LAB-10：实现性能分析与优化

实验概述

学习目标

掌握使用 OpenCode 进行 .NET 性能瓶颈分析的方法
学会创建和使用自定义 @performance-auditor Agent
理解量化性能优化的完整流程：基准测量 → 分析瓶颈 → 优化代码 → 验证提升
体验"用数据证明快了"与"感觉快了"的本质区别

预计时间：40-50 分钟

前置条件

已安装 .NET 8.0+ SDK
已完成 LAB-09（了解 OpenCode 基础操作）
已下载并解压实验项目代码

一、环境准备

1.1 验证环境

# 验证 OpenCode 可用
opencode --version

# 验证 .NET SDK
dotnet --version

1.2 准备项目代码

解压提供的 GHCopilotEx10LabApps.zip 文件
进入项目目录 ContosoOnlineStore

调整目标框架（如需要）：

# 将 net9.0 改为 net8.0
find . -name "*.csproj" -exec sed -i 's/net9.0/net8.0/g' {} \;

1.3 验证初始状态

# 运行单元测试，确保 16/16 通过
dotnet test

二、核心概念：量化性能优化

2.1 为什么要量化？

性能优化最忌讳"拍脑袋"：

❌ 感觉快了：主观判断，无法复现，无法证明
✅ 数据证明快了：有基准测量、有对比数据、有提升百分比

2.2 @performance-auditor Agent 的价值

对比项	传统方式	@performance-auditor
分析标准	每次重复说明要求	一次创建，永久复用
分析深度	依赖临时 Prompt	内置性能检查清单
输出格式	不统一	结构化风险矩阵 + 优先级

2.3 模拟延迟说明

项目代码中包含 Thread.Sleep / Task.Delay，这些是模拟真实世界的外部依赖（数据库响应、网络延迟）：

不应该被优化掉：保留用于前后对比
真实的性能提升来自：
- 算法优化（O(n) → O(1)）
- 并行化（串行 → 并发）
- 缓存策略

三、任务一：建立基准（Baseline）

3.1 启动 OpenCode

cd ContosoOnlineStore
opencode

3.2 运行应用并保存基准数据

在 OpenCode 中执行：

!dotnet run > baseline_metrics.txt

3.3 记录关键指标

查看保存的基准文件：

!cat baseline_metrics.txt

典型输出示例：

=== 产品目录性能测试 ===
GetProductById: 6.30ms/次 (800 次共 5042ms)
SearchProducts: 12.45ms/次

=== 订单处理性能测试 ===
CalculateOrderTotal: 2430ms/次
FinalizeOrderAsync: 3150ms/次

=== 库存更新性能测试 ===
UpdateStockLevels: 890ms/次

=== 邮件发送性能测试 ===
SendOrderConfirmation: 1200ms/次

单元测试：16/16 通过

💡 提示：将关键数据记录到你的实验笔记中，后续用于对比。

四、任务二：创建 @performance-auditor Agent

4.1 创建 Agent 配置文件

在项目根目录创建文件 .opencode/agent/performance-auditor.md：

---
description: 性能瓶颈分析专家
mode: subagent
---

# Performance Auditor Agent

你是一位专注于 .NET 性能优化的代码审查专家。

## 审查重点

### 算法复杂度
- [ ] 是否有 O(n) 可以优化为 O(1) 的查找？（线性搜索→字典）
- [ ] 是否有 N+1 查询模式？（循环内单条查询→批量查询）
- [ ] 是否有重复计算可以缓存？

### 异步/并发
- [ ] 是否有可以并行的独立操作？（Task.WhenAll）
- [ ] 是否有不必要的 await 串行化？
- [ ] 是否有阻塞操作（Thread.Sleep）可以改为 Task.Delay？

### 内存分配
- [ ] 是否有频繁的字符串拼接？（StringBuilder）
- [ ] 是否有可以复用的对象被重复创建？
- [ ] 是否有 LINQ 链式操作可以优化？

### 缓存策略
- [ ] 是否有热点数据没有缓存？
- [ ] 缓存 key 生成是否高效？
- [ ] 缓存失效策略是否合理？

## 输出格式

对于每个问题：
- **位置**：类名。方法名
- **问题类型**：算法/异步/内存/缓存
- **当前复杂度**：O(?) 或描述
- **优化方案**：具体建议（含代码示例）
- **预期提升**：定性描述（如"查找从 O(n)→O(1)"）

最后给出**性能风险矩阵**（影响度 × 修复难度）和**优化优先级列表**。

4.2 重启 OpenCode 使 Agent 生效

退出 OpenCode 后重新启动：

/exit

然后重新进入项目目录启动 OpenCode。

4.3 验证 Agent 可用

@performance-auditor 你好，请介绍你的分析能力

五、任务三：@performance-auditor 分析瓶颈

5.1 执行性能分析

在 OpenCode 中输入：

@performance-auditor @ProductCatalog.cs @OrderProcessor.cs @InventoryManager.cs @Services/EmailService.cs
请分析这四个文件的性能瓶颈，输出性能风险矩阵和优化优先级列表

5.2 解读分析报告

Agent 将输出类似以下的结构化分析：

发现的问题清单

位置	问题类型	当前复杂度	优化方案	预期提升
ProductCatalog.GetProductById	算法	O(n)	使用 Dictionary	O(1) 查找
OrderProcessor.CalculateOrderTotal	算法	N+1 查询	批量查询	减少 N-1 次调用
OrderProcessor.FinalizeOrderAsync	异步	串行执行	Task.WhenAll	并行执行
InventoryManager.UpdateStockLevels	异步	逐条更新	批量更新	减少数据库往返
EmailService.SendEmails	异步	串行发送	并行发送	时间≈单次最长

性能风险矩阵

问题	影响度	修复难度	优先级
GetProductById 线性查找	高	低	⭐⭐⭐
CalculateOrderTotal N+1	高	中	⭐⭐⭐
FinalizeOrderAsync 串行	中	低	⭐⭐
UpdateStockLevels 逐条	中	低	⭐⭐
EmailService 串行发送	低	低	⭐

5.3 记录优化优先级

按照 Agent 给出的优先级列表，依次进行优化。

六、任务四：Build 模式执行优化

6.1 优化 ProductCatalog（最高优先级）

在 Build 模式下输入：

@ProductCatalog.cs
优化 GetProductById 和 SearchProducts 方法：
1. GetProductById：用 Dictionary<string, Product> 替代 List 线性查找，在构造函数中初始化字典
2. SearchProducts：优化缓存 key 生成（用 string.Join 替代字符串拼接），保留模拟延迟不变
3. 保持所有公共方法签名不变
完成后运行 dotnet build 确认编译通过

等待编译完成后，验证：

!dotnet build

6.2 优化 OrderProcessor

@OrderProcessor.cs @ProductCatalog.cs
优化 CalculateOrderTotal 和 FinalizeOrderAsync：
1. CalculateOrderTotal：批量获取所有产品（一次查询），避免循环内单条查询（N+1 模式）
2. FinalizeOrderAsync：用 Task.WhenAll 并行执行独立操作（库存更新、邮件发送）
3. 保留所有模拟延迟（Thread.Sleep/Task.Delay），用于前后对比
完成后运行 dotnet build 确认编译通过

6.3 优化 InventoryManager

@InventoryManager.cs
优化 UpdateStockLevels 方法：
1. 将逐条更新改为批量更新（一次数据库调用）
2. 保留模拟延迟不变
3. 保持公共方法签名不变
完成后运行 dotnet build 确认编译通过

6.4 优化 EmailService

@Services/EmailService.cs
优化邮件发送方法：
1. 将串行发送改为并行发送（Task.WhenAll）
2. 保留模拟延迟不变
3. 保持公共方法签名不变
完成后运行 dotnet build 确认编译通过

6.5 验证所有编译通过

!dotnet build

确保无错误、无警告。

七、任务五：量化验证

7.1 运行优化后应用

!dotnet run > optimized_metrics.txt

7.2 对比基准数据

!diff baseline_metrics.txt optimized_metrics.txt

查看关键指标变化：

指标	优化前	优化后	提升幅度
GetProductById (800 次)	~5042ms	~XXms	XX%
SearchProducts	~XXms	~XXms	XX%
CalculateOrderTotal	~2430ms	~XXms	XX%
FinalizeOrderAsync	~3150ms	~XXms	XX%
UpdateStockLevels	~890ms	~XXms	XX%
SendOrderConfirmation	~1200ms	~XXms	XX%

💡 注意：包含模拟延迟的指标提升有限是正常的，真实代码优化效果需要排除延迟影响分析。

7.3 运行单元测试验证

!dotnet test

确保 16/16 测试仍然通过，优化没有破坏功能。

7.4 调用 @performance-auditor 分析提升

@performance-auditor @baseline_metrics.txt @optimized_metrics.txt
对比优化前后的性能数据：
1. 计算各指标的提升幅度（%）
2. 排除模拟延迟的影响，分析真实代码优化效果
3. 给出优化总结报告

八、实验总结

8.1 量化对比表

将你的实验结果填入下表：

优化项	优化前	优化后	提升幅度	优化手段
GetProductById	ms	ms	%	字典替代线性查找
SearchProducts	ms	ms	%	缓存 key 优化
CalculateOrderTotal	ms	ms	%	批量查询消除 N+1
FinalizeOrderAsync	ms	ms	%	Task.WhenAll 并行
UpdateStockLevels	ms	ms	%	批量更新
SendOrderConfirmation	ms	ms	%	并行发送

8.2 @performance-auditor Agent 的复用价值

本次实验创建的 Agent 可以复用于：

后续 .NET 项目的性能审查
Code Review 流程中的性能检查环节
性能回归测试的自动化分析

与 @code-reviewer 的区别：

Agent	关注点	输出
@code-reviewer	代码可读性、规范性、安全性	通用代码质量报告
@performance-auditor	执行效率、资源消耗、扩展性	性能风险矩阵 + 量化提升

8.3 性能优化的工程原则

通过本实验，掌握完整性能优化流程：

量化基准 → 分析瓶颈 → 优化代码 → 验证提升
    ↓           ↓           ↓           ↓
dotnet run  @performance  Build 模式  diff 对比
            -auditor      执行优化    + 单元测试

核心原则：

先测量，后优化：没有基准就没有优化
数据驱动决策：用数字说话，不用感觉
验证功能完整：优化后必须跑测试
保留对比证据：baseline 和 optimized 文件存档

九、附录：快速参考

9.1 常用命令速查

# 保存基准数据
dotnet run > baseline_metrics.txt

# 保存优化后数据
dotnet run > optimized_metrics.txt

# 对比差异
diff baseline_metrics.txt optimized_metrics.txt

# 运行测试
dotnet test

# 编译验证
dotnet build

9.2 N+1 查询模式示例

// ❌ 优化前（N+1：每个 item 单独查询）
foreach (var item in order.Items)
{
    var product = await _catalog.GetProductByIdAsync(item.ProductId);
    total += product.Price * item.Quantity;
}

// ✅ 优化后（批量查询）
var productIds = order.Items.Select(i => i.ProductId).ToList();
var products = await _catalog.GetProductsByIdsAsync(productIds);
var productMap = products.ToDictionary(p => p.Id);
total = order.Items.Sum(i => productMap[i.ProductId].Price * i.Quantity);

9.3 并行化示例

// ❌ 优化前（串行执行）
await inventoryService.UpdateStockAsync(order);
await emailService.SendConfirmationAsync(order);
await notificationService.NotifyAsync(order);

// ✅ 优化后（并行执行）
await Task.WhenAll(
    inventoryService.UpdateStockAsync(order),
    emailService.SendConfirmationAsync(order),
    notificationService.NotifyAsync(order)
);

9.4 字典查找示例

// ❌ 优化前（O(n) 线性查找）
public Product GetProductById(string id)
{
    return _products.FirstOrDefault(p => p.Id == id);
}

// ✅ 优化后（O(1) 字典查找）
private readonly Dictionary<string, Product> _productMap;

public ProductCatalog()
{
    _productMap = _products.ToDictionary(p => p.Id);
}

public Product GetProductById(string id)
{
    return _productMap.GetValueOrDefault(id);
}

实验完成标志

baseline_metrics.txt 和 optimized_metrics.txt 已保存
所有 16 个单元测试通过
量化对比表已填写
@performance-auditor Agent 文件已创建并可复用

🎉 恭喜完成 LAB-10 性能分析与优化实验！

FilesExpand file tree

LAB-10-implement-performance-profiling.md

Latest commit

History