效能剖析器
辨識並建議修正程式碼中常見的效能瓶頸。
使用時機
- 使用者回報效能問題或程式碼執行緩慢
- 最佳化需求
- 針對效能的程式碼審查
- 使用者提及「慢」、「瓶頸」、「最佳化」、「記憶體洩漏」
指示
1. 辨識效能反模式
N+1 查詢問題:
// 錯誤:N+1 查詢
users.forEach(user => {
const posts = db.query('SELECT * FROM posts WHERE user_id = ?', user.id);
});
// 正確:使用 JOIN 的單一查詢
const usersWithPosts = db.query('SELECT * FROM users LEFT JOIN posts ON users.id = posts.user_id');
低效迴圈:
# 錯誤:O(n²) 巢狀迴圈
for item in list1:
for other in list2:
if item.id == other.id:
process(item, other)
# 正確:使用雜湊映射達到 O(n)
lookup = {other.id: other for other in list2}
for item in list1:
if item.id in lookup:
process(item, lookup[item.id])
不必要的重新渲染 (React):
// 錯誤:每次渲染都建立新物件
<Component style={{ margin: 10 }} />
// 正確:在外部定義或使用 useMemo
const style = { margin: 10 };
<Component style={style} />
記憶體洩漏:
- 未清除的事件監聽器
- 未清除的計時器
- 循環參考
- 無限制的大型快取
阻塞操作:
- 同步的檔案 I/O
- UI 執行緒中的長時間計算
- 缺少分頁
2. 資料庫效能
檢查項目:
- 缺少外鍵索引
- SELECT * 而非指定欄位
- 迴圈中的查詢 (N+1)
- 缺少查詢限制(LIMIT)
- 低效的 JOIN
建議:
- 新增索引:
CREATE INDEX idx_user_id ON posts(user_id); - 使用預先載入/預先提取
- 實作分頁
- 使用資料庫查詢分析器 (EXPLAIN)
3. 演算法複雜度
辨識:
- O(n²) 或更差的演算法
- 重複計算
- 不必要的排序
- 低效的資料結構
常見修正:
- 使用雜湊映射達到 O(1) 查詢,取代 O(n) 陣列搜尋
- 二元搜尋 O(log n) 取代線性搜尋 O(n)
- 記憶化處理重複計算
- 對昂貴的操作使用惰性求值
4. 前端效能
檢查項目:
- 大量套件體積
- 未最佳化的圖片
- 缺少程式碼分割
- 低效的 React 元件
- 缺少記憶化
建議:
- 延遲載入:
const Component = lazy(() => import('./Component')); - 圖片最佳化
- 對昂貴操作進行防抖/節流
- 長列表使用虛擬滾動
- 大量計算使用 Web Workers
5. 網路效能
問題:
- 過多的 HTTP 請求
- 大量 payload
- 缺少快取
- 同步請求
解決方案:
- 打包/合併資源
- 實作壓縮 (gzip, brotli)
- 使用 HTTP/2 多路複用
- 新增快取標頭
- 平行 vs 序列請求
6. 產生效能報告
效能分析
===================
嚴重問題(立即修復):
1. UserController.index 中的 N+1 查詢 (file.js:45)
- 影響:每次請求產生 100+ 次資料庫查詢
- 修正:使用預先載入或 JOIN
2. EventEmitter 中的記憶體洩漏 (file.js:120)
- 影響:記憶體無限制成長
- 修正:在清理時移除監聽器
高優先級:
3. processData 中的 O(n²) 迴圈 (file.js:200)
- 影響:大量資料時執行緩慢
- 修正:使用雜湊映射達到 O(n)
中優先級:
4. 缺少圖片最佳化
- 影響:頁面載入緩慢
- 修正:使用 next/image 或手動最佳化
7. 效能剖析工具
JavaScript:
- Chrome DevTools 的 Performance 面板
- Node.js --inspect 旗標
console.time()/console.timeEnd()
Python:
- cProfile 模組
- line_profiler
- memory_profiler
資料庫:
- EXPLAIN / EXPLAIN ANALYZE
- 慢查詢日誌
- pg_stat_statements (PostgreSQL)
最佳實務
- 先剖析再最佳化
- 專注於熱點路徑(80/20 法則)
- 衡量變更的影響
- 權衡可讀性與效能
- 記錄效能關鍵區段