【研发类-后端开发Skills】application-performance-performance-optimization 技能

通过性能分析、可观测性和后端/前端调优来优化端到端应用程序性能。在协调跨堆栈性能优化时使用。技能概述application-performance-performance-optimization 技能是一个全面的端到端性能优化技能专门用于协调后端、前端和基础设施的性能优化工作。该技能采用数据驱动的方法从深度性能分析和基线建立开始通过各系统层的针对性优化使用负载测试验证改进并建立持续监控以维持性能。下载地址https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/application-performance-performance-optimization核心工作流程该技能编排了一个全面的应用程序堆栈性能优化流程深度性能分析和基线建立各系统层的针对性优化通过负载测试验证改进建立持续监控以维持性能触发条件使用此技能协调后端、前端和基础设施的性能优化建立基线和性能分析以识别瓶颈设计负载测试、性能预算或容量规划为性能和可靠性目标构建可观测性不要使用此技能任务是一个没有更广泛性能目标的小型本地化修复无法访问指标、跟踪或性能分析数据请求与性能或可扩展性无关处理阶段阶段1性能分析与基线1. 全面性能分析使用性能分析工具生成CPU使用的火焰图、内存分析的堆转储、跟踪I/O操作并识别热点路径。包括数据库查询分析、API响应时间和前端渲染指标。2. 可观测性堆栈评估评估当前的可观测性设置审查现有的监控、分布式跟踪OpenTelemetry、日志聚合和指标收集。识别可见性差距和需要更好仪表化的区域。3. 用户体验分析测量核心Web指标LCP、FID、CLS、页面加载时间、交互时间和感知性能。使用真实用户监控RUM数据识别性能差的用户旅程。阶段2数据库与后端优化4. 数据库性能优化分析慢查询日志、创建缺失索引、优化执行计划、使用Redis/Memcached实现查询结果缓存。审查连接池、预处理语句和批处理机会。5. 后端代码与API优化实现高效算法、添加应用级缓存、优化N1查询、有效使用async/await模式。实现分页、响应压缩、GraphQL查询优化和批处理API操作。6. 微服务与分布式系统优化分析服务间通信、实现服务网格优化、优化消息队列性能Kafka/RabbitMQ、减少网络跳数。实现分布式缓存策略。阶段3前端与CDN优化7. 前端包与加载优化实现代码分割、树摇、懒加载和动态导入。使用webpack/rollup分析优化包大小。实现资源提示prefetch、preconnect、preload。8. CDN与边缘优化配置CloudFlare/CloudFront以获得最佳缓存、实现边缘函数用于动态内容、设置图像优化响应式图像和WebP/AVIF格式。配置HTTP/2和HTTP/3。9. 移动与渐进式Web应用优化实现service workers用于离线功能、为慢网络优化自适应加载。减少移动CPU的JavaScript执行时间。实现虚拟滚动。阶段4负载测试与验证10. 全面负载测试使用k6/Gatling/Artillery进行负载测试。设计基于生产流量模式的现实负载场景。测试正常负载、峰值负载和压力场景。11. 性能回归测试创建自动化性能回归测试。设置关键指标的性能预算、与CI/CD管道集成。实现性能回归的自动回滚触发器。阶段5监控与持续优化12. 生产监控设置使用DataDog/New Relic/Dynatrace设置APM、配置OpenTelemetry分布式跟踪、实现自定义业务指标。创建Grafana仪表板和警报。13. 持续性能优化建立持续优化流程。创建性能预算跟踪、实现性能变更的A/B测试、设置生产中的持续性能分析。配置选项配置项选项默认值performance_focuslatency | throughput | cost | balancedbalancedoptimization_depthquick-wins | comprehensive | enterprisecomprehensivetools_availabledatadog, newrelic, prometheus, grafana, k6, gatling-budget_constraints基础设施变更的最大可接受成本-user_impact_tolerancezero-downtime | maintenance-window | gradual-rollout-成功标准响应时间关键端点P50 200msP95 1sP99 2s核心Web指标LCP 2.5sFID 100msCLS 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%成本效率每美元性能提高至少30%监控覆盖100%的关键路径有仪表化和警报安全注意事项避免在没有批准和保障措施的情况下对生产环境进行负载测试逐步推出性能变更并制定回滚计划确保性能优化不会引入安全漏洞使用的工具APM工具DataDog、New Relic、Dynatrace监控Prometheus、Grafana负载测试k6、Gatling、Artillery分布式跟踪OpenTelemetry前端分析Lighthouse CI最佳实践数据驱动始终基于实际性能数据做决策而不是理论改进用户为中心关注用户感知的性能指标渐进式改进分阶段优化每阶段验证影响持续监控建立持续监控以防止回归成本效益平衡性能改进与成本使用限制仅当任务明确符合上述范围时使用此技能不要将输出视为环境特定验证、测试或专家审查的替代品如果缺少所需的输入、权限、安全边界或成功标准请停止并要求澄清