Профилирование приложения с помощью агента профилировщика GitHub Copilot

Агент профилировщика GitHub Copilot работает вместе с GitHub Copilot и поможет вам проверить и улучшить производительность.

В этом руководстве показано, как профилировать приложения и повысить производительность с помощью агента Профилировщика Copilot.

Агент профилировщика может выполнять все следующие задачи.

Анализ использования ЦП, выделения памяти и поведения среды выполнения.
Узкие места производительности поверхности.
Создайте тесты BenchmarkDotNet или оптимизируйте существующие тесты BenchmarkDotNet.
Применение предлагаемых оптимизаций.
Проверьте улучшения в интерактивном цикле.

Агент профилировщика особенно полезен, когда:

Вы не знакомы с профилированием.
Вы не уверены, где начать с настройки производительности.
Вы хотите проверить оптимизацию с помощью реальных тестов.
Вы работаете над высокопроизводительные приложения, такие как игры, службы или клиентские инструменты.

Для получения информации о других функциях профилирования в Copilot см. в разделе о расширенных ИИ-сценариях. Общие сведения об агентах Copilot и режиме агента см. в разделе "Использование режима агента Copilot".

Предпосылки

Чтобы начать, вам нужно:

Visual Studio версии 18.0.0( предварительная версия 1 или более поздняя версия)
Войдите в Visual Studio с помощью учетной записи GitHub с доступом к Copilot
^** Вы можете использовать GitHub Copilot бесплатно. Зарегистрируйте и используйте ИИ, чтобы быстрее и эффективнее кодировать.

Запуск сеанса профилирования

В Visual Studio создайте консольное приложение C#.

В окне запуска нажмите кнопку "Создать проект". Введите консоль в поле поиска, выберите язык C# и выберите консольное приложение для .NET. Нажмите кнопку Далее. Введите имя проекта, например ConsoleApp_CopilotProfile , и нажмите кнопку "Далее". Выберите целевую платформу (например, .NET 8) и нажмите кнопку "Создать".
В обозревателе решений щелкните правой кнопкой мыши узел зависимостей в проекте, выберите "Управление пакетами NuGet", выполните поиск EntityFramework и добавьте в проект следующие пакеты:
- Microsoft.EntityFramework.Core
- Microsoft.EntityFramework.Core.InMemory
Приложение использует базу данных в памяти для упрощения настройки проекта.

Замените код в Program.cs следующим кодом:

using System.Diagnostics;
using Microsoft.EntityFrameworkCore;

// Configure EF Core to use the InMemory provider
var options = new DbContextOptionsBuilder<AppDbContext>()
    .UseInMemoryDatabase("PerfDemoDb")
    .Options;

using var db = new AppDbContext(options);

// Seed 100,000 records once
if (!db.People.Any())
{
    var rand = new Random(42);
    var cities = new[]
    {
        "Chicago", "Seattle", "Cairo", "London", "Paris",
        "Cleveland", "Calgary", "Dallas", "Berlin", "Copenhagen"
    };

    var people = Enumerable.Range(1, 100_000).Select(i => new Person
    {
        Name = $"Person {i}",
        Age = rand.Next(18, 80),
        City = cities[rand.Next(cities.Length)]
    });

    db.People.AddRange(people);
    db.SaveChanges();
}

Console.WriteLine($"Seeded records: {db.People.Count():N0}");

// Inefficient LINQ pattern: materialize everything and repeatedly re-materialize + chain ToList
// This simulates client-heavy work that doesn't scale, even with in-memory provider
var sw = Stopwatch.StartNew();

// Full materialization of all rows
var all = db.People.ToList();

// Extra ToList calls create multiple large intermediate lists
var inefficient = all
    .Where(p => p.Age > 50)
    .ToList()
    .Where(p => p.City.StartsWith("C"))
    .ToList()
    .Select(p => p.Name)
    .Distinct()
    .OrderBy(n => n)
    .Take(10)
    .ToList();

sw.Stop();
Console.WriteLine($"Inefficient query returned {inefficient.Count} rows in {sw.ElapsedMilliseconds} ms");

// EF Core entity
public class Person
{
    public int Id { get; set; }
    public string Name { get; set; } = string.Empty;
    public int Age { get; set; }
    public string City { get; set; } = string.Empty;
}

// EF Core DbContext
public class AppDbContext : DbContext
{
    public AppDbContext(DbContextOptions<AppDbContext> options) : base(options) { }
    public DbSet<Person> People => Set<Person>();
}

Выберите "Сборка решения сборки > " , чтобы убедиться, что приложение выполняет сборку без ошибок.

Попросите Copilot получить аналитические сведения о профилировании

Откройте окно чата Copilot и используйте следующую строку.

@Profiler Please evaluate the performance of this code
Выберите Отправить.

Команда @Profiler вызывает агент Профилировщика Copilot.

Кроме того, можно запустить агент профилировщика вручную, выбрав "Выбрать инструменты " и вручную включив агент профилировщика, а затем переключившись в режим агента. Используя этот метод, вам не нужно использовать @Profiler команду.

Copilot спрашивает, хотите ли вы запустить профилировщик.
Нажмите кнопку "Подтвердить".

Агент выполняется через ряд шагов независимо друг от друга. Он проверяет код, добавляет поддержку проекта для BenchmarkDotNet, включая ссылки на проекты и пакеты, добавляет тесты тестирования в новый файл и запускает тест сравнения с новым кодом, который он создает.

Результаты теста отображаются в окне вывода с выходными данными, установленными в Центре диагностики.

Результаты сеанса диагностики отображаются в отчете файла diagsession . Если вы хотите вручную изучить использование ЦП, см. статью "Анализ производительности с помощью профилирования ЦП". Однако в этом сценарии мы используем агент профилировщика.

По завершении тестирования агент суммирует свои результаты.

Агент сообщает о потенциальных 33% повысить эффективность, главным образом путем удаления полно табличного материализации и ненужных ToList() вызовов метода.

Агент также предоставляет несколько предложений для дальнейших действий, включая вариант оптимизации запроса LINQ.

В этом примере основное внимание уделяется оптимизации запроса LINQ.
Выберите второе предложение Copilot и нажмите кнопку "Отправить ", чтобы сообщить агенту, чтобы оптимизировать цепочку запросов LINQ.

Агент обновляет Program.cs и предоставляет дополнительные предложения по оптимизации кода. Сейчас мы пропустим эти предложения.
Ознакомьтесь с изменениями кода в Program.cs.
В правом нижнем углу редактора кода проверьте изменения кода и нажмите кнопку "Сохранить ".

Здесь показан оптимизированный запрос.
```
 var optimized = db.People
     .AsNoTracking()
     .Where(p => p.Age > 50 && p.City.StartsWith("C"))
     .Select(p => p.Name)
     .Distinct()
     .OrderBy(n => n)
     .Take(10)
     .ToList();
```
Если вы хотите выполнить дополнительную оптимизацию, выберите предложения, предоставленные агентом, или задайте дополнительные вопросы.

Продолжение чата после достижения лимита токенов

Агент профилировщика предоставляет умное резюмирование и продление истории чата, предназначенное для поддержания рабочего потока без блокировок из-за ограничения токенов.

Если чат с Copilot приближается к его лимиту токенов, вам будет предложено подвести итоги и продолжить в новой ветке.

Снимок экрана: сводка обсуждения.

Если вы выберете этот параметр, агент автоматически создает краткую, многофункциональную контекстную сводку текущего потока чата и переносит ее в новую беседу. Это позволяет избежать повторения каких-либо шагов.

Обратная связь

Были ли сведения на этой странице полезными?

Last updated on 2025-11-12