performance-analysis

パフォーマンス分析スキル

ボトルネックの特定、スウォーム操作のプロファイリング、詳細なレポートの生成、実行可能な最適化の推奨事項の提示を行う包括的なパフォーマンス分析スイートです。

概要

このスキルでは、あらゆるパフォーマンス分析機能を統合しています。

• ボトルネック検出：通信、処理、メモリ、ネットワークにおけるパフォーマンスのボトルネックを特定します
• パフォーマンスプロファイリング：スウォーム操作をリアルタイムで監視し、履歴を分析します
• レポート生成：複数の形式で包括的なパフォーマンスレポートを作成します
• 最適化の推奨事項：パフォーマンスを改善するための AI による提案を提示します

クイックスタート

基本的なボトルネック検出

npx claude-flow bottleneck detect

パフォーマンスレポートの生成

npx claude-flow analysis performance-report --format html --include-metrics

分析と自動修正

npx claude-flow bottleneck detect --fix --threshold 15

主な機能

1. ボトルネック検出

コマンド構文

npx claude-flow bottleneck detect [options]

オプション

• --swarm-id, -s <id> - 特定のスウォームを分析します（デフォルト：現在のスウォーム）
• --time-range, -t <range> - 分析期間：1h、24h、7d、all（デフォルト：1h）
• --threshold <percent> - ボトルネックのしきい値（パーセント、デフォルト：20）
• --export, -e <file> - 分析結果をファイルにエクスポートします
• --fix - 自動最適化を適用します

使用例

# Basic detection for current swarm
npx claude-flow bottleneck detect

# Analyze specific swarm over 24 hours
npx claude-flow bottleneck detect --swarm-id swarm-123 -t 24h

# Export detailed analysis
npx claude-flow bottleneck detect -t 24h -e bottlenecks.json

# Auto-fix detected issues
npx claude-flow bottleneck detect --fix --threshold 15

# Low threshold for sensitive detection
npx claude-flow bottleneck detect --threshold 10 --export critical-issues.json

分析対象のメトリクス

通信のボトルネック：

• メッセージキューの遅延
• エージェントの応答時間
• 調整処理のオーバーヘッド
• メモリアクセスのパターン
• エージェント間通信のレイテンシ

処理のボトルネック：

• タスクの完了時間
• エージェントの使用率
• 並列実行の効率
• リソース競合
• CPU$メモリ使用パターン

メモリのボトルネック：

• キャッシュヒット率
• メモリアクセスのパターン
• ストレージ I/O のパフォーマンス
• ニューラルパターンの読み込み時間
• メモリ割り当ての効率

ネットワークのボトルネック：

• API 呼び出しのレイテンシ
• MCP 通信の遅延
• 外部サービスのタイムアウト
• 同時リクエストの上限
• ネットワークスループットの問題

出力形式

🔍 Bottleneck Analysis Report
━━━━━━━━━━━━━━━━━━━━━━━━━━━

📊 Summary
├── Time Range: Last 1 hour
├── Agents Analyzed: 6
├── Tasks Processed: 42
└── Critical Issues: 2

🚨 Critical Bottlenecks
1. Agent Communication (35% impact)
   └── coordinator → coder-1 messages delayed by 2.3s avg

2. Memory Access (28% impact)
   └── Neural pattern loading taking 1.8s per access

⚠️ Warning Bottlenecks
1. Task Queue (18% impact)
   └── 5 tasks waiting > 10s for assignment

💡 Recommendations
1. Switch to hierarchical topology (est. 40% improvement)
2. Enable memory caching (est. 25% improvement)
3. Increase agent concurrency to 8 (est. 20% improvement)

✅ Quick Fixes Available
Run with --fix to apply:
- Enable smart caching
- Optimize message routing
- Adjust agent priorities

2. パフォーマンスプロファイリング

リアルタイム検出

タスクの実行中に自動で分析します。

• 実行時間と複雑さの比較
• エージェントの使用率
• リソースの制約
• 操作のパターン

よくあるボトルネックのパターン

時間のボトルネック：

• 5 分を超えるタスク
• 並列化できる逐次処理
• 冗長なファイル操作
• 非効率なアルゴリズムの実装

調整処理のボトルネック：

• 複雑なタスクを単一のエージェントで処理している
• エージェント間の作業負荷の偏り
• 不適切なトポロジーの選択
• 過剰な同期ポイント

リソースのボトルネック：

• 操作数が多い（> 100）
• メモリの制約
• I/O の制限
• スレッドプールの飽和

MCP 統合

// Check for bottlenecks in Claude Code
mcp__claude-flow__bottleneck_detect({
  timeRange: "1h",
  threshold: 20,
  autoFix: false
})

// Get detailed task results with bottleneck analysis
mcp__claude-flow__task_results({
  taskId: "task-123",
  format: "detailed"
})

結果形式：

{
  "bottlenecks": [
    {
      "type": "coordination",
      "severity": "high",
      "description": "Single agent used for complex task",
      "recommendation": "Spawn specialized agents for parallel work",
      "impact": "35%",
      "affectedComponents": ["coordinator", "coder-1"]
    }
  ],
  "improvements": [
    {
      "area": "execution_time",
      "suggestion": "Use parallel task execution",
      "expectedImprovement": "30-50% time reduction",
      "implementationSteps": [
        "Split task into smaller units",
        "Spawn 3-4 specialized agents",
        "Use mesh topology for coordination"
      ]
    }
  ],
  "metrics": {
    "avgExecutionTime": "142s",
    "agentUtilization": "67%",
    "cacheHitRate": "82%",
    "parallelizationFactor": 1.2
  }
}

3. レポート生成

コマンド構文

npx claude-flow analysis performance-report [options]

オプション

• --format <type> - レポート形式：json、html、markdown（デフォルト：markdown）
• --include-metrics - 詳細なメトリクスとグラフを含めます
• --compare <id> - 前回のスウォームと比較します
• --time-range <range> - 分析期間：1h、24h、7d、30d、all
• --output <file> - 出力ファイルのパス
• --sections <list> - 含めるセクションをカンマ区切りで指定します

レポートのセクション

1. エグゼクティブサマリー

   • 全体的なパフォーマンススコア
   • 主要なメトリクスの概要
   • 重要な調査結果

2. スウォームの概要

   • トポロジーの構成
   • エージェントの分布
   • タスクの統計

3. パフォーマンスメトリクス

   • 実行時間
   • スループット分析
   • リソースの使用率
   • レイテンシの内訳

4. ボトルネック分析

   • 特定されたボトルネック
   • 影響の評価
   • 最適化の優先順位

5. 比較分析（--compare 使用時）

   • パフォーマンスの傾向
   • 改善の指標
   • リグレッションの検出

6. 推奨事項

   • 優先順位付きの対応項目
   • 期待される改善
   • 実装のガイダンス

使用例

# Generate HTML report with all metrics
npx claude-flow analysis performance-report --format html --include-metrics

# Compare current swarm with previous
npx claude-flow analysis performance-report --compare swarm-123 --format markdown

# Custom output with specific sections
npx claude-flow analysis performance-report \
  --sections summary,metrics,recommendations \
  --output reports$perf-analysis.html \
  --format html

# Weekly performance report
npx claude-flow analysis performance-report \
  --time-range 7d \
  --include-metrics \
  --format markdown \
  --output docs$weekly-performance.md

# JSON format for CI/CD integration
npx claude-flow analysis performance-report \
  --format json \
  --output build$performance.json

Markdown レポートの例

# Performance Analysis Report

## Executive Summary
- **Overall Score**: 87/100
- **Analysis Period**: Last 24 hours
- **Swarms Analyzed**: 3
- **Critical Issues**: 1

## Key Metrics
| Metric | Value | Trend | Target |
|--------|-------|-------|--------|
| Avg Task Time | 42s | ↓ 12% | 35s |
| Agent Utilization | 78% | ↑ 5% | 85% |
| Cache Hit Rate | 91% | → | 90% |
| Parallel Efficiency | 2.3x | ↑ 0.4x | 2.5x |

## Bottleneck Analysis
### Critical
1. **Agent Communication Delay** (Impact: 35%)
   - Coordinator → Coder messages delayed by 2.3s avg
   - **Fix**: Switch to hierarchical topology

### Warnings
1. **Memory Access Pattern** (Impact: 18%)
   - Neural pattern loading: 1.8s per access
   - **Fix**: Enable memory caching

## Recommendations
1. **High Priority**: Switch to hierarchical topology (40% improvement)
2. **Medium Priority**: Enable memory caching (25% improvement)
3. **Low Priority**: Increase agent concurrency to 8 (20% improvement)

4. 最適化の推奨事項

自動修正

--fix を使用すると、次の最適化が適用される場合があります。

1. トポロジーの最適化

• より効率的なトポロジーに切り替えます（メッシュ → 階層型）
• 通信パターンを調整します
• 調整にかかるオーバーヘッドを削減します
• メッセージルーティングを最適化します

2. キャッシュの強化

• メモリーキャッシュを有効にします
• キャッシュ戦略を最適化します
• よく使われるパターンを事前に読み込みます
• キャッシュウォーミングを実装します

3. 並行処理の調整

• エージェント数を調整します
• 並列実行を最適化します
• ワークロードの分散を調整します
• 負荷分散を実装します

4. 優先度の調整

• タスクキューの順序を変更します
• 重要な処理経路を優先します
• 待ち時間を短縮します
• 公平なスケジューリングを実装します

5. リソースの最適化

• メモリー使用量を最適化します
• I/O 操作を削減します
• API 呼び出しをバッチ処理します
• コネクションプーリングを実装します

パフォーマンスへの影響

ボトルネックの解消後に期待できる一般的な改善：

• 通信：メッセージ配信が 30～50％高速化
• 処理：タスク完了時間が 20～40％短縮
• メモリー：キャッシュミスが 40～60％減少
• ネットワーク：API レイテンシが 25～45％短縮
• 全体：パフォーマンスが合計で 25～45％向上

高度な使用方法

継続的なモニタリング

# Monitor performance in real-time
npx claude-flow swarm monitor --interval 5

# Generate hourly reports
while true; do
  npx claude-flow analysis performance-report \
    --format json \
    --output logs$perf-$(date +%Y%m%d-%H%M).json
  sleep 3600
done

CI/CD との統合

# .github$workflows$performance.yml
name: Performance Analysis
on: [push, pull_request]

jobs:
  analyze:
    runs-on: ubuntu-latest
    steps:
      - uses: actions$checkout@v2
      - name: Run Performance Analysis
        run: |
          npx claude-flow analysis performance-report \
            --format json \
            --output performance.json
      - name: Check Performance Thresholds
        run: |
          npx claude-flow bottleneck detect \
            --threshold 15 \
            --export bottlenecks.json
      - name: Upload Reports
        uses: actions$upload-artifact@v2
        with:
          name: performance-reports
          path: |
            performance.json
            bottlenecks.json

カスタム分析スクリプト

// scripts$analyze-performance.js
const { exec } = require('child_process');
const fs = require('fs');

async function analyzePerformance() {
  // Run bottleneck detection
  const bottlenecks = await runCommand(
    'npx claude-flow bottleneck detect --format json'
  );

  // Generate performance report
  const report = await runCommand(
    'npx claude-flow analysis performance-report --format json'
  );

  // Analyze results
  const analysis = {
    bottlenecks: JSON.parse(bottlenecks),
    performance: JSON.parse(report),
    timestamp: new Date().toISOString()
  };

  // Save combined analysis
  fs.writeFileSync(
    'analysis$combined-report.json',
    JSON.stringify(analysis, null, 2)
  );

  // Generate alerts if needed
  if (analysis.bottlenecks.critical.length > 0) {
    console.error('CRITICAL: Performance bottlenecks detected!');
    process.exit(1);
  }
}

function runCommand(cmd) {
  return new Promise((resolve, reject) => {
    exec(cmd, (error, stdout, stderr) => {
      if (error) reject(error);
      else resolve(stdout);
    });
  });
}

analyzePerformance().catch(console.error);

ベストプラクティス

1. 定期的な分析

• 大幅な変更後にボトルネック検出を実行します
• 週次のパフォーマンスレポートを生成します
• 時間の経過に伴う傾向をモニタリングします
• 自動アラートを設定します

2. しきい値の調整

• デフォルトのしきい値（20％）から始めます
• 本番システムでは低めに設定します（10～15％）
• 開発環境では高めに設定します（25～30％）
• 要件に応じて調整します

3. 修正の方針

• --fix を適用する前に、必ず内容を確認します
• まず開発環境で修正をテストします
• 修正を段階的に適用します
• 変更後の影響をモニタリングします

4. レポートの活用

• ドキュメントに含めます
• 定期的にチームと共有します
• 改善を継続的に追跡します
• キャパシティプランニングに活用します

5. 継続的な最適化

• 分析のたびに得られた知見を活用します
• パフォーマンス予算を作成します
• ベースラインを設定します
• 改善目標を設定します

トラブルシューティング

よくある問題

メモリー使用量が多い

# Analyze memory bottlenecks
npx claude-flow bottleneck detect --threshold 10

# Check cache performance
npx claude-flow cache manage --action stats

# Review memory metrics
npx claude-flow memory usage

タスクの実行が遅い

# Identify slow tasks
npx claude-flow task status --detailed

# Analyze coordination overhead
npx claude-flow bottleneck detect --time-range 1h

# Check agent utilization
npx claude-flow agent metrics

キャッシュのパフォーマンスが低い

# Analyze cache hit rates
npx claude-flow analysis performance-report --sections metrics

# Review cache strategy
npx claude-flow cache manage --action analyze

# Enable cache warming
npx claude-flow bottleneck detect --fix

他のスキルとの統合

• swarm-orchestration：パフォーマンスデータを使ってトポロジーを最適化します
• memory-management：分析結果に基づいてキャッシュ戦略を改善します
• task-coordination：ボトルネックに基づいてスケジューリングを調整します
• neural-training：パフォーマンスデータからパターンを学習します

関連コマンド

• npx claude-flow swarm monitor - リアルタイムモニタリング
• npx claude-flow token usage - トークン最適化分析
• npx claude-flow cache manage - キャッシュ最適化
• npx claude-flow agent metrics - エージェントのパフォーマンス指標
• npx claude-flow task status - タスク実行分析

関連項目

• ボトルネック検出ガイド
• パフォーマンスレポートガイド
• パフォーマンスのボトルネックの概要
• スウォームモニタリングのドキュメント
• メモリー管理のドキュメント

---

Version: 1.0.0 Last Updated: 2025-10-19 Maintainer: Claude Flow Team