Minecraft: Erstellen Sie ein Leistungsprofil

Wenn Sie Leistungsprobleme auf Ihrem Server haben, kann Ihnen ein Profil mit Spark helfen, die genaue Ursache zu finden. Anstatt zu raten, welches Plugin, welche Mod oder welcher Teil Ihrer Welt dafür verantwortlich ist, liefert Ihnen Spark eine detaillierte Aufschlüsselung der Serverauslastung bis hin zu spezifischen Methoden und Funktionen. Diese Anleitung führt Sie durch die Einrichtung und den Start Ihres ersten Profils.

Spark einrichten

1. Laden Sie Spark für Ihren Servertyp herunter.
2. Öffnen Sie den AleForge Panel.
3. Wechseln Sie zum Tab Console und vergewissern Sie sich, dass Ihr Server gestoppt ist.
4. Wechseln Sie zum Files-Tab.
5. Laden Sie Spark in den für Ihren Servertyp korrekten Ordner hoch:
   • Forge- oder Fabric-Server: Laden Sie die Datei in den Ordner mods hoch.
   • Spigot- (und Paper-)Server: Laden Sie es in den Ordner plugins hoch.
6. Wechseln Sie zurück zum Tab Console und starten Sie Ihren Server.

Ausführen eines Profils

1. Um mit der Profilerstellung zu beginnen, führen Sie folgenden Befehl in console aus:

spark profiler start

2. Lassen Sie den Server eine Weile laufen, während er normal ausgelastet ist, einschließlich der Vorgänge, die die Verzögerung verursacht haben, sofern Sie diese reproduzieren können. Je länger der Server während des Auftretens des Problems läuft, desto mehr nützliche Daten erhalten Sie.
3. Wenn Sie das Profil ansehen möchten, während es noch läuft, verwenden Sie:

spark profiler open

Hier öffnet sich ein Link zu einer interaktiven, webbasierten Ansicht des Profils, in der Sie genau sehen können, welche Prozesse die meiste Zeit auf Ihrem Server in Anspruch nehmen.

4. Sobald Sie fertig sind, beenden Sie die Profilerstellung mit:

spark profiler stop

Hier finden Sie auch einen Link zum fertigen Bericht, falls Sie ihn nicht geöffnet haben, während er noch lief.

Ergebnisse lesen

Der Spark-Bericht zeigt Ihnen detailliert, wofür die Serververarbeitungszeit verwendet wird, aufgeschlüsselt nach Plugins, Modulen und einzelnen Funktionsaufrufen. Achten Sie auf Prozesse, die einen ungewöhnlich großen Anteil der Gesamtzeit beanspruchen – das ist in der Regel die Ursache. Wenn Sie sich bei der Interpretation der Daten unsicher sind, können Sie sich gerne mit einem Link zu Ihrem Spark-Bericht an den Support wenden. Wir helfen Ihnen gerne weiter.