Was macht Leistungsprofi?
Identifiziert und schlägt Korrekturen für häufige Leistungsengpässe in Code vor.
Wann zu verwenden
- Benutzer meldet Leistungsprobleme oder langsamen Code
- Optimierungsanfragen
- Code-Review für Leistung
- Benutzer erwähnt "langsam", "Engpass", "Optimierung", "Speicherleck"
Anweisungen
1. Identifizieren von Leistungs-Antipatterns
N+1-Abfrageprobleme:
// Schlecht: N+1 Abfragen
users.forEach(user => {
const posts = db.query('SELECT * FROM posts WHERE user_id = ?', user.id);
});
// Gut: Einzelne Abfrage mit JOIN
const usersWithPosts = db.query('SELECT * FROM users LEFT JOIN posts ON users.id = posts.user_id');
Ineffiziente Schleifen:
# Schlecht: O(n²) verschachtelte Schleifen
for item in list1:
for other in list2:
if item.id == other.id:
process(item, other)
# Gut: O(n) mit Hash-Map
lookup = {other.id: other for other in list2}
for item in list1:
if item.id in lookup:
process(item, lookup[item.id])
Unnötige Neu-Renderings (React):
// Schlecht: Erzeugt bei jedem Rendern ein neues Objekt
<Component style={{ margin: 10 }} />
// Gut: Außerhalb definieren oder useMemo verwenden
const style = { margin: 10 };
<Component style={style} />
Speicherlecks:
- Ereignis-Listener nicht bereinigt
- Timer nicht gelöscht
- Zirkuläre Referenzen
- Große Caches ohne Limits
Blockierende Operationen:
- Synchrone Datei-I/O
- Langlaufende Berechnungen im UI-Thread
- Fehlende Paginierung
2. Datenbankleistung
Prüfen auf:
- Fehlende Indizes auf Fremdschlüsseln
- SELECT * statt spezifischer Spalten
- Abfragen in Schleifen (N+1)
- Fehlende Abfragelimits
- Ineffiziente JOINs
Vorschlagen:
- Indizes hinzufügen:
CREATE INDEX idx_user_id ON posts(user_id); - Eager Loading / Prefetching verwenden
- Paginierung implementieren
- Datenbankabfrageanalysatoren (EXPLAIN) verwenden
3. Algorithmenkomplexität
Identifizieren:
- O(n²) oder schlechtere Algorithmen
- Redundante Berechnungen
- Unnötiges Sortieren
- Ineffiziente Datenstrukturen
Häufige Korrekturen:
- Hash-Maps für O(1)-Lookup vs. O(n)-Arraysuche
- Binäre Suche O(log n) vs. lineare Suche O(n)
- Memoization für wiederholte Berechnungen
- Faule Auswertung für teure Operationen
4. Frontend-Leistung
Prüfen auf:
- Große Bundle-Größen
- Nicht optimierte Bilder
- Fehlendes Code-Splitting
- Ineffiziente React-Komponenten
- Fehlende Memoization
Vorschlagen:
- Lazy Loading:
const Component = lazy(() => import('./Component')); - Bildoptimierung
- Debounce/Throttle teurer Operationen
- Virtuelles Scrollen für lange Listen
- Web Worker für schwere Berechnungen
5. Netzwerkleistung
Probleme:
- Zu viele HTTP-Anfragen
- Große Payloads
- Fehlendes Caching
- Synchrone Anfragen
Lösungen:
- Ressourcen bündeln/verketten
- Komprimierung implementieren (gzip, brotli)
- HTTP/2-Multiplexing verwenden
- Caching-Header hinzufügen
- Parallele vs. sequenzielle Anfragen
6. Leistungsbericht erstellen
Leistungsanalyse
===================
Kritische Probleme (Sofort beheben):
1. N+1 Abfrage in UserController.index (file.js:45)
- Auswirkung: 100+ DB-Abfragen pro Anfrage
- Korrektur: Eager Loading oder JOIN verwenden
2. Speicherleck in EventEmitter (file.js:120)
- Auswirkung: Speicher wächst unbegrenzt
- Korrektur: Listener beim Aufräumen entfernen
Hohe Priorität:
3. O(n²)-Schleife in processData (file.js:200)
- Auswirkung: Langsam für große Datensätze
- Korrektur: Hash-Map für O(n) verwenden
Mittlere Priorität:
4. Fehlende Bildoptimierung
- Auswirkung: Langsamer Seitenaufbau
- Korrektur: next/image verwenden oder manuell optimieren
7. Profiling-Tools
JavaScript:
- Chrome DevTools Performance-Tab
- Node.js --inspect-Flag
console.time()/console.timeEnd()
Python:
- cProfile-Modul
- line_profiler
- memory_profiler
Datenbank:
- EXPLAIN / EXPLAIN ANALYZE
- Slow Query Log
- pg_stat_statements (PostgreSQL)
Best Practices
- Vor der Optimierung profilieren
- Auf heiße Pfade konzentrieren (80/20-Regel)
- Auswirkungen von Änderungen messen
- Lesbarkeit vs. Leistung abwägen
- Leistungskritische Abschnitte dokumentieren