Profilování aplikace pomocí agenta GitHub Copilot Profiler

Agent GitHub Copilot Profiler spolupracuje s GitHub Copilotem a provede vás testováním a vylepšováním výkonu.

Tento kurz ukazuje, jak profilovat aplikace a zlepšit výkon pomocí agenta Copilot Profiler.

Agent Profiler může provádět všechny následující úlohy.

• Analýza využití procesoru, přidělení paměti a chování modulu runtime
• Kritické body výkonu zařízení Surface
• Generování srovnávacích testů BenchmarkDotNet nebo optimalizace existujících srovnávacích testů BenchmarkDotNet
• Použijte navrhované optimalizace.
• Ověřte vylepšení ve smyčce s asistencí.

Agent profileru je užitečný zejména v následujících případech:

• Neznáte profilaci.
• Nejste si jisti, kde začít s laděním výkonu.
• Chcete ověřit optimalizace pomocí skutečných srovnávacích testů.
• Pracujete na vysoce výkonných aplikacích, jako jsou hry, služby nebo klientské nástroje.

Informace o dalších funkcích profilace v Copilotu najdete ve scénářích s rozšířenými AI. Obecné informace o agentech Copilot a režimu agenta naleznete v tématu Použití režimu agenta Copilot.

Požadavky

Abyste mohli začít, potřebujete:

• Visual Studio verze 18.0.0 Preview 1 nebo novější
• Přihlaste se do sady Visual Studio pomocí účtu GitHub s přístupem ke Copilot
  ^** Můžete použít GitHub Copilot for Free. Zaregistrujte se a využijte AI k rychlejšímu a efektivnějšímu psaní kódu.

Zahájení relace profilace

1. V sadě Visual Studio vytvořte novou konzolovou aplikaci jazyka C#.

   V úvodním okně zvolte Vytvořit nový projekt. Do vyhledávacího pole zadejte konzolu , vyberte jazyk C# a pak zvolte Konzolová aplikace pro .NET. Zvolte Další. Zadejte název projektu, například ConsoleApp_CopilotProfile , a vyberte Další. Zvolte cílovou architekturu (například .NET 8) a zvolte Vytvořit.

2. V Průzkumníku řešení klikněte pravým tlačítkem myši na uzel Závislosti v projektu, zvolte Spravovat balíčky NuGet, vyhledejte EntityFramework a pak do projektu přidejte následující balíčky:

   • Microsoft.EntityFramework.Core
   • Microsoft.EntityFramework.Core.InMemory

   Aplikace používá databázi v paměti ke zjednodušení nastavení projektu.

3. Nahraďte kód v Program.cs následujícím kódem:

   using System.Diagnostics;
   using Microsoft.EntityFrameworkCore;
   
   // Configure EF Core to use the InMemory provider
   var options = new DbContextOptionsBuilder<AppDbContext>()
       .UseInMemoryDatabase("PerfDemoDb")
       .Options;
   
   using var db = new AppDbContext(options);
   
   // Seed 100,000 records once
   if (!db.People.Any())
   {
       var rand = new Random(42);
       var cities = new[]
       {
           "Chicago", "Seattle", "Cairo", "London", "Paris",
           "Cleveland", "Calgary", "Dallas", "Berlin", "Copenhagen"
       };
   
       var people = Enumerable.Range(1, 100_000).Select(i => new Person
       {
           Name = $"Person {i}",
           Age = rand.Next(18, 80),
           City = cities[rand.Next(cities.Length)]
       });
   
       db.People.AddRange(people);
       db.SaveChanges();
   }
   
   Console.WriteLine($"Seeded records: {db.People.Count():N0}");
   
   // Inefficient LINQ pattern: materialize everything and repeatedly re-materialize + chain ToList
   // This simulates client-heavy work that doesn't scale, even with in-memory provider
   var sw = Stopwatch.StartNew();
   
   // Full materialization of all rows
   var all = db.People.ToList();
   
   // Extra ToList calls create multiple large intermediate lists
   var inefficient = all
       .Where(p => p.Age > 50)
       .ToList()
       .Where(p => p.City.StartsWith("C"))
       .ToList()
       .Select(p => p.Name)
       .Distinct()
       .OrderBy(n => n)
       .Take(10)
       .ToList();
   
   sw.Stop();
   Console.WriteLine($"Inefficient query returned {inefficient.Count} rows in {sw.ElapsedMilliseconds} ms");
   
   // EF Core entity
   public class Person
   {
       public int Id { get; set; }
       public string Name { get; set; } = string.Empty;
       public int Age { get; set; }
       public string City { get; set; } = string.Empty;
   }
   
   // EF Core DbContext
   public class AppDbContext : DbContext
   {
       public AppDbContext(DbContextOptions<AppDbContext> options) : base(options) { }
       public DbSet<Person> People => Set<Person>();
   }
   

4. Vyberte Sestavit řešení sestavení>, abyste měli jistotu, že se aplikace sestaví bez chyb.

Zeptejte se Copilotu na přehledy profilace.

1. Otevřete okno chatu Copilot a použijte následující výzvu.

   @Profiler Please evaluate the performance of this code

2. Vyberte Odeslat.

   Příkaz @Profiler volá agenta Copilot Profiler.

   

   Případně můžete spustit agenta profileru ručním výběrem možnosti Vybrat nástroje a ručním povolením agenta profileru a následným přepnutím do režimu agenta agenta. Pomocí této metody nemusíte tento příkaz používat @Profiler .

   Copilot se zeptá, jestli chcete profiler spustit.

   

3. Zvolte Potvrdit.

   Agent prochází řadou kroků nezávisle. Prozkoumá kód, přidá do projektu podporu pro BenchmarkDotNet, včetně odkazů na projekt a balíčků, přidá srovnávací testy do nového souboru a spustí srovnávací test s novým kódem, který generuje.

   Výsledky srovnávacích testů se zobrazí v okně Výstup s výstupem nastaveným na diagnostické centrum.

   

   Výsledky z diagnostické relace se zobrazí v sestavě souboru .diagsession . Pokud chcete ručně prozkoumat využití procesoru, přečtěte si téma Analýza výkonu pomocí profilace procesoru. V tomto scénáři ale místo toho používáme agenta Profileru.

   Po dokončení testování agent shrnuje svá zjištění.

   Agent hlásí potenciálních 33% zvýšení efektivity, zejména odstraněním materializace full-table a nepotřebným ToList() voláním metody.

   

   Agent také nabízí několik návrhů pro další kroky, včetně možnosti optimalizace dotazu LINQ.

   

   V tomto příkladu se zaměříte na optimalizaci dotazu LINQ.

4. Vyberte druhý návrh copilotu a výběrem možnosti Odeslat agentovi řekněte , aby optimalizoval řetěz dotazů LINQ.

   Agent aktualizuje Program.cs a poskytuje další návrhy pro optimalizaci kódu. Prozatím tyto návrhy přeskočíme.

5. Podívejte se na změny kódu v Program.cs.

   

6. V pravém dolním rohu editoru kódu prozkoumejte změny kódu a vyberte Zachovat , abyste je zachovali.

   Optimalizovaný dotaz se tady zobrazí.

    var optimized = db.People
        .AsNoTracking()
        .Where(p => p.Age > 50 && p.City.StartsWith("C"))
        .Select(p => p.Name)
        .Distinct()
        .OrderBy(n => n)
        .Take(10)
        .ToList();
   

7. Pokud chcete agenta provést další optimalizace, vyberte buď návrhy poskytnuté agentem, nebo položte další otázky.

Pokračovat v chatu po dosažení limitu tokenu

Agent Profiler poskytuje inteligentní sumarizaci spolu s pokračováním vlákna chatu, která je navržená tak, aby vaše práce fungovala bez blokování dosažením limitů tokenů.

Pokud se chat s Copilotem blíží ke svému limitu tokenu, zobrazí se výzva k vytvoření souhrnu a pokračování v novém vlákně.

Pokud vyberete tuto možnost, agent automaticky vygeneruje stručný kontextový souhrn aktuálního vlákna chatu a přenese ho do nové konverzace. To vám umožní vyhnout se retracování jakýchkoli kroků.