performance-analysis

性能分析技能

全面的性能分析套件，可用于识别瓶颈、分析 Swarm 操作、生成详细报告并提供可执行的优化建议。

概述

此技能整合了所有性能分析能力：

• 瓶颈检测：识别通信、处理、内存和网络方面的性能瓶颈
• 性能分析：实时监控和历史分析 Swarm 操作
• 报告生成：以多种格式创建全面的性能报告
• 优化建议：由 AI 提供性能改进建议

快速开始

基本瓶颈检测

npx claude-flow bottleneck detect

生成性能报告

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

分析并自动修复

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

核心能力

1. 瓶颈检测

命令语法

npx claude-flow bottleneck detect [options]

选项

• --swarm-id, -s <id> - 分析指定的 Swarm（默认：当前 Swarm）
• --time-range, -t <range> - 分析时段：1h、24h、7d、all（默认：1h）
• --threshold <percent> - 瓶颈阈值百分比（默认：20）
• --export, -e <file> - 将分析结果导出到文件
• --fix - 应用自动优化

使用示例

# 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

分析指标

通信瓶颈：

• 消息队列延迟
• Agent 响应时间
• 协调开销
• 内存访问模式
• Agent 间通信延迟

处理瓶颈：

• 任务完成时间
• Agent 利用率
• 并行执行效率
• 资源竞争
• CPU/内存使用模式

内存瓶颈：

• 缓存命中率
• 内存访问模式
• 存储 I/O 性能
• 神经模式加载时间
• 内存分配效率

网络瓶颈：

• API 调用延迟
• MCP 通信延迟
• 外部服务超时
• 并发请求限制
• 网络吞吐量问题

输出格式

🔍 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. 性能分析

实时检测

在任务执行期间自动分析：

• 执行时间与复杂度
• Agent 利用率
• 资源限制
• 操作模式

常见瓶颈模式

时间瓶颈：

• 耗时超过 5 分钟的任务
• 可并行执行却采用顺序执行的操作
• 冗余的文件操作
• 低效的算法实现

协调瓶颈：

• 使用单个 Agent 处理复杂任务
• Agent 工作负载不均衡
• 拓扑选择不当
• 同步点过多

资源瓶颈：

• 操作数量过多（> 100）
• 内存限制
• I/O 限制
• 线程池饱和

MCP 集成

// 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"
})

结果格式：

{
  "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. 报告生成

命令语法

npx claude-flow analysis performance-report [options]

选项

• --format <type> - 报告格式：json、html、markdown（默认：markdown）
• --include-metrics - 包含详细指标和图表
• --compare <id> - 与之前的 Swarm 进行比较
• --time-range <range> - 分析时段：1h、24h、7d、30d、all
• --output <file> - 输出文件路径
• --sections <list> - 以逗号分隔的要包含的章节列表

报告章节

1. 执行摘要

   • 整体性能评分
   • 关键指标概览
   • 重要发现

2. Swarm 概览

   • 拓扑配置
   • Agent 分布
   • 任务统计

3. 性能指标

   • 执行时间
   • 吞吐量分析
   • 资源利用率
   • 延迟细分

4. 瓶颈分析

   • 已识别的瓶颈
   • 影响评估
   • 优化优先级

5. 对比分析（使用 --compare 时）

   • 性能趋势
   • 改进指标
   • 回归检测

6. 建议

   • 按优先级排序的行动项
   • 预期改进
   • 实施指南

使用示例

# 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 报告示例

# 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. 优化建议

自动修复

使用 --fix 时，可能会应用以下优化：

1. 拓扑优化

• 切换为更高效的拓扑结构（网状 → 层级）
• 调整通信模式
• 降低协调开销
• 优化消息路由

2. 缓存增强

• 启用内存缓存
• 优化缓存策略
• 预加载常见模式
• 实现缓存预热

3. 并发调优

• 调整 Agent 数量
• 优化并行执行
• 平衡工作负载分配
• 实现负载均衡

4. 优先级调整

• 重新排序任务队列
• 优先处理关键路径
• 缩短等待时间
• 实现公平调度

5. 资源优化

• 优化内存使用
• 减少 I/O 操作
• 批量调用 API
• 实现连接池

性能影响

解决瓶颈后，通常可实现以下改进：

• 通信：消息传递速度提升 30-50%
• 处理：任务完成时间缩短 20-40%
• 内存：缓存未命中减少 40-60%
• 网络：API 延迟降低 25-45%
• 整体：总体性能提升 25-45%

高级用法

持续监控

# 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 集成

# .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

自定义分析脚本

// 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);

最佳实践

1. 定期分析

• 在重大更改后运行瓶颈检测
• 每周生成性能报告
• 持续监控趋势
• 设置自动提醒

2. 阈值调优

• 从默认阈值（20%）开始
• 生产系统采用较低阈值（10-15%）
• 开发环境采用较高阈值（25-30%）
• 根据需求进行调整

3. 修复策略

• 应用 --fix 前务必先检查
• 先在开发环境中测试修复
• 逐步应用修复
• 更改后监控影响

4. 报告集成

• 纳入文档
• 定期与团队分享
• 持续跟踪改进情况
• 用于容量规划

5. 持续优化

• 从每次分析中吸取经验
• 制定性能预算
• 建立基准
• 设定改进目标

故障排除

常见问题

内存使用率高

# 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

任务执行缓慢

# 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

缓存性能不佳

# 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

与其他技能集成

• swarm-orchestration：使用性能数据优化拓扑结构
• memory-management：根据分析结果改进缓存策略
• task-coordination：根据瓶颈调整调度
• neural-training：基于性能数据训练模式

相关命令

• npx claude-flow swarm monitor - 实时监控
• npx claude-flow token usage - Token 优化分析
• npx claude-flow cache manage - 缓存优化
• npx claude-flow agent metrics - Agent 性能指标
• npx claude-flow task status - 任务执行分析

另请参阅

• 瓶颈检测指南
• 性能报告指南
• 性能瓶颈概览
• Swarm 监控文档
• 内存管理文档

---

版本：1.0.0 最后更新：2025-10-19 维护者：Claude Flow Team