D'abord, la conclusion : quand un WMS devient lent après le go-live, le serveur n'est généralement pas le problème. Les données, les requêtes, les tâches et les intégrations s'accumulent après le lancement sans que personne s'en occupe, et le poids finit par entraîner le système vers le bas. Ne commencez pas par ajouter des serveurs. Vérifiez dans l'ordre ci-dessous, arrêtez-vous à l'étape où le problème se montre, corrigez-le là, et seulement ensuite passez à la suite. J'ai vu exactement cette panne trois fois. L'entrepôt change à chaque fois, mais le scénario reste le même.
J'ai travaillé sur plus de 30 projets de go-live, et un schéma revient sans cesse. La première semaine, tout le monde dit que le système est rapide. Le deuxième mois, quelqu'un mentionne que le scan prend un moment. Le troisième mois, les préparateurs attendent que les pages tournent au front de picking. À la saison de pointe, tout l'entrepôt maudit le système. Le système lui-même n'a pas changé. Le volume de données a changé, le volume de tâches a changé et le volume d'appels d'intégration a changé. La lenteur n'arrive presque jamais en un jour. Elle arrive un peu chaque jour, jusqu'au jour où elle devient insupportable.
Cinq causes d'un WMS lent : trouvez d'abord la vôtre
La première cause est la croissance des données sans archivage. Les documents de réception, les documents d'expédition, les documents de comptage et les documents d'ajustement ne font que s'accumuler après le go-live. Après quelques années, une seule table détient des millions de lignes d'historique. Chaque requête doit creuser parmi les anciens documents pour trouver les nouveaux, alors les pages ralentissent. Pire, beaucoup de rapports scannent par défaut toute la table, donc une seule exécution de rapport punit toute la base de données.
La deuxième cause est la dégradation des index et des requêtes. Les index construits au go-live ont été conçus pour les requêtes de l'époque. L'activité change, de nouvelles conditions de requête apparaissent, et les anciens index ne correspondent plus. L'image classique : quelqu'un ajoute un filtre de statut ou trie par temps décroissant, l'index cesse d'être utilisé, le système retombe sur un scan complet de la table, et une requête entraîne tout un lot d'opérations avec elle.
La troisième cause est l'arriéré de vagues et de tâches. Trop de vagues, des vagues découpées trop petites, ou des règles d'allocation trop rigides laissent le pool de tâches plein de tâches expirées, annulées ou non attribuables. Chaque fois que le système alloue du travail, il doit d'abord trier ces tâches mortes. Plus le pool est grand, plus l'allocation est lente, et les préparateurs restent debout à attendre pendant que les tâches patientent dans une file.
La quatrième cause est le polling des intégrations. La plateforme e-commerce, les transporteurs et le système financier tirent tous des données selon un planning. Certains interrogent toutes les quelques minutes, et d'autres continuent de réessayer après un échec. Chaque appel semble petit pris isolément. Ensemble, ils forment une pression constante. La pire version est une tempête de réessais : un côté a un problème, l'autre côté réessaie frénétiquement, et le système est renversé par ses propres réessais.
La cinquième cause est le plafond du matériel et de la concurrence. Les serveurs ont été dimensionnés pour le volume du go-live, puis l'activité a grandi, le volume de commandes a doublé, et les utilisateurs simultanés ont doublé avec lui. Je mets cette cause en dernier exprès. Si les quatre premières ne sont pas corrigées, ajouter du matériel ne fait que reporter le plantage. Cela ne l'empêche pas.
Vérifiez un WMS lent dans cet ordre, et arrêtez-vous quand vous trouvez
Voici l'ordre de vérification que j'utilise sur les projets. Suivez-le étape par étape et ne sautez rien.
| Symptôme | Cause la plus probable | Vérifier d'abord |
|---|---|---|
| Toutes les pages sont lentes, pire l'après-midi | Croissance des données, pas d'archivage | Volume des documents historiques, politique d'archivage, périmètre des rapports |
| Une seule requête est lente, les autres pages vont bien | Dégradation des index et des requêtes | Le plan d'exécution de cette requête, si elle utilise un index |
| Les préparateurs attendent des tâches alors que le pool semble important | Arriéré de vagues et de tâches | Tâches expirées et annulées, règles de vagues |
| Blocages intermittents, bien une minute et mal la suivante | Polling des intégrations | Volume d'appels, réessais en échec |
| Tout ralentit en saison de pointe et récupère après | Plafond du matériel et de la concurrence | Charge du serveur, utilisateurs simultanés |
Étape une, regardez les données. Vérifiez le volume des documents historiques et si la politique d'archivage a déjà vraiment été exécutée. Dans beaucoup d'entrepôts, la politique existe dans un document et n'a jamais été exécutée. Archiver, ce n'est pas supprimer des données. C'est écarter les documents historiques froids pour que les requêtes en direct ne rencontrent que des données chaudes. Avant d'archiver, confirmez la durée de conservation avec la finance et les opérations, puis agissez. Ne décidez pas cela seul.
Étape deux, regardez la requête. Prenez la requête la plus lente et lisez son plan d'exécution. La raison pour laquelle un index cesse de fonctionner est souvent minuscule : un type de champ a changé, un sens de tri s'est inversé, ou une nouvelle condition n'a pas d'index. Vérifiez toute correction d'index d'abord dans l'environnement de test. Ne la changez jamais directement sur la base de données de production. Ma checklist de la nuit du go-live porte toujours la même ligne : listez les requêtes lentes avant le go-live.
Étape trois, nettoyez les tâches. Comptez les tâches expirées, annulées et mortes dans le pool, puis nettoyez-les en masse. Examinez aussi les règles de vagues : les vagues sont-elles découpées trop petites, une commande est-elle répartie sur plusieurs vagues ? Avant de changer les règles d'allocation, testez le changement sur un petit périmètre, confirmez que l'efficacité de picking s'améliore vraiment, et seulement ensuite déployez-le dans tout l'entrepôt.
Étape quatre, regardez les intégrations. Extrayez le volume d'appels par heure, cherchez les pics anormaux et comptez les réessais en échec. L'intervalle de polling peut-il être élargi ? Les réessais peuvent-ils être plafonnés ? Un échec peut-il déclencher une alerte au lieu de réessayer indéfiniment ? Cette étape révèle souvent une surprise : une intégration que plus personne n'utilise continue de tirer des données selon le planning chaque jour, consommant des ressources pour rien.
Étape cinq, et seulement maintenant, regardez le matériel. Si les quatre premières étapes sont propres et que le système est toujours lent, alors vérifiez la charge du serveur et la concurrence. À ce stade, ajouter du matériel est raisonnable. Avant de l'ajouter, calculez les chiffres : de combien le volume a grandi, de combien la concurrence a grandi, et si le goulot est le processeur, la mémoire ou le disque. Si vous ne pouvez pas le dire, ne l'ajoutez pas. Ajouter de la capacité au mauvais endroit, c'est de l'argent gaspillé.
Trois échecs que je continue de voir
Le premier échec est de lancer sans prévoir la croissance des données. Beaucoup de projets ne testent que le volume du jour du lancement et ne testent jamais le volume un an plus tard. Le système vole le premier jour, l'acceptation passe, et un an plus tard les données ont été multipliées et la lenteur devient inévitable. La checklist de la nuit du go-live doit comporter une ligne : test de charge au volume attendu dans un an.
Le deuxième échec est d'exécuter des rapports directement contre la base de données de production. Les opérations veulent des rapports, la finance veut des rapports, le propriétaire veut des rapports, et ces requêtes de rapport frappent la production pendant le pic de la journée, donc les opérations commerciales ralentissent avec eux. Les rapports devraient tourner contre une réplique en lecture ou un chemin de reporting séparé, et non pas rivaliser avec les opérations en direct pour les ressources.
Le troisième échec est celui des intégrations que personne ne surveille. Tout le monde surveille les intégrations au lancement, et une fois qu'elles tournent bien, plus personne ne les regarde. Le volume d'appels augmente peu à peu, les réessais augmentent peu à peu, et au moment où le système est entraîné vers le bas, les journaux d'intégration sont pleins d'échecs depuis longtemps. Les intégrations ont aussi besoin d'une routine hebdomadaire : volume d'appels, taux d'échec et nombre de réessais, revus une fois par semaine.
J'ai vu un entrepôt où les préparateurs commençaient chaque matin en attendant que le système se réveille. Deux secondes par scan, jour après jour, ont fini par coûter des centaines de préparations supplémentaires perdues. Après la correction, la première chose qu'un préparateur a dite, c'est que le système pouvait enfin suivre le rythme de ses mains. Un système lent n'est jamais seulement un problème technique. Il dévore directement le temps et la patience des gens sur le terrain.
Alors arrêtez de demander s'il faut ajouter un serveur. Vérifiez dans l'ordre, corrigez l'étape où le problème apparaît, puis inscrivez quatre choses dans la routine mensuelle : l'archivage, la revue des requêtes lentes, le nettoyage des tâches et les vérifications d'intégration. N'attendez pas le prochain ralentissement pour recommencer à corriger.
Par Lin Xiao, Consultant en implémentation WMS
Traduit de l'anglais. En cas de divergence, la version anglaise fait foi.







