使用 GitHub Copilot 的詢問模式識別效能瓶頸

  • 7 分鐘

識別可以且應該最佳化的效能瓶頸並不總是那麼容易。 規劃如何重構程式碼以獲得更好的效能可能會更加困難。

開發人員可以使用 GitHub Copilot 的 Ask 模式來識別效能瓶頸並規劃最佳化策略以提高程式碼效能。

什麼是詢問模式？

GitHub Copilot 的詢問模式是一個對話式聊天介面。 您提出問題，GitHub Copilot 使用您提供的內容來回答。 這就像有一位知識淵博的同事可以閱讀您的程式碼並提供效能建議。 例如，您可以使用詢問模式來解釋函數的作用、識別潛在的效能瓶頸或建議最佳化策略。

詢問模式會以說明、見解或程式碼範例來回應，您可以使用這些說明、見解或程式碼範例來改善程式碼的效能。 在詢問模式下，GitHub Copilot 不會對您的程式碼檔案進行任何變更。

使用詢問模式分析效能瓶頸

您可以使用詢問模式來識別和分析程式碼中的效能瓶頸。 GitHub Copilot 可協助您瞭解效能特性、識別潛在問題，以及評估最佳化機會。

分析效能瓶頸的策略

以下是使用詢問模式分析效能瓶頸的一些策略：

  • 解釋程式碼： 要求 GitHub Copilot 解釋效能關鍵程式碼的作用。 這個問題有助於確保您在進行最佳化之前了解當前邏輯。

  • 識別低效率： 要求 GitHub Copilot 識別代碼的哪些部分導致性能問題。 這個問題可以幫助您確定需要關注的領域。

  • 發現算法問題： 要求 GitHub Copilot 識別代碼中任何算法低效率或複雜性問題。 這個問題可以幫助您理解時間和空間的複雜性。

  • 建議優化： 向 GitHub Copilot 詢問有關如何優化或重構性能關鍵代碼的建議。 GitHub Copilot 可能會建議使用更好的資料結構、快取或其他技術來提高效能。

  • 詢問範例： 如果您不確定如何實施建議，請向 GitHub Copilot 詢問程式碼範例。 這個問題可以幫助您了解如何在您的特定環境中應用建議。

  • 探索風險： 向 GitHub Copilot 詢問優化代碼的潛在風險或副作用。 這個問題可以幫助您避免引入新的錯誤或安全漏洞。

  • 迭代： 使用後續問題深入了解具體建議或關注領域。 迭代方法可以幫助您完善理解並更有效地規劃最佳化方法。

效能分析的詢問模式提示

您用來分析效能瓶頸的提示應該反映您的特定程式碼和目標。 但是，以下是一些需要考慮的建議最佳實踐：

  • 專注於特定的分析技術，而不是一般的幫助請求。
  • 參考既定實踐，例如演算法複雜性、快取策略和效能模式。
  • 包括時間複雜度、記憶體使用量和吞吐量考慮因素等效能指標。
  • 強調測試和測量，這對於驗證效能改進至關重要。
  • 推廣安全、可維護和高效能程式碼的最佳實踐。
  • 鼓勵對性能要求和技術實現進行系統思考。
  • 如果適用，請解決對生產程式碼很重要的延展性考量。

建立必要的聊天內容

使用詢問模式時，請務必為 GitHub Copilot 提供足夠的內容，以瞭解您正在分析的程式碼。 以下是一些提示：

  • 使用聊天介面中的「 新增上下文」 按鈕來包含程式碼庫中的相關檔案或資料夾。
  • 包括相關的程式碼片段或範例來說明您的效能問題。
  • 描述您對分析的特定目標 （例如，減少延遲、改善輸送量）。
  • 提及對分析很重要的任何條件約束或需求 （例如，記憶體限制、可擴展性需求）。

以下是一些自然語言文字範例，您可以在分析效能瓶頸時包含在提示中：

理解與分析

  • “分析所選代碼並解釋可能存在哪些性能瓶頸。”
  • “所選算法的時間複雜度是多少，為什麼？”
  • “審查所選代碼並確定主要性能問題及其影響。”
  • “所選代碼中的內存使用模式是什麼，如何優化它們？”

績效評估

  • “評估所選代碼是否存在潛在的可擴展性問題。”
  • 「所選程式碼中是否存在任何效能反模式或低效率？」
  • “審查所選代碼並確定緩存可以提高性能的領域。”
  • 「所選程式碼是否遵循效能最佳實踐？ 如果沒有，如何改進？

最佳化機會

  • “建議具體的最佳化技術來提高所選程式碼的效能（快取、更好的演算法、資料結構等）。」
  • “我怎樣才能降低所選算法的時間複雜度？”
  • 「哪些設計模式可以幫助提高所選程式碼的效能？」
  • 「示範如何將非同步處理套用至選取的效能關鍵作業。」

測試和測量

  • 「我應該測量哪些效能指標來驗證所選程式碼的改進？」
  • “優化所選代碼有哪些風險，我該如何減輕這些風險？”
  • 「如何驗證最佳化程式碼是否保持與原始程式碼相同的功能？」
  • “查看您建議的優化所選代碼的方法。 每種方法有哪些權衡？

最佳實踐應用程序

  • “所選代碼是否遵循 Microsoft 的 C# 性能指南？ 需要什麼改進？
  • 「如何使所選程式碼在保持可讀性的同時提高效能？」
  • 「建議的效能最佳化對安全有何影響？」
  • 「如何確保效能改進不會引入執行緒或並發問題？」

效能分析工作流程

下列工作流程示範如何在效能關鍵程式碼上使用詢問模式：

  1. 開啟有問題的程式碼

    導覽至包含您要最佳化之效能瓶頸的檔案和函式。 例如，假設您有一個方法 ProcessOrders()，分析顯示它花費了過多的時間。

  2. 選擇相關代碼

    透過選擇特定的程式碼區塊（例如效能關鍵方法或循環），您可以為 Copilot 提供明確的焦點。 Copilot 會使用此選取項目作為回答的內容。

  3. 要求代碼解釋

    從簡單的開始。 例如：

    “副駕駛，您能解釋一下這種 ProcessOrders 方法的作用並找出任何性能問題嗎？”

    在詢問模式下，Copilot 會通讀程式碼並以簡單的英語產生解釋。 此步驟有助於確保您 （和 GitHub Copilot） 在優化之前完全了解當前邏輯。 解釋可能會像這樣：

    此方法通過逐一迭代訂單列表並對每個訂單進行單獨的數據庫調用，以檢索產品信息。 此程序會建立 N+1 查詢問題，您可以在其中進行一次查詢以取得訂單，然後對每個產品進行 N 次查詢。 處理大量訂單時，這種模式可能會非常慢...」

    使用解釋來確認程式碼的意圖並識別效能瓶頸。

  4. 提出有關績效的尖銳問題

    現在你可以進行分析了。 例如：

    • “這種算法的時間複雜度是多少，它是如何擴展的？”
    • 「此程式碼的哪些部分可能會導致效能瓶頸？」
    • 「這裡有沒有冗餘操作或低效模式？」

    使用 GitHub Copilot 的回應來識別最佳化的機會。 例如：

    「嵌套循環會產生 O（n²） 複雜度，循環內的資料庫呼叫會產生 N+1 查詢問題。 循環中的字串串連也會產生不必要的記憶體分配。

    使用回饋來繼續您的分析。

  5. 尋求優化建議

    現在關鍵問題：

    “如何優化此代碼以提高性能，同時保持相同的功能？”

    在詢問模式下，Copilot 可能會提供建議清單作為回應。 例如：

    • 將巢狀迴圈取代為字典查詢，將複雜度從 O（n²） 降低到 O（n）。
    • 批次處理資料庫查詢以消除 N+1 問題。
    • 使用 StringBuilder 而不是字串串聯來減少記憶體配置。
    • 考慮快取經常存取的數據，以避免重複計算。

    它甚至可能勾勒出簡短的偽程式碼，或顯示套用這些最佳化後一段程式碼的外觀。

  6. 反覆回應後續問題

    您可以深入了解任何建議：

    • 「示範如何實作字典查閱最佳化。」
    • “哪種緩存策略對此代碼最有效？”
    • “建議的最佳化對記憶體有何影響？”

    透過這個對話，GitHub Copilot 可以幫助您制定最佳化計劃。 在「詢問」模式探索結束時，您可能會有要實作的特定變更清單，例如：

    • 批次資料庫查詢以減少往返。
    • 將線性搜尋取代為雜湊型查詢。
    • 為經常存取的資料實施智慧快取。
    • 使用更有效率的資料結構和演算法。

這種結構化方法有助於確保任何優化都保持原始功能，同時顯著提高效能。

備註

GitHub Copilot 的詢問模式不會修改您的程式碼，因此您可以自由探索不同的最佳化方法並評估建議，而不會產生任何風險。

管理 GitHub Copilot 建議

將 GitHub Copilot 的回應視為指導，而不是絕對真理。 例如，GitHub Copilot 可能會建議最佳化，如果它誤解程式碼需求，則會改變行為。 始終根據您的特定要求和限制驗證任何關鍵效能最佳化建議。

檢閱並解讀 GitHub Copilot 的分析

請記住，GitHub Copilot 的分析是以已知模式和靜態程式碼檢查為基礎。 GitHub Copilot 沒有執行階段資料 (那是您要透過分析所做的工作)。 因此，它可能會對實際上並非瓶頸的程式碼發出警告，或者如果從程式碼中看不出來，它可能不會發現某個問題要付出高昂的代價。 例如，一個看起來無害的方法呼叫實際上在執行繁重的工作。

使用 GitHub Copilot Ask 來補充您自己的分析並使用您自己的判斷：

  • 如果 GitHub Copilot 標幟了資料庫迴圈問題，而且您的分析已確認 GetPriceFromDatabase 為經常性，這顯然是個可靠的線索。

  • 如果 GitHub Copilot 將「此排序演算法是 O（n log n）」作為潛在問題，但您的配置檔顯示排序與資料庫呼叫相比成本很小，您知道要先排定資料庫呼叫的優先順序。

  • 如果 GitHub Copilot 遺漏可疑問題，請嘗試以不同的方式詢問程式碼。 您也應該確保將必要的程式碼新增至聊天內容。 例如，您可能需要將協助程式函式或相關類別新增至聊天室。

備註

GitHub Copilot 除了您提供的內容之外，沒有其他上下文。 確保相關程式碼已在編輯器中開啟或新增至聊天內容。 如果效能問題分散在整個程式碼庫中，你可以在提示的開頭指定 #codebase 來設定最大上下文。

使用詢問模式識別瓶頸的主要好處

使用 GitHub Copilot 的詢問模式就像讓經驗豐富的程式碼審查員準備好對效能方面進行評論：

  • 它很快——您可以在幾秒鐘內得到答案，這可以驗證您自己的想法或提出您錯過的內容。
  • 它知識淵博 —— 它從大量的程式碼和討論中汲取智慧，匯集普遍智慧。
  • 它具有上下文感知功能——它在提供建議時會查看 您的 代碼，使其比通用文檔更相關。

總結

使用 GitHub Copilot 的 Ask 模式是分析和規劃效能關鍵程式碼最佳化的強大方法。 透過對話方式參與，您可以深入了解現有的效能特徵，識別瓶頸和低效率，並獲得量身定制的最佳化建議。 這種方法有助於確保任何效能改進都能保持原始功能，同時顯著增強程式碼效能和可擴展性。