performance-analysis

performance-analysis 技能为软件性能工程提供严谨的框架，专为重视数据驱动优化而非盲目猜测的开发人员与架构师所设计。此技能强制执行“先测量，后优化”的金科玉律，确保所有性能改进皆基于已验证的基准指标，而非过早的直觉判断。它可作为诊断助手，协助识别复杂的类生产环境中的性能回归、扩展限制及资源竞争问题。

• 采用 USE（利用率、饱和度、错误）与 RED（速率、错误、持续时间）方法进行系统性的资源与服务监控。

• 跨应用程序、系统与基础设施层级进行多层次分析，精确定位瓶颈来源。

• 使用延迟百分位数（p50, p95, p99, p999）来分析数据，检测常被平均值隐藏的尾部延迟问题。

• 运用阿姆达尔定律（Amdahl's Law）来排列优化优先级，专注于对执行总时间影响最大的因素。

• 生成可执行的瓶颈诊断结果，包含分类（CPU、内存、IO、锁、查询）、严重性分级及支撑证据。

• 提供针对性的优化模式建议，范围涵盖横向扩展与读取副本等架构层面，以及缓存失效策略与算法复杂度降低等细节层面。

• 适用于诊断请求延迟、高内存消耗、垃圾回收压力及低效率数据库查询执行等问题。

• 运作时需依赖类生产环境的遥测与基准数据；拒绝任何非基于实证的优化建议。

• 整合针对 Node.js、Python、Java、Go 及数据库系统等平台的性能分析工具参考文件。

• 输出结构化的报告，包含性能摘要、基准比较、瓶颈清单以及更改后的验证计划。

• 严格遵守约束：禁止在无失效策略的情况下使用缓存，并禁止对非瓶颈代码进行过早优化。