Профилирование приложения с помощью агента профилировщика GitHub Copilot

Агент профилировщика GitHub Copilot работает вместе с GitHub Copilot и поможет вам проверить и улучшить производительность.

В этом руководстве показано, как профилировать приложения и повысить производительность с помощью агента Профилировщика Copilot.

Агент профилировщика может выполнять все следующие задачи.

Анализ использования ЦП, выделения памяти и поведения среды выполнения.
Узкие места производительности поверхности.
Создайте тесты BenchmarkDotNet или оптимизируйте существующие тесты BenchmarkDotNet.
(ASP.NET) Анализируйте счетчики .NET.
Применение предлагаемых оптимизаций.
Проверьте улучшения в направляемом цикле.

Обнаруживайте и используйте модульные тесты C++, которые используют пути кода, критически важные для производительности, или создавайте новые тесты C++ при необходимости.
Создайте легковесные артефакты измерения для фиксации базовых метрик, если подходящих тестов или эталонов не существует.

Агент профилировщика особенно полезен, когда:

Вы не знакомы с профилированием.
Вы не уверены, где начать с настройки производительности.
Вы хотите проверить оптимизацию с помощью реальных тестов.
Вы работаете над высокопроизводительные приложения, такие как игры, службы или клиентские инструменты.

Вы работаете с проектами на C++, где эталоны не являются практичными, но модульные тесты уже существуют.
Вы хотите использовать тесты, которые команда уже выполняет для проверки производительности.

Для получения информации о других функциях профилирования в Copilot см. в разделе о расширенных ИИ-сценариях. Общие сведения об агентах Copilot и режиме агента см. в разделе "Использование режима агента Copilot".

Предпосылки

Чтобы начать, вам нужно:

Visual Studio 2022 версии 17.14 или более поздней версии
Войдите в Visual Studio с помощью учетной записи GitHub с доступом к Copilot
^** Вы можете использовать GitHub Copilot бесплатно. Зарегистрируйте и используйте ИИ, чтобы быстрее и эффективнее кодировать.

Запуск сеанса профилирования

В Visual Studio создайте консольное приложение C#.

В окне запуска нажмите кнопку "Создать проект". Введите консоль в поле поиска, выберите язык C# и выберите консольное приложение для .NET. Нажмите кнопку Далее. Введите имя проекта, например ConsoleApp_CopilotProfile , и нажмите кнопку "Далее". Выберите целевую платформу (например, .NET 10) и нажмите кнопку "Создать".
В обозревателе решений щелкните правой кнопкой мыши узел зависимостей в проекте, выберите "Управление пакетами NuGet", выполните поиск EntityFramework и добавьте в проект следующие пакеты:
- Microsoft.EntityFramework.Core
- Microsoft.EntityFramework.Core.InMemory
Приложение использует базу данных в памяти для упрощения настройки проекта.

Замените код в Program.cs следующим кодом:

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>();
}

Выберите Сборка -> Сборка решения>, чтобы убедиться, что приложение собирается без ошибок.

Попросите Copilot предоставить информацию о профилировании

Откройте окно Copilot Chat и используйте следующий запрос.

@Profiler Please evaluate the performance of this code
Выберите Отправить.

Команда @Profiler вызывает агента Профилировщика Копилот.

Кроме того, можно запустить агент профилировщика вручную, выбрав "Выбрать инструменты " и вручную включив агент профилировщика, а затем переключившись в режим агента. Используя этот метод, вам не нужно использовать @Profiler команду.

Copilot спрашивает, хотите ли вы запустить профилировщик.
Нажмите кнопку "Подтвердить".

Агент самостоятельно выполняет ряд шагов. Он проверяет код, добавляет поддержку проекта для BenchmarkDotNet, включая ссылки на проекты и пакеты, добавляет тесты тестирования в новый файл и запускает тест сравнения с новым кодом, который он создает.

Результаты теста отображаются в окне вывода с выходными данными, установленными в Центре диагностики.

Результаты сеанса диагностики отображаются в отчете файла diagsession . Если вы хотите вручную изучить использование ЦП, см. статью "Анализ производительности с помощью профилирования ЦП". Однако в этом сценарии мы используем Profiler Agent.

По завершении тестирования агент суммирует свои результаты.

Агент сообщает о потенциальном увеличении эффективности на 33%, главным образом путем удаления полной материализации таблиц и ненужного вызова метода ToList().

Агент также предоставляет несколько предложений для дальнейших действий, включая вариант оптимизации запроса LINQ.

В этом примере основное внимание уделяется оптимизации запроса LINQ.
Выберите второе предложение Copilot и нажмите кнопку "Отправить ", чтобы сообщить агенту, чтобы оптимизировать цепочку запросов LINQ.

Агент обновляет Program.cs и предоставляет дополнительные предложения по оптимизации кода. Сейчас мы пропустим эти предложения.
Ознакомьтесь с изменениями кода в Program.cs.
В правом нижнем углу редактора кода проверьте изменения кода и нажмите кнопку "Сохранить ".

Здесь показан оптимизированный запрос.
```
 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();
```
Если вы хотите, чтобы агент выполнил дополнительные оптимизации, выберите предложения, которые предлагает агент, или задайте дополнительные вопросы.

Продолжение чата после достижения лимита токенов

Агент профилировщика предоставляет умное резюмирование и продление истории чата, предназначенное для поддержания рабочего потока без блокировок из-за ограничения токенов.

Если чат с Copilot приближается к его лимиту токенов, вам будет предложено подвести итоги и продолжить в новой ветке.

Снимок экрана: сводка обсуждения.

Если вы выберете этот параметр, агент автоматически создает краткую, многофункциональную контекстную сводку текущего потока чата и переносит ее в новую беседу. Это позволяет избежать повторения каких-либо шагов.

Обратная связь

Были ли сведения на этой странице полезными?

Last updated on 2026-02-17