performance-analysis

performance-analysis 技能為軟體效能工程提供嚴謹的框架，專為重視數據驅動最佳化而非盲目猜測的開發人員與架構師所設計。此技能強制執行「先測量，後最佳化」的金科玉律，確保所有效能改進皆基於已驗證的基準指標，而非過早的直覺判斷。它可作為診斷助手，協助識別複雜的類生產環境中的效能回歸、擴展限制及資源競爭問題。

• 採用 USE（利用率、飽和度、錯誤）與 RED（速率、錯誤、持續時間）方法進行系統性的資源與服務監控。

• 跨應用程式、系統與基礎設施層級進行多層次分析，精確定位瓶頸來源。

• 使用延遲百分位數（p50, p95, p99, p999）來分析數據，檢測常被平均值隱藏的尾部延遲問題。

• 運用阿姆達爾定律（Amdahl's Law）來排列最佳化優先級，專注於對執行總時間影響最大的因素。

• 生成可執行的瓶頸診斷結果，包含分類（CPU、記憶體、IO、鎖、查詢）、嚴重性分級及支援證據。

• 提供針對性的最佳化模式建議，範圍涵蓋橫向擴展與讀取複本等架構層面，以及快取失效策略與演算法複雜度降低等細節層面。

• 適用於診斷請求延遲、高記憶體消耗、垃圾回收壓力及低效率資料庫查詢執行等問題。

• 運作時需依賴類生產環境的遙測與基準數據；拒絕任何非基於實證的最佳化建議。

• 整合針對 Node.js、Python、Java、Go 及資料庫系統等平台的效能分析工具參考文件。

• 輸出結構化的報告，包含效能摘要、基準比較、瓶頸清單以及更改後的驗證計畫。

• 嚴格遵守約束：禁止在無失效策略的情況下使用快取，並禁止對非瓶頸程式碼進行過早最佳化。