https://blog.adriencaubel.fr/series/performance/Recent content in Performance on Adrien CAUBELHugoenSat, 31 Oct 2026 00:00:00 +0000https://blog.adriencaubel.fr/posts/performance/saturation_spring_hikari/Sat, 31 Oct 2026 00:00:00 +0000https://blog.adriencaubel.fr/posts/performance/saturation_spring_hikari/Cet article part d’un constat simple : on peut prévoir quand un système va s’effondrer avec une seule formule. La loi de Little relie trois grandeurs qu’on manipule tous les jours — débit, latence, concurrence — et permet de raisonner sur la capacité d’une application sans sortir l’artillerie lourde. La loi de Little Link to heading L = λ × W L est le nombre d’éléments présents dans le système λ est le débit W est le temps de traversée du système Traduit en termes plus familiers :https://blog.adriencaubel.fr/posts/performance/saturation_spring_hikari_2/Sat, 31 Oct 2026 00:00:00 +0000https://blog.adriencaubel.fr/posts/performance/saturation_spring_hikari_2/Tip GitHub projet : https://github.com/Adrien-Courses/Performance-loi-little-spring-hikari Dans la partie précédente, nous avons vu la théorie avec la loi de Little. Cette fois, nous passons à la pratique : on charge une vraie application et on vérifie que les chiffres collent. Notre banc de test : une application Spring Boot / JPA ; k6 pour générer la charge ; Prometheus pour collecter les métriques, et Grafana pour les afficher. Petit rappel de la loi de Little :