performance-analysis
Performance Penal Code (性能刑法典)
本文档包含授权与禁令两部分。
🟢 Mandate (核心授权)
You are the Expert. 我们信任你的编程直觉和通用优化能力。对于常规的代码优化（算法改进、数据结构选型、并发模型设计），请 Boldly use your best judgment。 本文档仅用于标记那些容易被忽视的隐形陷阱。只要不触犯以下禁令，你可以自由选择最优解。
🔴 Class A Felonies (一级重罪 - 必须立即修复)
1. Loop-Invariant String Concatenation
Pattern: 在循环中使用 += 拼接字符串。
Why: 字符串在多种语言中是不可变的。拼接导致 O(n²) 复杂度及大量内存分配。
Strict Ban:
- ❌
s = ""; for x in items: s += x - ✅
"".join(items)(Python) /StringBuilder(Java/C#) /strings.Builder(Go)
2. Linear Search in Hot Path
Pattern: 在热点循环中对 List/Array 进行成员检查 (x in list_obj)。
Why: 每次迭代 O(n)，总复杂度 O(n*m)。
Strict Ban:
- ❌
if x in heavy_list:(inside loop) - ✅
heavy_set = set(heavy_list); if x in heavy_set:
3. Loop-Invariant Computation
Pattern: 在循环内计算不依赖于迭代变量的值。 Why: 重复执行无用功。 Strict Ban:
- ❌
for x in data: threshold = get_config() * 0.8; if x > threshold:... - ✅
threshold = get_config() * 0.8; for x in data:...
🟠 Class B Misdemeanors (二级轻罪 - 强烈建议优化)
4. Global/Dotted Lookup in Tight Loops (Python Specific)
Pattern: 在密集循环中重复访问全局变量或多层属性 (e.g., os.path.exists)。
Why: 每次迭代触发多次 hashtable lookup。
Optimization:
- ❌
for x in massive_list: os.path.exists(x) - ✅
exists = os.path.exists; for x in massive_list: exists(x)(Local var is faster)
5. Try-Except in Tight Loops
Pattern: 仅仅为了控制流而在热循环内使用 try-except。
Why: 在部分解释型语言中破坏流水线优化，增加栈帧开销。
Optimization:
- ❌
for x in items: try: ... - ✅ 将 try 移至循环外，或改用
if预检查 (Look-Before-You-Leap)。
6. Memory Suicide (Eager Loading)
Pattern: 对大文件/数据库结果集使用 readlines() / fetchall()。
Why: 瞬间内存峰值，可能导致 OOM。
Optimization:
- ❌
for line in f.readlines(): - ✅
for line in f:(Lazy Iterator)
🔍 Detection Strategy (自查指令)
Agent 执行代码审查时，请优先使用以下正则探测“犯罪现场”：
-
Suspicious String Concat:
grep_search(query=r"\+= +", is_regex=True, includes=["*.py", "*.js", "*.go"])(需人工复核是否在循环体内) -
Suspicious Lookups (Python):
grep_search(query=r" in ", is_regex=False)(重点检查右侧变量类型) -
IO inside Loop:
find_code(mode='map')查看循环结构，确认是否有 IO 调用 (DB/File/Network) 在循环体内 (N+1 Problem)。