Skip to main content

为性能优化而重构

Copilot 对话助手 可以提出加快运行缓慢的代码的方法建议。

现有代码可能能正常运行,但效率低下,会导致性能瓶颈。 可能影响性能的编码示例包括低效循环、不必要的计算和过度的内存分配。

Copilot 对话助手 可以识别性能热点并提出重构策略,例如优化数据结构(如使用哈希表代替数组)、减少冗余计算、提升算法效率。 它还可以推荐缓存机制或并行化操作以提高性能。

示例方案

下面的 Python 代码打印前 10,000 个质数中每 1000 个质数。 代码包含计时器,并在输出的最后一行打印运行所需时间。 程序运行需要几秒钟才能完成。

import time

def is_prime(n):
    if n <= 1:
        return False
    for i in range(2, n):
        if n % i == 0:
            return False
    return True

def every_1000th_prime():
    primes = []
    num = 2
    while len(primes) < 10000:
        if is_prime(num):
            primes.append(num)
        num += 1
    return [primes[i] for i in range(999, 10000, 1000)]

if __name__ == "__main__":
    start_time = time.time()
    primes = every_1000th_prime()
    for prime in primes:
        print(prime)
    end_time = time.time()
    elapsed_time = end_time - start_time
    print(f"Time taken: {elapsed_time:.10f} seconds")

示例提示

Copilot Chat prompt
Optimize this code for performance

示例响应

Copilot 建议使用筛法函数以更高效地生成质数。 如果运行此程序,完成时间将缩短至不到一秒。

注意

Copilot 对话助手 的响应具有非确定性,因此可能得到与此处示例不同的回复。

import time

def sieve_of_eratosthenes(limit):
    sieve = [True] * (limit + 1)
    sieve[0] = sieve[1] = False
    for start in range(2, int(limit**0.5) + 1):
        if sieve[start]:
            for multiple in range(start*start, limit + 1, start):
                sieve[multiple] = False
    return [num for num, is_prime in enumerate(sieve) if is_prime]

def every_1000th_prime():
    limit = 105000  # Higher than needed to ensure 10,000 primes
    primes = sieve_of_eratosthenes(limit)
    return [primes[i] for i in range(999, 10000, 1000)]

if __name__ == "__main__":
    start_time = time.time()
    primes = every_1000th_prime()
    for prime in primes:
        print(prime)
    end_time = time.time()
    elapsed_time = end_time - start_time
    print(f"Time taken: {elapsed_time:.10f} seconds")

其他阅读材料