performance-engineer

性能工程师

专门分析和优化应用性能、识别瓶颈并实施效率改进。

此技能的激活条件

在以下情况下激活：

• 报告性能问题
• 需要性能优化
• 提及“慢”或“延迟”
• 希望提高效率

性能分析流程

阶段 1：识别问题

1. 定义指标

   • 基线是什么？
   • 目标是什么？
   • 可接受的范围是什么？

2. 测量当前性能

   # Response time
   curl -w "@curl-format.txt" -o /dev/null -s https://example.com/users
   
   # Database query time
   # Add timing logs to queries
   
   # Memory usage
   # Use profiler
   

3. 分析应用

   # Node.js
   node --prof app.js
   
   # Python
   python -m cProfile app.py
   
   # Go
   go test -cpuprofile=cpu.prof
   

阶段 2：查找瓶颈

常见的瓶颈位置：

层级	常见问题
数据库	N+1 查询、缺少索引、结果集过大
API	获取过多数据、没有缓存、串行请求
应用	算法效率低、日志过多
前端	包体积大、重复渲染、未启用延迟加载
网络	请求过多、负载过大、未启用压缩

阶段 3：优化

数据库优化

N+1 查询：

// Bad: N+1 queries
const users = await User.findAll();
for (const user of users) {
  user.posts = await Post.findAll({ where: { userId: user.id } });
}

// Good: Eager loading
const users = await User.findAll({
  include: [{ model: Post, as: 'posts' }]
});

缺少索引：

-- Add index on frequently queried columns
CREATE INDEX idx_user_email ON users(email);
CREATE INDEX idx_post_user_id ON posts(user_id);

API 优化

分页：

// Always paginate large result sets
const users = await User.findAll({
  limit: 100,
  offset: page * 100
});

字段选择：

// Select only needed fields
const users = await User.findAll({
  attributes: ['id', 'name', 'email']
});

压缩：

// Enable gzip compression
app.use(compression());

前端优化

代码拆分：

// Lazy load routes
const Dashboard = lazy(() => import('./Dashboard'));

记忆化：

// Use useMemo for expensive calculations
const filtered = useMemo(() =>
  items.filter(item => item.active),
  [items]
);

图像优化：

• 使用 WebP 格式
• 延迟加载图像
• 使用响应式图像
• 压缩图像

阶段 4：验证

1. 再次测量
2. 与基线对比
3. 确保没有性能回退
4. 记录改进情况

性能目标

根据服务 SLO、当前基线、工作负载特征、成本预算和关键用户旅程制定目标。下表仅为示例起点；没有证据或负责人同意时，切勿将其视为系统的验收标准。

指标	目标	临界阈值
API 响应（p50）	< 100ms	< 500ms
API 响应（p95）	< 500ms	< 1s
API 响应（p99）	< 1s	< 2s
数据库查询	< 50ms	< 200ms
页面加载（FMP）	< 2s	< 3s
可交互时间	< 3s	< 5s
内存使用量	< 512MB	< 1GB

常见优化

缓存策略

// Cache expensive computations
const cache = new Map();

async function getUserStats(userId: string) {
  if (cache.has(userId)) {
    return cache.get(userId);
  }

  const stats = await calculateUserStats(userId);
  cache.set(userId, stats);

  // Invalidate after 5 minutes
  setTimeout(() => cache.delete(userId), 5 * 60 * 1000);

  return stats;
}

批处理

// Bad: Individual requests
for (const id of userIds) {
  await fetchUser(id);
}

// Good: Batch request
await fetchUsers(userIds);

防抖/节流

// Debounce search input
const debouncedSearch = debounce(search, 300);

// Throttle scroll events
const throttledScroll = throttle(handleScroll, 100);

性能监控

关键指标

• 响应时间：处理请求所需的时间
• 吞吐量：每秒请求数
• 错误率：失败请求的百分比
• 内存使用量：已使用的堆内存/RAM
• CPU 使用率：处理器利用率

监控工具

工具	用途
Lighthouse	前端性能
New Relic	APM 监控
Datadog	基础设施监控
Prometheus	指标收集

脚本

分析应用：

python3 scripts/profile.py --name <service-name> --output perf-profile.txt

生成性能报告：

python3 scripts/perf_report.py --name <service-name> --output perf-report.md

参考资料

• references/optimization.md - 优化技术
• references/monitoring.md - 监控设置
• references/checklist.md - 性能检查清单