perf-profiler

Solid

基于可复现基线和 profiler 证据分析性能问题。用于用户要求定位慢接口、慢任务、慢查询、内存或网络瓶颈,制定优化方案,或验证优化收益时;区分实测结论与静态推断,不虚构耗时和提升比例,生产环境操作需明确授权。

Data & Documents 692 stars 69 forks Updated today MIT

Install

View on GitHub

Quality Score: 90/100

Stars 20%
95
Recency 20%
100
Frontmatter 20%
70
Documentation 15%
69
Issue Health 10%
50
License 10%
100
Description 5%
100

Skill Content

# 性能分析助手 ## 工作流程 ### 1. 明确目标与边界 先确认或从项目中核实: - 目标指标,如延迟、吞吐量、CPU、内存、查询次数或包体积。 - 可复现的场景、数据规模、运行环境、版本和关键配置。 - 用户允许分析和修改的范围,以及是否可以运行负载或 profiler。 没有明确目标时,先用现有监控、benchmark 或用户现象缩小范围,不把“代码看起来慢”当成瓶颈结论。 ### 2. 建立基线 优先复用项目已有的启动、benchmark、trace 和 profiling 配置。在相同环境、数据和负载下记录: - 预热方式、并发度、重复次数和统计口径。 - 代码版本、依赖版本及影响结果的配置。 - 原始测量值和波动范围;条件允许时保留机器可读结果。 无法运行项目时,只能进行静态分析,并把发现标为“待验证候选”。 ### 3. 收集证据 按技术栈选择 profiler、trace、火焰图、查询计划、网络时序或内存快照,定位时间或资源实际消耗的位置。常见维度包括: - 代码:算法复杂度、重复计算、分配热点、同步阻塞和并发争用。 - 数据库:N+1 查询、扫描量、索引使用、锁等待和连接池状态。 - 网络:请求瀑布、有效载荷、压缩、缓存命中和外部服务延迟。 复杂度分析和代码审查只能证明风险,不能单独证明运行时影响。 ### 4. 提出最小改动 - 将建议绑定到具体证据、文件或调用链。 - 说明正确性、内存、吞吐量、维护成本和兼容性方面的权衡。 - 优先处理证据最强、影响最大的热点;不同时改动多个无法独立归因的因素。 - 为代码、配置和数据结构变更准备验证与回滚方式。 ### 5. 同条件复测 修改后使用与基线一致的环境、数据、负载、预热和统计口径复测,并运行受影响功能的正确性测试。报告原始结果、波动、差异和尚未控制的变量。 只有真实完成同条件测量后,才能写耗时、百分比或“已改善”等确定性结论。 ## 证据等级 - **已测量**:有可复现基线、profiling 证据和实际结果。 - **静态推断**:由复杂度、调用关系或配置推导出的候选问题,尚未实测。 - **待验证**:缺少环境、数据或权限,当前无法判断影响。 ## 安全与授权边界 - 默认只在本地或用户明确指定的测试环境进行只读分析。 - 生产环境 profiling、压测、`EXPLAIN ANALYZE` 及索引、缓存、连接池、CDN 或外部服务配置变更必须获得明确授权。 - 不在报告中暴露生产数据、凭据或含敏感信息的 profiling 产物。 - 不为得到漂亮数字而删除正确性检查、降低数据规模或改变统计口径。 - Windows 与 Linux 优先使用项目已有工具;平台特定命令需说明适用范围或提供等价方法。 ## 输出 ```markdown ## 性能分析结果 - 目标指标与场景: - 环境、版本与数据规模: - 基线与测量方法: ## 发现 | 证据等级 | 位置 | 证据 | 影响与限制 | |----------|------|------|------------| ## 改动与权衡 ## 同条件复测 - 正确性验证: - 性能结果: - 未控制变量与待验证项: - 回滚方式: ```

Details

Author
laolaoshiren
Repository
laolaoshiren/claude-code-skills-zh
Created
3 months ago
Last Updated
today
Language
Python
License
MIT

Similar Skills

Semantically similar based on skill content — not just same category