optimization

优化

当任务涉及让系统运行更快、更轻量、更具扩展性或以其他方式提高效率时，使用此技能。

核心原则

要正确优化，你必须了解：

1. 你追求哪些指标
2. 真正的瓶颈在哪里

不要盲目优化。

1. 首先定义目标指标

修改代码前，确保测量方法正确。

• 确定真正重要的具体指标：延迟、吞吐量、内存、CPU、启动时间、编译时间、查询次数、令牌用量、成本等。
• 全面测量，而不只是测量方便获取的一部分。
• 确保指标准确，且能代表实际工作负载。
• 优先选择运行速度快的测量方式，以便快速迭代。
• 如果可能，创建可重复的基准测试或脚本，确保改进可验证。

2. 全面定位瓶颈

你应该能清楚地追踪系统各部分的运行情况。

• 为系统添加监测，了解时间和资源花在了哪里。
• 尽量同时采用：
  • 临时检查，用于快速调试
  • 记录测量数据，用于后续分析和比较
• 追踪完整执行路径上的工作，而不只是显而易见的慢速组件。
• 确保数据足够详细，能够解释成本的来源。

如果能在事后通过日志或跟踪分析运行情况，通常会比只依赖实时检查强大得多。

3. 同时进行静态分析

并非所有优化问题都需要先进行运行时性能分析。通常，检查代码就能发现问题。

检查以下方面：

• 渐近复杂度不合理
• 算法或数据结构选择不当
• 不必要的重复工作
• 在错误的层级执行工作
• 架构或控制流效率低下
• 方向性错误的方法

在调整细节前，先确保渐近复杂度合理，整体算法可行。

4. 先进行宏观优化，再进行微观优化

优先处理收益最大的改进。

• 与其让现有工作稍微便宜一些，不如先移除整类工作。
• 优先修复架构、批处理、缓存、查询模式、算法选择、并行处理和数据传输，再考虑微小的底层调整。
• 如果与预期指标相差甚远，就应花更多时间进行宏观优化。

只有在解决主要低效问题后，微观优化才最有价值。

推荐工作流

1. 定义成功指标。
2. 重现当前基线。
3. 如果缺少测量和归因机制，则添加这些机制。
4. 找出最主要的瓶颈。
5. 检查算法或架构问题。
6. 优先应用收益最大的修复。
7. 重新测量。
8. 重复以上步骤，直到达到目标，或权衡后发现继续优化不再值得。

注意事项

• 没有前后对比证据，不要声称优化有效。
• 谨慎选择指标，避免优化错了方向。
• 留意正确性、可靠性、可维护性和安全性方面的回归问题。
• 优先选择可测量、可解释且可逆的改动。