SuperAPI AI 工具集

perf-audit

编程与开发

查看项目

更新于 10-29 13:22

技能介绍

用途 perf-audit 用于回答“某个 Django 页面或 API 端点为什么慢”。其原则是先测量、再解释、后开单;本技能不执行优化,修复工作交由 query-optimizer 和 caching-strategy 处理。

主要流程

  1. 界定范围:获取具体的慢对象(URL/端点)、受影响用户或角色、大致数据量以及慢的程度(例如“某组织在生产环境 4 秒”)。如果只有某个租户慢而其他租户正常,通常意味着数据量因素,需要询问是哪个租户。若没有具体投诉、要做广泛审计,则先列出端点,并按流量(询问或查看 APM/访问日志)乘以可能成本(列表端点、嵌套序列化器、报表、导出)排序。
  2. 测量:优先使用项目已有的手段,顺序为 APM(Sentry Performance、New Relic、Datadog、Scout,可查看真实请求中数据库、外部调用与 Python 时间的分布,让开发者粘贴追踪摘要);用接近真实数据量的测试复现问题,同时作为后续回归防护,示例代码使用 CaptureQueriesContext 捕获查询,运行 pytest -s,若查询数随行数增长即为 N+1;本地已安装时使用 django-debug-toolbar 或 django-silk;对单条慢查询在接近真实数据的库(预发布副本)上用 queryset.explain(analyze=True) 查看 EXPLAIN,注意 ANALYZE 会真正执行查询,绝不可用于生产写操作;在预发布或生产环境具备读权限时使用 pg_stat_statements 查看按总时间排序的查询。记录基线:查询数、数据库总时间、总响应时间、负载大小。
  3. 排查常见疑点:N+1(序列化器访问 obj.related.field、会查询的 SerializerMethodField、嵌套序列化器、模型中会查询的 @property、模板遍历关联;缺少 select_related(外键/一对一)或 prefetch_related(反向外键/多对多));Python 层计数(len(qs)、逐行 qs.count()、先 .all() 再在 Python 中过滤);缺失索引(对未索引列做 filter()/order_by()/exclude(),尤其组合过滤如 org_id + status + created_at 需要复合索引;EXPLAIN 中看到大表 Seq Scan);无界查询集(列表端点无分页、导出把全部数据载入内存,应使用 .iterator());过度取数(列表视图加载巨大的 TextField/JSONField,未用 only()/defer(),返回字段远超消费方所需);过重序列化(DRF 序列化数千对象、深层嵌套);请求中可异步的工作(邮件、PDF 生成、第三方 API 调用,应交 Celery);外部调用无超时或逐行调用;跨请求重复相同工作(可作为 caching-strategy 的候选)。
  4. 报告与开单:按预期收益除以投入排序。每条发现包含:标题(如 [High] InvoiceSerializer.customer_name 上的 N+1)、位置(如 billing/serializers.py:44)、证据(如 50 张发票触发 53 次查询且每行增加 1 次)、修复建议(如 get_queryset 中加 select_related("customer") 并添加查询数守卫)、预期(如 53 次降至 3 次,本地约 600ms 降至约 80ms)、投入(如 1 点)与路由(query-optimizer)。随后按 jira-tickets 格式每条发现一张 Jira 工单(琐碎项可合并),工单中写入基线数字以便验证修复,且仅在开发者确认后创建。

规则 每条发现都须有证据(数字、EXPLAIN 输出、追踪),“可能慢”不算发现;未经开发者明确同意,不得对写查询或生产环境运行 EXPLAIN ANALYZE;索引或 select_related 能解决的问题不应建议改用缓存。

适用场景与限制 适用于 Django 页面/API 性能问题的定位与工单化,尤其内置 N+1、索引、序列化、查询集范围、外部调用等检查;不负责实施优化。该页面未提供安装命令、许可、收费方式、平台范围与效果数据,暂未提供。