القائمة
性能优化专家，提供瓶颈识别、SQL调优、缓存策略设计、压测指导。触发：性能优化、瓶颈定位、JVM调优、压测、慢接口优化、performance optimization。
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/wonderslife/pdd-skills-v3 --skill expert-performanceيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
"PDD框架下的业务分析Skill，用5W1H、MECE、CRUD等方法论进行需求分析和业务建模。触发：业务分析、需求分析、需求建模、5W1H分析、MECE、流程分析、/analyze、/audit、/doc。"
PDD框架下的代码审查Skill，验证功能点实现是否符合开发规格和验收标准。触发：代码审查、代码review、PDD审查、质量检查、code review。
PDD框架下的文档变更管理Skill，管理开发规格文档修改工作流。当需求变更需要更新规格文档时调用。支持中文触发：文档变更、规格修改、需求变更、变更管理。
استنادا إلى تصنيف SOC المهني
عرض SKILL.md
| name | expert-performance |
| description | 性能优化专家，提供瓶颈识别、SQL调优、缓存策略设计、压测指导。触发：性能优化、瓶颈定位、JVM调优、压测、慢接口优化、performance optimization。 |
| license | MIT |
| author | neuqik@hotmail.com |
| version | 1.0.0 |
| triggers | ["性能优化","瓶颈定位","JVM调优"] |
系统的"加速引擎"，通过数据驱动的瓶颈诊断、渐进式优化策略和全链路分析，在有限硬件资源下实现最优响应时间和吞吐量。不负责功能开发/架构设计。
输入: 性能问题描述/监控指标/慢查询日志/压测报告 | 输出: 瓶颈诊断报告/优化方案/性能基准报告 | 不负责: 功能开发/架构设计/安全审计
| 维度 | 检测方法 | 常见症状 | 工具 |
|---|---|---|---|
| CPU | top/jstat/Arthas火焰图 | CPU持续>80%, 大量RUNNABLE | Arthas, VisualVM |
| 内存 | jmap/histo/GC日志 | 频繁Full GC, OOM | MAT, JProfiler |
| I/O | iostat/vmstat | 磁盘IO等待高, 慢查询 | pt-ioprofile |
| 网络 | tcpdump/wireshark | RT波动大, 连接池耗尽 | Wireshark, JMeter |
| 锁竞争 | jstack/thread dump | 大量BLOCKED/WAITING | Arthas thread |
-- ❌ 慢: 无索引全表扫描
SELECT * FROM asset_disposal WHERE status = 'APPROVED' ORDER BY create_time DESC;
-- ✅ 快: 复合索引 idx_status_ctime(status, create_time) + 覆盖索引
SELECT id, status, create_time FROM ...;
连接池 (HikariCP)：
spring:
datasource:
hikari:
maximum-pool-size: 20 # CPU核心数×2+磁盘数
minimum-idle: 5
idle-timeout: 300000
max-lifetime: 1800000
connection-timeout: 30000
leak-detection-threshold: 60000
| 场景 | 方案 | TTL | 防护 |
|---|---|---|---|
| 配置数据 | Redis String | 30min | 无 |
| 热点查询 | Redis Hash + Caffeine | 5min+1min | 互斥锁+随机TTL |
| 计数器 | Redis INCR + Lua | 滑动窗口 | 分布式锁 |
| 会话 | Redis Hash + 过期 | Session时长 | - |
穿透防护: 布隆过滤器 + 空值缓存
@Cacheable(value = "user", unless = "#result == null")
public User getUserById(Long id) {
if (!bloomFilter.mightContain(id)) return null;
User user = userMapper.selectById(id);
if (user == null) redisTemplate.opsForValue().set("null:" + id, "", 60, TimeUnit.SECONDS);
return user;
}
-Xms6g -Xmx6g
-XX:+UseG1GC
-XX:MaxGCPauseMillis=200
-XX:G1HeapRegionSize=16m
-XX:InitiatingHeapOccupancyPercent=45
-XX:+HeapDumpOnOutOfMemoryError
-XX:HeapDumpPath=/var/log/java/
-XX:+UseStringDeduplication
-Djava.awt.headless=true
| 接口类型 | P99 | P95 | P50 |
|---|---|---|---|
| 普通CRUD | <500ms | <200ms | <50ms |
| 复杂查询 | <2000ms | <1000ms | <300ms |
| 文件操作 | <5000ms | <3000ms | <1000ms |
| 批量导入 | <30000ms | <15000ms | <5000ms |
异步化改造 (Spring @Async):
@Async("taskExecutor")
@EventListener
public void handleApprovalEvent(ApprovalEvent event) {
notificationService.send(event); // 通知/统计/日志，不阻塞主流程
statsService.updateCount(event);
auditService.log(event);
}
违规: ❌"感觉慢加个缓存"无基线 ❌同时改多个参数 ❌只看慢日志加索引(可能N+1) ❌"全部优化到<100ms"过度优化 ❌优化后不回归直接上线 合规: ✅Arthas火焰图确认CPU热点再优化 ✅连接池10→15观察QPS/RT ✅全链路追踪RT分布 ✅目标"双11峰值3万QPS,P99<500ms" ✅压测对比P99/P95/P50无退化再发布
| # | 陷阱 | 应该怎么做 |
|---|---|---|
| 1 | Redis能解决一切 | 分析读写比和一致性，选合适策略或不缓存 |
| 2 | 加索引就变快 | EXPLAIN分析执行计划，权衡读/写 |
| 3 | JVM参数照抄 | 按GC日志分析结果定制 |
| 4 | 异步化一定更快 | 仅高延迟非关键路径用异步，主流程保持同步 |
| 5 | 压测过了就没问题 | 补充混沌测试/稳态压测/故障注入 |
常见陷阱: 局部优化(全链路优先) | 工具崇拜(先证明简单方案不行再引入) | 忽视退化(发布前建性能基线) | 忽略成本(满足SLA前提下选性价比最高)
Layer 1 输入
Layer 2 执行
Layer 3 输出
处理流程: 🔴 CRITICAL→停止补充信息后继续 | 🟡 WARN→记录标注自动补充 | 🔵 INFO→记录继续
优化前: [ ]采集基线(P99/P95/P50, QPS, CPU, Memory, GC) [ ]明确目标 [ ]确认范围 [ ]备好回滚 优化中: [ ]单变量渐进 [ ]记录Before/After [ ]预发验证 [ ]回归测试 优化后: [ ]更新基线文档 [ ]设告警阈值 [ ]总结报告 [ ]知识分享