使用程式碼最佳化監視和分析執行階段行為 (預覽)
Code Optimizations 是 Azure Application Insights 中的 AI 服務,可與 Application Insights Profiler 協同運作,以偵測程式碼層級的 CPU 和記憶體使用效能問題,並提供有關如何修正它們的建議。 程式碼最佳化會藉由下列方式識別這些 CPU 和記憶體瓶頸:
- 分析應用程式的執行階段行為。
- 比較行為與效能工程最佳做法。
使用從生產環境收集的即時效能資料和深入解析,做出明智的決策並將您的程式碼最佳化。
示範影片
使用程式碼最佳化的需求
在應用程式中使用程式碼最佳化之前:
- 啟用 Application Insights Profiler。
- 驗證應用程式:
- 是 .NET。
- 使用 Application Insights。
- 收集設定檔。
Application Insights Profiler 與程式碼最佳化
Application Insights Profiler 和程式碼最佳化可共同運作,提供效能問題偵測的整體方法。
Application Insights Profiler
Profiler 著重於追蹤特定要求,時間精確到毫秒。 它可以提供您應用程式內問題的絕佳「整體」檢視,以及解決問題的一般最佳做法。
程式碼最佳化
程式碼最佳化會分析 Application Insights Profiler 所收集的分析資料。 當 Profiler 將資料上傳至 Application Insights 時,我們的機器學習模型會分析部分資料,以找出應用程式程式碼可以最佳化的位置。 程式碼最佳化:
- 顯示一段時間內收集到的彙總資料。
- 在應用程式程式碼中使用方法和函式連接資料。
- 藉由找出程式碼中的瓶頸來消弭問題根源。
成本和額外負荷
啟用 Application Insights Profiler 之後,會自動產生程式碼最佳化。 分析效能問題並產生效能建議時,不會產生額外的成本。 某些功能 (例如程式碼層級修正建議) 需要適用於 GitHub 的 Copilot 和/或適用於 Azure 的 Copilot。
支援的區域
程式碼最佳化可在與 Application Insights 相同的區域中使用。 您可以使用下列命令來檢查可用的區域:
az account list-locations -o table
您可以使用連接字串來設定明確的區域。 透過範例深入了解連線字串。
下一步
相關連結
在應用程式中啟用下列功能,以開始使用程式碼最佳化:
遇到問題了嗎? 請查看疑難排解指南
意見反應
https://aka.ms/ContentUserFeedback。
即將登場:在 2024 年,我們將逐步淘汰 GitHub 問題作為內容的意見反應機制,並將它取代為新的意見反應系統。 如需詳細資訊,請參閱:提交並檢視相關的意見反應