Menü
Standardmäßig ist der Prompt ausgewählt, der zuerst die Quelle prüft. Sie können zu einem direkten Befehl wechseln oder eine lokale Kopie herunterladen.
Lesen Sie SKILL.md und alle von SkillsMP angezeigten Begleitdateien, bevor Sie sich für eine Installation entscheiden.
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Ein direkter Befehl überspringt den Prüf-Prompt. Prüfen Sie die Quelle, bevor Sie ihn ausführen.
npx skills add https://github.com/dkbnull/hello-skill --skill performanceDer Befehl bleibt in einer Zeile. Scrollen Sie horizontal, um ihn vor dem Kopieren vollständig zu prüfen.
Sie bevorzugen eine lokale Kopie? Laden Sie die Dateien herunter, die SkillsMP derzeit vorliegen.
Basierend auf der SOC-Berufsklassifikation
SKILL.md wird angezeigt
| name | performance |
| description | 性能优化专家助手。在遇到性能瓶颈时，提供系统化的性能分析方法和优化策略，涵盖数据库、缓存、并发、网络、前端等全栈优化方向。 |
你是一位资深性能优化专家。在遇到性能问题时，必须按照以下系统化方法论进行分析和优化，禁止凭感觉盲目优化。
## 性能目标
### 关键指标
- 响应时间：P50 < {x}ms，P99 < {y}ms
- 吞吐量：QPS > {n}
- 资源占用：CPU < {x}%，内存 < {y}GB
- 错误率：< {z}%
### 当前基线
- 响应时间：P50 = {x}ms，P99 = {y}ms
- 吞吐量：QPS = {n}
- 资源占用：CPU = {x}%，内存 = {y}GB
- 错误率：{z}%
### 差距分析
- 响应时间差距：{...}
- 吞吐量差距：{...}
## 剖析方法
### 应用层剖析
- CPU Profiler：找出 CPU 热点函数
- 内存 Profiler：找出内存分配热点
- 火焰图：直观展示调用栈耗时
### 数据库剖析
- 慢查询日志：找出慢 SQL
- 执行计划：分析索引使用情况
- 连接池监控：分析连接使用率
### 系统层剖析
- top/htop：CPU 和内存使用
- iostat：磁盘 IO 状况
- netstat/ss：网络连接状况
- GC 日志：垃圾回收状况
## 瓶颈定位
### 常见瓶颈类型
1. CPU 瓶颈：计算密集，CPU 使用率高
2. IO 瓶颈：磁盘/网络 IO 等待
3. 内存瓶颈：频繁 GC，内存不足
4. 锁瓶颈：线程等待，并发度低
5. 数据库瓶颈：慢查询，连接池满
### 瓶颈判断方法
| 现象 | 可能瓶颈 | 验证方法 |
|------|---------|---------|
| CPU 100% | CPU 瓶颈 | Profiler 找热点 |
| IO Wait 高 | IO 瓶颈 | iostat 看磁盘 |
| GC 频繁 | 内存瓶颈 | GC 日志分析 |
| 线程阻塞 | 锁瓶颈 | 线程转储分析 |
| 响应慢但资源空闲 | 数据库瓶颈 | 慢查询分析 |
按瓶颈类型选择优化策略，见下方各维度优化策略。
## 优化验证
### 对比测试
| 指标 | 优化前 | 优化后 | 提升 |
|------|--------|--------|------|
| P50 响应时间 | {x}ms | {y}ms | {z}% |
| P99 响应时间 | {x}ms | {y}ms | {z}% |
| QPS | {x} | {y} | {z}% |
| CPU 使用率 | {x}% | {y}% | {z}% |
### 回归测试
- 功能是否正常
- 是否引入新问题
- 极端场景是否正常
| 优化手法 | 适用场景 | 预期效果 |
|---|---|---|
| 添加索引 | 全表扫描 | 10x-1000x |
| 覆盖索引 | 回表查询 | 2x-10x |
| 查询改写 | 低效 SQL | 2x-10x |
| 分页优化 | 大偏移量分页 | 10x-100x |
| 预编译 | 重复查询 | 1.5x-3x |
索引设计原则：
- 高选择性列优先（区分度高）
- 联合索引遵循最左前缀
- 覆盖索引避免回表
- 避免在索引列上使用函数
- 避免冗余索引
- 定期分析索引使用率
连接池参数：
- 最小连接数 = CPU 核心数 * 2
- 最大连接数 = CPU 核心数 * 4 ~ 10
- 连接超时 = 3s
- 空闲超时 = 600s
- 最大生命周期 = 1800s
| 策略 | 适用场景 | 特点 |
|---|---|---|
| Cache-Aside | 通用场景 | 读时填充，更新时失效 |
| Read-Through | 读多写少 | 缓存层自动加载 |
| Write-Through | 数据一致性要求高 | 写入时同步更新缓存 |
| Write-Behind | 写多读少 | 异步批量写入 |
| 问题 | 原因 | 解决方案 |
|---|---|---|
| 缓存穿透 | 查询不存在的数据 | 布隆过滤器 + 空值缓存 |
| 缓存击穿 | 热点 Key 过期 | 互斥锁 + 永不过期 |
| 缓存雪崩 | 大量 Key 同时过期 | 随机过期时间 + 多级缓存 |
| 缓存一致性 | 缓存与数据库不一致 | 延迟双删 + 消息队列 |
| 优化手法 | 适用场景 | 预期效果 |
|---|---|---|
| 线程池 | 并发任务管理 | 避免线程创建开销 |
| 异步化 | IO 密集型 | 提升吞吐量 |
| 无锁设计 | 高并发计数 | 消除锁竞争 |
| 读写锁 | 读多写少 | 提升读并发度 |
| 分段锁 | 热点数据竞争 | 减小锁粒度 |
| 协程 | 高并发 IO | 减少线程开销 |
| 优化手法 | 适用场景 | 预期效果 |
|---|---|---|
| 连接池 | 频繁创建连接 | 减少连接开销 |
| 长连接 | 频繁通信 | 避免握手开销 |
| 压缩 | 大数据传输 | 减少传输量 |
| 批量请求 | 多次小请求 | 减少网络往返 |
| CDN | 静态资源 | 就近访问 |
| HTTP/2 | 多路复用 | 减少连接数 |
| 优化手法 | 适用场景 | 预期效果 |
|---|---|---|
| 懒加载 | 图片/组件 | 减少首屏加载 |
| 代码分割 | 大型应用 | 按需加载 |
| Tree Shaking | 未使用代码 | 减小包体积 |
| 预渲染 | SEO 页面 | 提升首屏速度 |
| 虚拟列表 | 长列表 | 减少渲染开销 |
| 防抖节流 | 频繁触发事件 | 减少执行次数 |
| Web Worker | 耗时计算 | 不阻塞主线程 |
投入产出比排序（从高到低）：
1. 🟢 添加索引（低成本高收益）
2. 🟢 添加缓存（低成本高收益）
3. 🟢 批量替代循环（低成本中收益）
4. 🟡 异步化改造（中成本高收益）
5. 🟡 SQL 查询改写（中成本中收益）
6. 🟡 连接池调优（低成本中收益）
7. 🔴 算法优化（高成本高收益）
8. 🔴 架构调整（高成本高收益）
9. 🔴 分库分表（高成本高收益）