使用专门的性能和优化代理端到端优化应用程序性能： [扩展思维：此工作流程在整个应用程序堆栈中协调了全面的性能优化流程。从深度分析和基线建立开始，工作流程通过每个系统层的有针对性的优化来进展，通过负载测试验证改进，并建立持续监控以实现持续性能。每个阶段都建立在先前阶段的见解之上，创建数据驱动的优化策略，解决真正的瓶颈而不是理论上的改进。该工作流程强调现代可观测性实践、以用户为中心的性能指标和具有成本效益的优化策略。] ## 使用此技能时 * 协调后端、前端和基础设施的性能优化 * 建立基线和分析以识别瓶颈 * 设计负载测试、性能预算或容量计划 * 建立性能和可靠性目标的可观察性 ## 不要使用该技能 * 该任务是一个小的本地修复，没有更广泛的性能目标 * 无法访问指标、跟踪或分析数据 * 该请求与性能或可扩展性无关 ## 说明 1. 确认绩效目标、约束和目标指标。 2. 通过分析、跟踪和真实用户数据建立基线。 3. 在整个堆栈中执行分阶段优化，产生可衡量的影响。 4. 验证改进并设置护栏以防止倒退。 ## 安全 * 避免在没有批准和保障的情况下进行负载测试生产。 * 通过回滚计划逐步推出性能变化。 ## 第 1 阶段：性能分析和基线 ### 1\.综合性能分析 * 使用带有 subagent_type="performance-engineer" 的任务工具 * 提示：“全面分析应用程序性能：$ARGUMENTS。生成 CPU 使用情况的火焰图、内存分析的堆转储、跟踪 I/O 操作并识别热路径。如果可用，请使用 DataDog 或 New Relic 等 APM 工具。包括数据库查询分析、API 响应时间和前端渲染指标。为所有关键用户旅程建立性能基线。” * 背景：初始绩效调查 * 输出：详细的性能概况，包括火焰图、内存分析、瓶颈识别、基线指标 ### 2\.可观测性堆栈评估 * 使用带有 subagent_type="observability-engineer" 的任务工具 * 提示：“评估当前的可观察性设置：$ARGUMENTS。检查现有监控、OpenTelemetry 的分布式跟踪、日志聚合和指标收集。识别可见性方面的差距、缺失的指标以及需要更好检测的区域。为关键业务操作推荐 APM 工具集成和自定义指标。” * 上下文：步骤 1 的性能概况 * 输出：可观测性评估报告、仪器差距、监测建议 ### 3\.用户体验分析 * 使用带有 subagent_type="performance-engineer" 的任务工具 * 提示：“分析以下用户体验指标：$ARGUMENTS。测量核心 Web 生命周期（LCP、FID、CLS）、页面加载时间、交互时间和感知性能。如果可用，请使用真实用户监控 (RUM) 数据。识别性能不佳的用户旅程及其业务影响。” * 上下文：步骤 1 的性能基线 * 输出：UX 性能报告、Core Web Vitals 分析、用户影响评估 ## 第二阶段：数据库和后端优化 ### 4\.数据库性能优化 * 使用带有 subagent_type="database-cloud-optimization::database-optimizer" 的任务工具 * 提示：“根据分析数据优化数据库性能：$ARGUMENTS：{context_from_phase_1}。分析慢查询日志、创建缺失索引、优化执行计划、使用 Redis/Memcached 实现查询结果缓存。检查连接池、准备好的语句和批处理机会。如果需要，请考虑只读副本和数据库分片。” * 背景：第一阶段的性能瓶颈 * 输出：优化查询、新索引、缓存策略、连接池配置 ### 5\.后端代码和API优化 * 使用带有 subagent_type="backend-development::backend-architect" 的任务工具 * 提示：“优化后端服务：$ARGUMENTS，针对瓶颈：{context_from_phase_1}。实施高效算法，添加应用程序级缓存，优化 N+1 查询，有效使用异步/等待模式。实施分页、响应压缩、GraphQL 查询优化和批量 API 操作。添加断路器和隔板以实现弹性。” * 上下文：第 4 步的数据库优化，第 1 阶段的数据分析 * 输出：优化的后端代码、缓存实现、API 改进、弹性模式 ### 6\.微服务和分布式系统优化 * 使用带有 subagent_type="performance-engineer" 的任务工具 * 提示：“优化分布式系统性能：$ARGUMENTS。分析服务间通信，实施服务网格优化，优化消息队列性能（Kafka/RabbitMQ），减少网络跳数。实施分布式缓存策略并优化序列化/反序列化。” * 上下文：第 5 步中的后端优化 * 输出：服务通信改进、消息队列优化、分布式缓存设置 ## 第 3 阶段：前端和 CDN 优化 ### 7\.前端捆绑和加载优化 * 使用带有 subagent_type="frontend-developer" 的任务工具 * 提示：“优化前端性能：针对 Core Web Vitals 的 $ARGUMENTS：{context_from_phase_1}。实现代码分割、树摇动、延迟加载和动态导入。通过 webpack/rollup 分析优化包大小。实现资源提示（预取、预连接、预加载）。优化关键渲染路径并消除渲染阻塞资源。” * 背景：第一阶段的用户体验分析，第二阶段的后端优化 * 输出：优化的捆绑包、延迟加载实现、改进的 Core Web Vitals ### 8\. CDN 和边缘优化 * 使用带有 subagent_type="cloud-infrastruct::cloud-architect" 的任务工具 * 提示：“优化 CDN 和边缘性能：$ARGUMENTS。配置 CloudFlare/CloudFront 以实现最佳缓存，为动态内容实施边缘功能，使用响应式图像和 WebP/AVIF 格式设置图像优化。配置 HTTP/2 和 HTTP/3，实施 Brotli 压缩。为全球用户设置地理分布。” * 上下文：第 7 步中的前端优化 * 输出：CDN配置、边缘缓存规则、压缩设置、地理优化 ### 9\.移动和渐进式 Web 应用程序优化 * 使用带有 subagent_type="frontend-mobile-development::mobile-developer" 的任务工具 * 提示：“优化移动体验：$ARGUMENTS。实现离线功能的 Service Worker，通过自适应加载优化慢速网络。减少移动 CPU 的 JavaScript 执行时间。实现长列表的虚拟滚动。优化触摸响应能力和流畅的动画。如果适用，请考虑 React Native/Flutter 特定优化。” * 上下文：步骤 7-8 的前端优化 * 输出：移动优化代码、PWA 实现、离线功能 ## 第 4 阶段：负载测试和验证 ### 10\.全面的负载测试 * 使用带有 subagent_type="performance-engineer" 的任务工具 * 提示：“使用 k6/Gattle/Artillery 对 $ARGUMENTS 进行全面的负载测试。根据生产流量模式设计真实的负载场景。测试正常负载、峰值负载和压力场景。包括 API 测试、基于浏览器的测试和 WebSocket 测试（如果适用）。测量不同负载级别的响应时间、吞吐量、错误率和资源利用率。” * 上下文：阶段 1-3 的所有优化 * 输出：负载测试结果、负载下的性能、断点、可扩展性分析 ### 11\.性能回归测试 * 使用带有 subagent_type="performance-testing-review::test-automator" 的任务工具 * 提示：“为以下内容创建自动性能回归测试：$ARGUMENTS。为关键指标设置性能预算，使用 GitHub Actions 或类似工具与 CI/CD 管道集成。为前端创建 Lighthouse CI 测试、使用 Artillery 进行 API 性能测试以及数据库性能基准测试。为性能回归实现自动回滚触发器。” * 上下文：第 10 步的负载测试结果，第 1 阶段的基线指标 * 输出：性能测试套件、CI/CD 集成、回归预防系统 ## 第 5 阶段：监控和持续优化 ### 12\.生产监控设置 * 使用带有 subagent_type="observability-engineer" 的任务工具 * 提示：“实施生产性能监控：$ARGUMENTS。使用 DataDog/New Relic/Dynatrace 设置 APM，使用 OpenTelemetry 配置分布式跟踪，实施自定义业务指标。为关键指标创建 Grafana 仪表板，为性能下降设置 PagerDuty 警报。为具有错误预算的关键服务定义 SLI/SLO。” * 背景：之前所有阶段的性能改进 * 输出：监控仪表板、警报规则、SLI/SLO 定义、运行手册 ### 13\.持续性能优化 * 使用带有 subagent_type="performance-engineer" 的任务工具 * 提示：“建立持续优化流程：$ARGUMENTS。创建性能预算跟踪，针对性能变化实施 A/B 测试，在生产中设置持续分析。记录优化机会积压，创建容量规划模型，并建立定期性能审核周期。” * 上下文：从第 12 步开始监控设置，所有之前的优化工作 * 输出：绩效预算跟踪、优化积压、容量规划、审核流程 ## 配置选项 * **性能焦点**：“延迟”| “吞吐量”| “成本”| “平衡”（默认值：“平衡”） * **optimization_深度**：“快速获胜” | “全面”| “企业”（默认值：“综合”） * **tools_available** ：[“datadog”、“newrelic”、“prometheus”、“grafana”、“k6”、“加特林”] * **budget_constraints** ：设置基础设施变更的最大可接受成本 * **user_impact_tolerance** ：“零停机”| “维护窗口”| “逐步推出” ## 成功标准 * **响应时间**：对于关键端点，P50 < 200ms、P95 < 1s、P99 < 2s * **核心网络生命**：LCP < 2.5s，FID < 100ms，CLS < 0.1 * **吞吐量**：支持 2 倍当前峰值负载，错误率 <1% * **数据库性能** ：查询 P95 < 100ms，无查询 > 1s **资源利用率**：正常负载下CPU < 70%，内存< 80% * **成本效率**：每一美元的性能至少提高 30% * **监控覆盖率**：100% 的关键路径配备警报性能优化目标：$ARGUMENTS

应用程序性能 性能优化

包含技能

应用程序性能性能优化