyse kann keine externen Cloud-Dashboards, CDN-Regeln, WAF-Richtlinien oder verwalteten Datenbankeinstellungen einsehen. Formuliere jedes identifizierte Problem als einen Hinweis zum Überprüfen, niemals als garantierten Fehler.
- Zitiere immer genaue Fundorte: Jeder Code-Hinweis muss
pfad/zu/datei:zeileund das spezifische Symbol oder die Abfrage enthalten. Wenn etwas in der Codebasis fehlt, melde explizit: "Nicht im Repository gefunden – beim Hosting-/Cloud-Anbieter überprüfen." - Eines nach dem anderen reparieren, beginnend mit dem Überleben: Ordne den endgültigen Korrekturplan immer so an, dass du mit Backups (Frage 5) und Ratenbegrenzung (Frage 7) beginnst, dann mit privaten Daten, die durch einen gemeinsamen Cache durchsickern (Frage 6), gefolgt von den restlichen Fragen in der Reihenfolge, in der sie normalerweise eine wachsende App treffen: Indizes und Schleifen (F1), gemeinsame Lesevorgänge (F2), Ausführen von zwei Kopien (F3), langsame Arbeit in Anfragen (F4) und Caching öffentlicher Assets (der Rest von F6).
Ausführungsworkflow
Phase 1: Den Stack identifizieren (Schnelldurchlauf)
Bevor du die 7 Fragen prüfst, identifiziere schnell den Stack des Projekts, damit du an den richtigen Stellen suchst:
- Manifeste & Frameworks: Prüfe
package.json,pyproject.toml,requirements.txt,go.mod,Cargo.tomloderGemfile. - Datenbank & ORM: Finde
schema.prisma, Drizzle-Schema-Dateien, TypeORM/Sequelize-Modelle, SQLAlchemy/Alembic-Dateien, Djangomodels.pyoder rohe.sql-Migrationen. - Einstiegspunkte & Routen: Finde API-Routen (
app/api/,pages/api/,src/routes/,controllers/,routers/,main.py,cmd/). - Infrastruktur & Konfiguration: Prüfe
Dockerfile,docker-compose.yml,vercel.json,next.config.*,fly.toml,render.yaml,nginx.conf,.github/workflows/undREADME.md.
Phase 2: Untersuche alle 7 Fragen
Führe gezielte Glob-, Grep- und Read-Durchläufe für jede der 7 unten stehenden Fragen durch. Überspringe keine Frage.
Die 7 Fragen
Frage 1: Indizes & Abfragen in Schleifen
- Kurzform Karte: "Seiten, die Daten suchen oder auflisten: Sind die Spalten indiziert und gibt es eine Abfrage innerhalb einer Schleife?"
- Vollständige Diagnosefrage: Wo listet, filtert, sortiert oder sucht die Anwendung Datensätze, sind die zugrunde liegenden Datenbankspalten (
WHERE,JOIN,ORDER BY, Fremdschlüssel) durch Indizes im Schema abgesichert, und führt irgendein Endpunkt eine Datenbank- oder API-Abfrage innerhalb einer Schleife (das N+1-Problem) aus oder ruft unbegrenzte Zeilen ohne Paginierung ab? - Wo und wie suchen:
- Schema vs. Abfragen: Vergleiche Listen-/Suchabfragen (
findMany,select,filter,WHERE,ILIKE,ORDER BY) mit Indexdefinitionen (@@index,index(),CREATE INDEX,db_index=True). Beachte, dass Prisma/SQLAlchemy Fremdschlüssel- oder Sortierspalten oft nicht automatisch indizieren, sofern nicht explizit deklariert. - Schleifen mit I/O: Durchsuche Routen-Handler und Servicefunktionen nach
for (,for await,.map(async,forEach(asyncoder List Comprehensions, diedb.,prisma.,supabase.,session.executeoderfetch(innerhalb des Iterationskörpers aufrufen. - Unbegrenzte Lesevorgänge: Prüfe, ob Listen-Endpunkte eine
take/limit-Obergrenze erzwingen oder ob eine einzelne Anfrage eine gesamte Tabelle in den Speicher laden kann.
- Schema vs. Abfragen: Vergleiche Listen-/Suchabfragen (
- Was außerhalb des Repos liegen könnte (Falsch-Positiv-Prüfung):
- Indizes wurden möglicherweise manuell in Produktions-SQL-Konsolen erstellt, ohne in Migrationsdateien eingecheckt zu werden.
- Kleine Nachschlagetabellen (z. B. <50 statische Rollen oder Kategorien) werden bei fehlendem Index keinen Engpass verursachen, N+1-Schleifen über benutzergenerierte Daten hingegen schon.
Frage 2: Wiederholte gemeinsame Lesevorgänge
- Kurzform Karte: "Leseabfragen, die oft ausgeführt werden und für alle das gleiche Ergebnis liefern."
- Vollständige Diagnosefrage: Welche stark frequentierten Leseabfragen berechnen oder rufen für jeden Besucher bei jeder Anfrage genau dieselben öffentlichen Daten ab – wie Landingpage-Feeds, Produktkataloge, globale Konfigurationen, Bestenlisten oder öffentliche Zähler – ohne das Ergebnis im Speicher, Redis/KV oder dem Daten-Cache des Frameworks zwischenzuspeichern?
- Wo und wie suchen:
- Untersuche öffentliche Routen, Startseiten, Layout-Loader und globale Middleware, die bei jedem Seitenaufruf die primäre Datenbank treffen, ohne benutzerspezifische Parameter (
userId,sessionId,orgId). - Suche nach teuren Aggregationen (
COUNT(*),SUM(), Multi-Table-Joins), die live auf öffentlichen Endpunkten ausgeführt werden. - Suche nach vorhandenen Cache-Primitiven (
unstable_cache,'use cache',revalidate, Redisget/set,@lru_cache,Cache-Control: s-maxage), um zu sehen, ob gemeinsame Lesevorgänge bereits gekapselt sind.
- Untersuche öffentliche Routen, Startseiten, Layout-Loader und globale Middleware, die bei jedem Seitenaufruf die primäre Datenbank treffen, ohne benutzerspezifische Parameter (
- Was außerhalb des Repos liegen könnte (Falsch-Positiv-Prüfung):
- Ein vorgelagertes CDN (Cloudflare, CloudFront, Fastly) könnte vollständige öffentliche Routen bereits über Dashboard-Seitenregeln am Edge zwischenspeichern.
Frage 3: Ausführen von zwei Kopien (Zustandslosigkeit & lokaler Speicher)
- Kurzform Karte: "Könnte die App als zwei Kopien ausgeführt werden und was lebt im Arbeitsspeicher eines Servers oder auf seiner Festplatte?"
- Vollständige Diagnosefrage: Was passiert, wenn der Datenverkehr ansteigt und du eine zweite Serverinstanz hinter einem Load Balancer startest (oder auf automatisch skalierende serverlose Instanzen bereitstellst), das kaputt geht, weil der Zustand im RAM eines einzelnen Prozesses gespeichert oder auf das lokale Dateisystem eines einzelnen Containers geschrieben wird?
- Wo und wie suchen:
- In-Prozess-Speicherzustand: Durchsuche nach module-level
new Map(),new Set(), globalen veränderlichen Arrays/Objekten, In-Memory-Session-Stores (MemoryStore), lokalen Ratenbegrenzungszählern oder In-Prozess-Pub/Sub (EventEmitter, unüberbrückte WebSocketSets), die annehmen, dass alle Benutzer denselben Node/Python/Go-Prozess treffen. - Lokale Festplattenabhängigkeit: Durchsuche nach lokalen Dateischreibvorgängen (
fs.writeFile,fs.createWriteStream,open(..., 'w'),multer.diskStorage,/tmpoder./uploads-Speicher) und lokalen eingebetteten Datenbanken (sqlite,better-sqlite3,.db-Dateien), die für veränderliche Laufzeitdaten verwendet werden. - In-Prozess-Cron-Jobs: Suche nach
node-cron,setIntervaloderAPScheduler, die innerhalb des Haupt-Webserver-Einstiegspunkts gestartet werden, was doppelte Jobs auslösen würde, wenn zwei Instanzen gleichzeitig ausgeführt werden.
- In-Prozess-Speicherzustand: Durchsuche nach module-level
- Was außerhalb des Repos liegen könnte (Falsch-Positiv-Prüfung):
- Module-level
Maps, die ausschließlich als schreibgeschützte Caches mit einer TTL verwendet werden (oder faule Singleton-SDK-Clients wie Prisma/Stripe), sind über mehrere Instanzen hinweg sicher. - Single-VPS-Apps, die ein gemountetes persistentes Volume und Sticky Sessions verwenden, können absichtlich als einzelner Knoten ausgeführt werden – kennzeichne den Kompromiss klar, anstatt es als defekt zu bezeichnen.
- Module-level
Frage 4: Langsame synchrone Arbeit in Webanfragen
- Kurzform Karte: "Überall, wo eine Webanfrage etwas Langsames tut, wie einen KI-Aufruf, eine E-Mail oder eine Datei."
- Vollständige Diagnosefrage: Wo hält eine HTTP-Anfrage die Verbindung des Benutzers offen, während sie auf langsame, unvorhersehbare oder schwere Arbeit wartet – wie einen LLM/KI-Generierungsaufruf, das Senden von Transaktions-E-Mails, das Erstellen von PDFs, das Skalieren von Bildern/Videos, das Parsen großer CSV-Dateien oder das Verketten mehrerer Drittanbieter-Webhooks – bevor sie eine Antwort zurückgibt?
- Wo und wie suchen:
- Verfolge
POST/PUT-Controller, Server-Actions und Webhook-Handler vom Anfragebeginn bis zur Antwortrückgabe. - Durchsuche nach blockierenden
await-Aufrufen an KI-SDKs (openai,@anthropic-ai,@google/genai,ai), E-Mail-Anbieter (resend,nodemailer,sendgrid,postmark), Medien-/Dateiprozessoren (sharp,ffmpeg,puppeteer,pdfkit) oder externe APIs innerhalb des kritischen Anforderungspfads. - Prüfe, ob das Projekt eine Hintergrundwarteschlange oder einen asynchronen Worker-Setup hat (
bullmq,inngest,trigger.dev,celery,sidekiq,waitUntil) und ob die langsamen Aufrufe diese tatsächlich verwenden oder umgehen.
- Verfolge
- Was außerhalb des Repos liegen könnte (Falsch-Positiv-Prüfung):
- Streaming-KI-Endpunkte (
streamText, SSE, chunked responses) sind dafür ausgelegt, offen zu bleiben, während Token an den Client gestreamt werden; markiere sie nur, wenn sie schwere synchrone Vor-/Nachverarbeitung durchführen oder es an Timeout-Grenzen mangelt.
- Streaming-KI-Endpunkte (
Frage 5: Backups, Replikate & Wiederherstellungspfad
- Kurzform Karte: "Welche Backups oder Replikate gibt es, wo, wie oft und wie man sie wiederherstellt. Wenn es nicht im Repo ist, sag es."
- Vollständige Diagnosefrage: Welche automatisierten Datenbank- und Speicher-Backups oder -Replikate existieren, wo werden sie gespeichert, wie häufig laufen sie und gibt es eine dokumentierte, getestete Prozedur, um sie wiederherzustellen? Wenn die Backup-Konfiguration im Repository nicht sichtbar ist, gib das explizit an.
- Wo und wie suchen:
- Durchsuche Infrastrukturdateien (
docker-compose.yml, Terraform.tf, Pulumi, CloudFormation,fly.toml,.github/workflows/,scripts/,Makefile,crontab) nachpg_dump,mysqldump,sqlite3 .backup,wal-g,litestream, S3-Backup-Synchronisationen oder Replikat-Konfigurationen. - Durchsuche
README.md,CONTRIBUTING.md,docs/oderrunbooks/nach Erwähnungen von Backup-Zeitplänen, Point-in-Time-Recovery (PITR) oder Wiederherstellungsbefehlen.
- Durchsuche Infrastrukturdateien (
- Verbindliche Regel für Frage 5:
- In den meisten modernen Apps, die verwaltete Datenbanken verwenden (Supabase, Neon, RDS, PlanetScale, Railway, MongoDB Atlas), leben die Backup-Einstellungen im Cloud-Dashboard, nicht in Git.
- Wenn du keine Backup-Konfigurationen und Wiederherstellungsanweisungen im Repository findest, sag es klar: "Keine Backup-Konfiguration oder Wiederherstellungsanleitung im Repository gefunden. Überprüfe im Dashboard deines Datenbankanbieters, ob automatische Backups/PITR aktiviert sind, prüfe die Aufbewahrungshäufigkeit und führe eine Testwiederherstellung in einer Staging-Datenbank durch."
Frage 6: Öffentliche Assets vs. Caching privater Daten
- Kurzform Karte: "Welche Dateien sind für jeden Benutzer gleich und welche dürfen niemals zwischengespeichert werden."
- Vollständige Diagnosefrage: Sind statische Dateien, die für jeden Benutzer identisch sind (Bundles, Schriftarten, öffentliche Bilder, Marketingseiten), so konfiguriert, dass sie aggressiv am CDN/Browser-Cache zwischengespeichert werden, und sind authentifizierte oder benutzerspezifische Antworten (Kontodaten, Dashboards, Abrechnung, Auth-Tokens) streng davor geschützt, in einem gemeinsamen Cache gespeichert zu werden?
- Wo und wie suchen:
- Gefährliche Cache-Lecks (P0-Risiko): Prüfe, ob Routen, die personalisierte Daten, Sitzungszustand oder privates JSON zurückgeben,
Cache-Control: publicoders-maxageohneprivateoderno-storesetzen, oder ob das Framework-Routen-Caching (export const revalidate = ...,force-static) versehentlich auf einer Route aktiviert ist, die Cookies/Header für einen bestimmten Benutzer liest. - Ungecachte statische Assets: Prüfe
next.config.*,vercel.json,nginx.conf, Expressstatic()oder S3/CDN-Upload-Helfer, um zu sehen, ob statische Assets und von Benutzern hochgeladene öffentliche Medien unveränderliche oder langlebigeCache-Control-Header setzen.
- Gefährliche Cache-Lecks (P0-Risiko): Prüfe, ob Routen, die personalisierte Daten, Sitzungszustand oder privates JSON zurückgeben,
- Was außerhalb des Repos liegen könnte (Falsch-Positiv-Prüfung):
- Frameworks wie Next.js, Remix und Vite fingerabdrücken und cachen Build-Assets automatisch unter
/_next/staticoder/assetszur Bereitstellungszeit, selbst ohne benutzerdefinierte Header im Repository.
- Frameworks wie Next.js, Remix und Vite fingerabdrücken und cachen Build-Assets automatisch unter
Frage 7: Öffentliche & kostenpflichtige Endpunkte (Ratenbegrenzung & Kostenkontrollen)
- Kurzform Karte: "Welche Endpunkte sind öffentlich oder rufen einen kostenpflichtigen Dienst auf, und was begrenzt, wie oft ein Benutzer sie aufrufen kann."
- Vollständige Diagnosefrage: Welche Routen können ohne Authentifizierung aufgerufen werden (Login, Registrierung, Magic Links, Passwort-Reset, öffentliche Suche, Kontaktformulare, Webhooks) oder lösen einen gemessenen/kostenpflichtigen Dienst aus (LLM-APIs, SMS/OTP, E-Mail-Versand, Dateispeicher, kostenpflichtige Daten-APIs), und was erzwingt im Code Pro-IP- oder Pro-Benutzer-Ratenbegrenzungen, Anfragekörpergrößenobergrenzen und Ausgaben/Token-Grenzen?
- Wo und wie suchen:
- Inventar der Hochrisiko-Endpunkte: Liste alle öffentlichen Auth/Formular-Routen und jeden Endpunkt auf, der eine abgerechnete externe API aufruft oder schwere DB-Schreibvorgänge auslöst.
- Prüfe auf Ratenbegrenzer: Durchsuche Abhängigkeiten und Middleware nach Ratenbegrenzungsbibliotheken (
@upstash/ratelimit,express-rate-limit,rate-limiter-flexible,slowapi,django-ratelimit,rack-attack,golang.org/x/time/rate) und überprüfe, ob sie tatsächlich an den riskanten Routen angebracht sind. - Prüfe Eingabe- & Ausgabenobergrenzen: Überprüfe bei KI- oder Datei-Upload-Endpunkten, ob
max_tokens/maxOutputTokens, Prompt-Längenvalidierung (z. B. Zod.max()) und Dateigrößenbeschränkungen erzwungen werden, bevor der Anbieter aufgerufen wird.
- Was außerhalb des Repos liegen könnte (Falsch-Positiv-Prüfung):
- Die Ratenbegrenzung kann vorgelagert über Cloudflare WAF, AWS API Gateway, Vercel Firewall oder Nginx Reverse Proxy außerhalb des Anwendungsrepositorys erzwungen werden. Wenn kein Ratenbegrenzer im Repository vorhanden ist, markiere es als Hinweis mit hoher Priorität, um es vorgelagert zu überprüfen oder in der Middleware hinzuzufügen.
Ausgabeformat (Diesen Plan auf dem Bildschirm anzeigen)
Präsentiere deinen Bericht mit den folgenden genauen Abschnitten. Halte den Ton direkt, ruhig und praktisch.
1. Stack- und Bereichs-Snapshot
- Erkannter Stack: [Framework, Sprache, DB/ORM, Hosting/Infra-Hinweise]
- Gescannter Bereich: [Vollständiges Repository oder spezifischer Pfad]
- Erinnerung: Diese Ergebnisse sind Hinweise zur Überprüfung, keine garantierten Fehler. Infrastruktureinstellungen, die in Cloud-Dashboards konfiguriert sind (verwaltete DB-Backups, CDN-Regeln, WAF-Ratenbegrenzungen), werden in Git nicht sichtbar sein.
2. Die 7-Fragen-Ergebnisliste
| # | Frage | Status | Wichtigster Hinweis / Beobachtung |
|---|---|---|---|
| F1 | Such-/Listen-Indizes und Abfragen in Schleifen | [HINWEIS ZUM PRÜFEN] / [SIEHT ABGEDECKT AUS] | 1-zeilige Zusammenfassung |
| F2 | Häufige gemeinsame Lesevorgänge, die dieselben Daten zurückgeben | [HINWEIS ZUM PRÜFEN] / [SIEHT ABGEDECKT AUS] | 1-zeilige Zusammenfassung |
| F3 | Ausführen von zwei Kopien (Speicher- und Festplattenzustand) | [HINWEIS ZUM PRÜFEN] / [SIEHT ABGEDECKT AUS] | 1-zeilige Zusammenfassung |
| F4 | Langsame synchrone Arbeit in Webanfragen | [HINWEIS ZUM PRÜFEN] / [SIEHT ABGEDECKT AUS] | 1-zeilige Zusammenfassung |
| F5 | Backups, Replikate & Wiederherstellung | [HINWEIS ZUM PRÜFEN] / [SIEHT ABGEDECKT AUS] | 1-zeilige Zusammenfassung |
| F6 | Öffentliche Assets vs. privates Daten-Caching | [HINWEIS ZUM PRÜFEN] / [SIEHT ABGEDECKT AUS] | 1-zeilige Zusammenfassung |
| F7 | Ratenbegrenzung auf öffentlichen & kostenpflichtigen Endpunkten | [HINWEIS ZUM PRÜFEN] / [SIEHT ABGEDECKT AUS] | 1-zeilige Zusammenfassung |
3. Detaillierte Ergebnisse (ein Abschnitt pro Frage)
F1: Indizes & Abfragen in Schleifen
- Schema gefunden in:
[pfad/zu/schema.prisma] - Hinweise zu fehlenden Indizes:
[pfad/zu/routendatei:42] –WHERE email = ?auf Spalte ohne@@index`` - Gefundene N+1-Pfade:
[pfad/zu/user.service.ts:88] –for (const org of orgs)ruftdb.user.findMany(...)auf. Fügeinclude: { users: true }` oder einen Batch-Join hinzu. - Unbegrenzte Lesevorgänge:
[pfad/zu/api/list.ts:15] – Keintake/limit`; alle Zeilen abrufbar. Füge einen Paginierungsparameter hinzu.
F2: Wiederholte gemeinsame Lesevorgänge
- Gefundene öffentliche gemeinsame Lesevorgänge:
[pfad/zu/homepage.ts:30] –getLatestProducts()fehlt ein Cache-Wrapper;unstable_cache/'use cache'/@lru_cache` hinzufügen. - Vorhandener Cache-Kontext:
[Redis-Abdeckung] Keine gefunden - Vorgelagerte Option (im Dashboard prüfen): Seite könnte vollständig am CDN-Cache gespeichert sein – in den Cloudflare-/Fastly-Regeln überprüfen.
F3: Ausführen von zwei Kopien (Zustand)
- In-Memory-Zustand gefunden:
[pfad/zu/session.ts:1] –MemoryStore` wird verwendet, Sitzungen sind auf eine Instanz beschränkt. Ersetze durch Redis/Session-Tabelle im Frontend. - Lokale Dateispeicherung gefunden:
[pfad/zu/upload.ts:10] –multer.diskStorageunter./public/uploads`. Migriere zu S3/R2 mit signierten URLs. - In-Prozess-Cron-Jobs:
[pfad/zu/server.ts:22] –setInterval(syncLeaders, 60_000)` wird auf jeder Instanz feuern. Verwende einen dedizierten Cron- oder Queue-Anbieter.
F4: Langsame Arbeit in Webanfragen
- **Gefundene synchrone Langzeitaufgaben:
[pfad/zu/api/generate.ts:44] – AI-Generierung (openai.chat.completions.create) blockiert innerhalb der Anfrage. Verwendequeue: job = ...` und einen Poll/Webhook. - Hintergrundwarteschlange erkannt:
bullmq(installiert, aber an diesem Endpunkt nicht verwendet).
F5: Backups, Replikate & Wiederherstellung
- In Repo gefundene Backup-Konfiguration: Keine.
- Empfehlung (Standardmeldung): Keine Backup-Konfiguration oder Wiederherstellungsanleitung im Repository gefunden. Überprüfe im Dashboard deines Datenbankanbieters, ob automatische Backups/PITR aktiviert sind, prüfe die Aufbewahrungshäufigkeit und führe eine Testwiederherstellung in einer Staging-Datenbank durch.
F6: Öffentliche Assets vs. privates Daten-Caching
- Cache-Leck-Risiko:
[pfad/zu/api/user/profile.ts:10] –Cache-Control: public, s-maxage=3600auf einem Auth-geschützten Endpunkt – ändere aufprivateoderno-store`. - Statisches Asset-Caching:
[next.config.ts:5] –Cache-Controlfür/_next/staticscheint den Standardwert zu haben; ziehe in Erwägung,public, max-age=31536000, immutable` hinzuzufügen, falls nicht bereits durch das Framework gehandhabt.
F7: Ratenbegrenzung auf öffentlichen & kostenpflichtigen Endpunkten
- Routen ohne Ratenbegrenzung identifiziert:
/api/auth/login,/api/auth/signup,/api/contact,/api/generate - Ratenbegrenzer gefunden: Keine Ratenbegrenzungsbibliothek im Repository konfiguriert.
- Empfehlung:
@upstash/ratelimithinzufügen (oder WAF-Regel, falls vorgelagert). Auf/api/generateRaten pro Benutzer und Ausgaben-Token-Cap durchsetzen.
Abschließende Korrekturreihung
- F5: Backups – Keine Backup-Konfiguration im Repository gefunden. Als erstes bestätigen, dass automatisierte Backups/PITR auf Datenbankebene aktiviert sind.
- F7: Ratenbegrenzung –
/api/auth/login,/api/generateund andere öffentliche oder kostenpflichtige Endpunkte müssen vor Missbrauch geschützt werden, bevor die App in der Breite genutzt wird. - F6: Daten-Cache-Leck –
/api/user/profilegibt möglicherweise private Daten mit einempublic-Cache-Header aus. Dies muss sofort behoben werden. - F3: Teile des App-Zustands sind an ein einzelnes Prozess-RAM gebunden (
MemoryStore, lokale Dateispeicherung, In-Prozess-Cron). In einer Zwei-Instanz-Umgebung kaputt. - F4: KI-/E-Mail-Aufrufe blockieren innerhalb von HTTP-Anfragen. In die vorhandene BullMQ-Warteschlange verschieben.
- F1: N+1-Abfrageschleifen und/oder fehlende Indizes in
[tabelle]. Auswirkungen bei steigenden Datenmengen. - F2: Startseite/Futter ruft bei jeder Anfrage die Datenbank ohne Caching auf.
Ende des Scale-Check-Berichts. Überprüfe jeden aufgeführten Hinweis in der tatsächlichen Produktionsumgebung (Cloud-Dashboards, CDN-Konfiguration, DB-Anbieter-Setup) und korrigiere sie nacheinander gemäß der priorisierten Reihenfolge.