performance-profilinglisted

# Performance Profiling — 性能分析技能 系统性性能分析，从指标采集到瓶颈定位再到优化方案。 ## Goal 系统性性能分析和优化，包含 CPU/内存/IO 分析、瓶颈定位、优化方案、监控指标 ## Trigger - 用户要求"性能分析"、"性能优化"、"分析瓶颈" - 系统响应慢需要定位原因 - 需要建立性能监控 ## 分析流程 ``` 问题定义 → 指标采集 → 瓶颈定位 → 优化方案 → 效果验证 → 持续监控 ``` ## 性能指标体系 ### 应用层指标 | 指标 | 含义 | 健康范围 | |------|------|----------| | P50 响应时间 | 50% 请求的延迟 | < 200ms | | P95 响应时间 | 95% 请求的延迟 | < 500ms | | P99 响应时间 | 99% 请求的延迟 | < 1000ms | | TPS/QPS | 每秒事务/查询数 | 业务预期的 1.5 倍 | | 错误率 | 失败请求占比 | < 0.1% | | 并发数 | 同时处理的请求数 | < 连接池大小 | ### 系统层指标 | 指标 | 含义 | 健康范围 | |------|------|----------| | CPU 使用率 | 处理器负载 | < 70% | | 内存使用率 | 内存占用 | < 80% | | 磁盘 I/O | 磁盘读写 | < 80% 利用率 | | 网络 I/O | 网络带宽 | < 70% 带宽 | | 连接数 | 数据库/HTTP 连接 | < 连接池 80% | ### 数据库指标 | 指标 | 含义 | 健康范围 | |------|------|----------| | 查询延迟 | 单次查询耗时 | < 10ms (简单查询) | | 慢查询数 | 超过阈值的查询 | < 1/分钟 | | 连接池使用率 | 活跃连接占比 | < 80% | | 缓存命中率 | 缓存有效率 | > 90% | | 锁等待时间 | 等待锁的时间 | < 100ms | ## Python 性能分析 ### cProfile 基础分析 ```bash # 分析整个脚本 python -m cProfile -s cumtime script.py # 输出到文件 python -m cProfile -o output.prof script.py # 可视化分析 pip install snakeviz snakeviz output.prof ``` ### line_profiler 逐行分析 ```python # 安装: pip install line_profiler # 使用 @profile 装饰器 @profile def slow_function(): data = load_data() # Line 3 processed = process(data) # Line 4 result = calculate(processed) # Line 5 return result ``` ```bash # 运行分析 kernprof -l -v script