性能自动调优

版本: v1.0.0+ | 实时监控 | 规则引擎 | 参数自动调整 | 负载预测

概述

性能自动调优系统通过 6 阶段 AI 管道追踪（意图识别、任务规划、工具执行、RAG 检索、LLM 调用、完整管道）持续监控应用性能指标，并基于规则引擎自动调整配置参数。系统内置 5 条调优规则（数据库慢查询、碎片清理、LLM 高延迟、内存压力、P2P 连接数），支持冷却期防抖和 500 条历史回溯。

性能自动调优系统持续监控应用性能指标，通过规则引擎自动调整配置参数，确保最优运行状态。

核心特性

📊 6 阶段管道追踪: 从意图识别到完整管道，全链路性能监控与百分位统计（P50/P90/P95/P99）
🔍 瓶颈自动识别: 实时检测性能瓶颈，自动生成优化建议
⚙️ 5 条内置规则: 数据库慢查询、数据库碎片、LLM 高延迟、内存压力、P2P 连接数自动调优
❄️ 冷却期防抖: 每条规则 10 分钟冷却期，避免频繁调优震荡
📈 调优历史记录: 完整记录每次调优动作，支持 500 条历史回溯

系统架构

性能数据源
  │
  ▼
┌──────────────────────┐
│  PerformanceMonitor   │
│  (6阶段管道追踪)      │
│  ├─ intent_recognition│
│  ├─ task_planning     │
│  ├─ tool_execution    │
│  ├─ rag_retrieval     │
│  ├─ llm_calls         │
│  └─ total_pipeline    │
└──────────┬───────────┘
           │ 指标采集 (每5分钟)
           ▼
┌──────────────────────┐
│     AutoTuner         │
│  ┌────────────────┐  │
│  │   规则引擎      │  │
│  │ (5内置+自定义)  │  │
│  └───────┬────────┘  │
│          ▼           │
│  ┌────────────────┐  │
│  │ 冷却期检查     │  │
│  └───────┬────────┘  │
│          ▼           │
│  ┌────────────────┐  │
│  │ 调优动作执行   │  │
│  └────────────────┘  │
└──────────────────────┘

系统概述

双层架构

性能系统
├─ PerformanceMonitor (监控层)
│   ├─ 6 阶段 AI 管道性能追踪
│   ├─ 百分位统计 (P50/P90/P95/P99)
│   ├─ 瓶颈识别
│   └─ 优化建议生成
└─ AutoTuner (调优层)
    ├─ 规则引擎（内置 + 自定义规则）
    ├─ 冷却期防抖
    ├─ 调优历史记录
    └─ 自动参数调整

性能监控

追踪的管道阶段

阶段	说明	警告阈值	危险阈值
`intent_recognition`	意图识别	可配置	可配置
`task_planning`	任务规划	可配置	可配置
`tool_execution`	工具执行	可配置	可配置
`rag_retrieval`	RAG 检索	可配置	可配置
`llm_calls`	LLM 调用	可配置	可配置
`total_pipeline`	完整管道	可配置	可配置

统计指标

每个阶段统计:
├─ 平均耗时 (Mean)
├─ P50 (中位数)
├─ P90
├─ P95
├─ P99
├─ 最小值 / 最大值
├─ 调用次数
└─ 异常比例

瓶颈识别

系统自动识别管道中的性能瓶颈并生成优化建议：

瓶颈分析:
  RAG 检索阶段 P95 = 2500ms (警告)
  → 建议: 优化向量索引, 减少检索文档数量
  → 建议: 启用 BM25 预过滤减少候选集

自动调优

内置规则

规则	触发条件	调优动作	冷却期
`db-slow-queries`	数据库查询慢	增大 SQLite 缓存，启用 WAL	10分钟
`db-vacuum`	数据库碎片多	执行 VACUUM	10分钟
`llm-high-latency`	LLM 响应慢	缩小上下文窗口	10分钟
`memory-pressure`	内存压力大	触发 GC，发出警告	10分钟
`p2p-connections`	P2P 连接数过多	降低连接上限	10分钟

规则引擎配置

json

{
  "autoTuner": {
    "evaluationIntervalMs": 300000,
    "cooldownMs": 600000,
    "maxHistoryEntries": 500,
    "rules": [
      {
        "name": "custom-rule",
        "condition": "metrics.cpuUsage > 80",
        "action": "reduceParallelism",
        "cooldownMs": 300000
      }
    ]
  }
}

调优流程

1. 定期采集性能指标（默认每 5 分钟）
2. 评估所有规则条件
3. 条件满足 → 检查冷却期
4. 冷却期已过 → 执行调优动作
5. 记录调优历史
6. 发出事件通知

数据库表

`performance_metrics`

字段	类型	说明
`id`	INTEGER	主键
`phase`	TEXT	管道阶段
`duration`	REAL	耗时（毫秒）
`metadata`	TEXT	附加信息（JSON）
`session_id`	TEXT	会话 ID
`created_at`	DATETIME	记录时间

关键文件

文件	职责
`src/main/monitoring/performance-monitor.js`	性能监控器（6 阶段追踪）
`src/main/performance/auto-tuner.js`	自动调优引擎（规则引擎）
`src/main/performance/performance-monitor.js`	性能数据采集器

使用示例

查看性能瓶颈

打开「性能调优」页面，查看 6 阶段管道统计
关注 P95/P99 延迟超过阈值的阶段（标红显示）
系统自动生成优化建议（如"优化向量索引"）
按建议调整配置后观察指标变化

配置自动调优规则

在配置文件中添加自定义调优规则
设置触发条件（如 metrics.cpuUsage > 80）和调优动作
配置冷却期防止频繁调优（推荐 5-10 分钟）
规则引擎每 5 分钟自动评估并执行

查看调优历史

切换到「调优历史」标签页
查看每次自动调优的触发规则、执行动作和效果
分析调优趋势，识别反复触发的规则
根据历史数据优化规则参数

故障排查

问题	可能原因	解决方案
性能数据未采集	监控模块未初始化	重启应用，确认 PerformanceMonitor 已加载
自动调优不触发	冷却期未过或条件未满足	检查冷却期配置（默认 10 分钟），确认指标达到阈值
调优后性能反而下降	规则动作不适合当前场景	调整规则条件和动作，增大冷却期避免震荡
P99 延迟持续偏高	系统整体负载过重	排查资源瓶颈（CPU/内存/磁盘），考虑扩容
历史记录超过 500 条	调优频率过高	增大评估间隔和冷却期，减少不必要的调优
数据库慢查询规则误触发	阈值设置过低	根据实际业务场景调整慢查询阈值

配置参考

完整配置项

在 .chainlesschain/config.json 中配置：

json

{
  "performanceTuning": {
    "monitor": {
      "enabled": true,
      "evaluationIntervalMs": 300000,
      "retentionDays": 30,
      "stages": {
        "intent_recognition": { "warnMs": 200, "criticalMs": 500 },
        "task_planning":      { "warnMs": 500, "criticalMs": 1000 },
        "tool_execution":     { "warnMs": 2000, "criticalMs": 5000 },
        "rag_retrieval":      { "warnMs": 1500, "criticalMs": 3000 },
        "llm_calls":          { "warnMs": 5000, "criticalMs": 15000 },
        "total_pipeline":     { "warnMs": 8000, "criticalMs": 20000 }
      }
    },
    "autoTuner": {
      "enabled": true,
      "cooldownMs": 600000,
      "maxHistoryEntries": 500,
      "rules": {
        "db-slow-queries":  { "enabled": true, "thresholdMs": 100 },
        "db-vacuum":        { "enabled": true, "fragmentRatio": 0.3 },
        "llm-high-latency": { "enabled": true, "p95ThresholdMs": 10000 },
        "memory-pressure":  { "enabled": true, "heapUsageRatio": 0.85 },
        "p2p-connections":  { "enabled": true, "maxConnections": 50 }
      },
      "customRules": []
    }
  }
}

环境变量

变量	默认值	说明
`PERF_MONITOR_INTERVAL_MS`	`300000`	指标采集间隔（毫秒）
`PERF_TUNER_COOLDOWN_MS`	`600000`	调优规则冷却期（毫秒）
`PERF_TUNER_MAX_HISTORY`	`500`	最大历史记录条数
`PERF_LLM_LATENCY_THRESHOLD_MS`	`10000`	LLM 高延迟触发阈值
`PERF_DB_SLOW_QUERY_THRESHOLD_MS`	`100`	数据库慢查询触发阈值

性能指标

基准测试结果

测试环境：Intel Core i7-12700K / 32GB RAM / NVMe SSD / Windows 10 Pro

指标	典型值	P95 值	目标上限
意图识别延迟	45 ms	120 ms	200 ms
任务规划延迟	180 ms	420 ms	500 ms
RAG 检索延迟（10 文档）	320 ms	890 ms	1500 ms
LLM 调用延迟（qwen2:7b）	1800 ms	4200 ms	5000 ms
完整管道端到端延迟	2800 ms	6500 ms	8000 ms
指标采集开销	< 1 ms	< 3 ms	< 5 ms
规则引擎评估耗时（5 规则）	< 2 ms	< 5 ms	< 10 ms

内存占用

组件	空闲内存	峰值内存
PerformanceMonitor	~2 MB	~8 MB
AutoTuner（500 历史）	~4 MB	~12 MB
性能指标数据库	~10 MB	~50 MB

调优效果

内置规则在典型场景下的实测改善效果：

规则	改善场景	平均改善幅度
`db-slow-queries`	启用 WAL 后高并发写入	延迟降低 40%
`db-vacuum`	碎片率 > 30% 时执行 VACUUM	查询提速 15%
`llm-high-latency`	缩小上下文窗口后响应加速	延迟降低 25%
`memory-pressure`	GC 触发后内存回收	堆降低 30%
`p2p-connections`	降低连接上限后网络稳定性提升	丢包减少 20%

测试覆盖率

测试文件

测试文件	测试数	覆盖模块
`tests/unit/monitoring/performance-monitor.test.js`	24	6 阶段追踪、百分位统计
`tests/unit/performance/auto-tuner.test.js`	31	规则引擎、冷却期、历史记录
`tests/unit/performance/auto-tuner-rules.test.js`	18	5 条内置规则触发与执行
`tests/unit/performance/performance-monitor.test.js`	12	数据采集与持久化
`tests/integration/performance/tuner-monitor.test.js`	9	监控→调优端到端联动

总计: 94 个测试

覆盖率摘要

模块	语句覆盖率	分支覆盖率	函数覆盖率
`performance-monitor.js`	96%	91%	100%
`auto-tuner.js`	94%	89%	100%

运行测试

bash

# 单元测试
cd desktop-app-vue && npx vitest run tests/unit/performance/

# 集成测试
cd desktop-app-vue && npx vitest run tests/integration/performance/

# 全部性能模块测试
cd desktop-app-vue && npx vitest run tests/unit/monitoring/ tests/unit/performance/ tests/integration/performance/

安全考虑

只读监控: 性能监控仅采集指标数据，不修改业务逻辑
调优范围限制: 自动调优仅调整预定义的配置参数，不执行任意命令
冷却期防抖: 每条规则设有冷却期，防止快速连续调优导致系统不稳定
历史审计: 所有调优动作完整记录，支持回溯和问责
权限控制: 调优规则的增删改需要管理员权限
指标数据保护: 性能指标存储在加密数据库中，防止信息泄露
资源保护: 调优动作不会超出系统安全边界（如不会关闭安全模块）

性能自动调优 ​

概述 ​

核心特性 ​

系统架构 ​

系统概述 ​

双层架构 ​

性能监控 ​

追踪的管道阶段 ​

统计指标 ​

瓶颈识别 ​

自动调优 ​

内置规则 ​

规则引擎配置 ​

调优流程 ​

数据库表 ​

performance_metrics ​

关键文件 ​

使用示例 ​

查看性能瓶颈 ​

配置自动调优规则 ​

查看调优历史 ​

故障排查 ​

配置参考 ​

完整配置项 ​

环境变量 ​

性能指标 ​

基准测试结果 ​

内存占用 ​

调优效果 ​

测试覆盖率 ​

测试文件 ​

覆盖率摘要 ​

运行测试 ​

安全考虑 ​

相关文档 ​