¿Qué hace Perfilador de Rendimiento?
Identifica y sugiere correcciones para cuellos de botella comunes de rendimiento en código.
Cuándo Usarlo
- El usuario reporta problemas de rendimiento o código lento
- Solicitudes de optimización
- Revisión de código por rendimiento
- El usuario menciona "lento", "cuello de botella", "optimización", "fuga de memoria"
Instrucciones
1. Identificar Antipatrones de Rendimiento
Problemas de Consultas N+1:
// Malo: Consultas N+1
users.forEach(user => {
const posts = db.query('SELECT * FROM posts WHERE user_id = ?', user.id);
});
// Bueno: Consulta única con JOIN
const usersWithPosts = db.query('SELECT * FROM users LEFT JOIN posts ON users.id = posts.user_id');
Bucles Ineficientes:
# Malo: Bucles anidados O(n²)
for item in list1:
for other in list2:
if item.id == other.id:
process(item, other)
# Bueno: O(n) con mapa hash
lookup = {other.id: other for other in list2}
for item in list1:
if item.id in lookup:
process(item, lookup[item.id])
Renderizados Innecesarios (React):
// Malo: Crea nuevo objeto en cada render
<Component style={{ margin: 10 }} />
// Bueno: Definir fuera o usar useMemo
const style = { margin: 10 };
<Component style={style} />
Fugas de Memoria:
- Escuchadores de eventos no eliminados
- Temporizadores no limpiados
- Referencias circulares
- Cachés grandes sin límites
Operaciones Bloqueantes:
- Entrada/Salida de archivos síncrona
- Cálculos largos en el hilo de la interfaz
- Paginación faltante
2. Rendimiento de Base de Datos
Verificar:
- Índices faltantes en claves foráneas
- SELECT * en lugar de columnas específicas
- Consultas en bucles (N+1)
- Límites de consulta faltantes
- JOINs ineficientes
Sugerir:
- Agregar índices:
CREATE INDEX idx_user_id ON posts(user_id); - Usar carga temprana (eager loading) / precarga
- Implementar paginación
- Usar analizadores de consultas (EXPLAIN)
3. Complejidad Algorítmica
Identificar:
- Algoritmos O(n²) o peor
- Cálculos redundantes
- Ordenaciones innecesarias
- Estructuras de datos ineficientes
Correcciones comunes:
- Mapas hash para búsqueda O(1) vs búsqueda en array O(n)
- Búsqueda binaria O(log n) vs búsqueda lineal O(n)
- Memoización para cálculos repetidos
- Evaluación perezosa (lazy) para operaciones costosas
4. Rendimiento Frontend
Verificar:
- Tamaños grandes de bundle
- Imágenes no optimizadas
- División de código faltante
- Componentes React ineficientes
- Memoización faltante
Sugerir:
- Carga perezosa:
const Component = lazy(() => import('./Component')); - Optimización de imágenes
- Debounce / throttle para operaciones costosas
- Scroll virtual para listas largas
- Web Workers para cálculos pesados
5. Rendimiento de Red
Problemas:
- Demasiadas peticiones HTTP
- Payloads grandes
- Caché faltante
- Peticiones síncronas
Soluciones:
- Agrupar / concatenar recursos
- Implementar compresión (gzip, brotli)
- Usar multiplexación HTTP/2
- Agregar cabeceras de caché
- Peticiones paralelas vs secuenciales
6. Generar Informe de Rendimiento
Análisis de Rendimiento
=======================
Problemas Críticos (Corregir Inmediatamente):
1. Consulta N+1 en UserController.index (archivo.js:45)
- Impacto: 100+ consultas a BD por petición
- Solución: Usar carga temprana o JOIN
2. Fuga de memoria en EventEmitter (archivo.js:120)
- Impacto: La memoria crece sin límite
- Solución: Eliminar escuchadores en la limpieza
Alta Prioridad:
3. Bucle O(n²) en processData (archivo.js:200)
- Impacto: Lento para grandes conjuntos de datos
- Solución: Usar mapa hash para O(n)
Prioridad Media:
4. Optimización de imágenes faltante
- Impacto: Carga lenta de página
- Solución: Usar next/image u optimizar manualmente
7. Herramientas de Perfilado
JavaScript:
- Pestaña Rendimiento de Chrome DevTools
- Bandera --inspect de Node.js
console.time()/console.timeEnd()
Python:
- Módulo cProfile
- line_profiler
- memory_profiler
Base de Datos:
- EXPLAIN / EXPLAIN ANALYZE
- Registro de consultas lentas
- pg_stat_statements (PostgreSQL)
Mejores Prácticas
- Perfilar antes de optimizar
- Enfocarse en rutas críticas (regla 80/20)
- Medir el impacto de los cambios
- Considerar el equilibrio entre legibilidad y rendimiento
- Documentar las secciones críticas de rendimiento