GitHub Copilot के साथ परफॉर्मेंस ऑप्टिमाइज़ेशन

GitHub Copilot के साथ Software Development

Thalia Barrera

AI Engineering Curriculum Manager, DataCamp

The silent slowdown

nanobanana: half: एक विभाजित चित्रण: एक ओर तेज, उत्तरदायी ऐप एक स्मूद रॉकेट लॉन्च के रूप में; दूसरी ओर धीमा, घूमता लोडिंग इंडिकेटर, फ्लैट वेक्टर शैली

परफॉर्मेंस इश्यू:

unit tests में नहीं दिखते
तुरंत क्रैश नहीं कराते

📈 कोड सही दिखता है, पर scale नहीं होता

A bottleneck in the wild

def find_common(list1, list2):
    common = []
    for item in list1:
        for item2 in list2:
            if item == item2:
                common.append(item)
    return common

छोटे इनपुट पर कोड ठीक चलता है
1 million items → 1 trillion comparisons
$O(n^2)$ algorithm!

❌ व्यस्त दिन पर production डाउन करा देता है

[screencast]

Copilot को बताएँ कि क्या ऑप्टिमाइज़ करना है

nanobanana: half: एक परफॉर्मेंस डैशबोर्ड, स्पीडोमीटर डायल्स और मीट्रिक गेज के साथ, अलग-अलग ऑप्टिमाइज़ेशन संकेतक दिखाते हुए, साफ बैकग्राउंड पर फ्लैट वेक्टर इल्युस्ट्रेशन

Speed → faster algorithms, caching, batching
Memory → resource cleanup, streaming, generators
Both → full performance review

काम के Performance prompts

Targeted optimization

#selection को परफॉर्मेंस के लिए ऑप्टिमाइज़ करें और time complexity घटाएँ

#selection में memory leaks रिव्यू करें

Codebase-wide scan

@workspace large collections पर nested loops वाले functions ढूँढें

[screencast]

हर सुझाव में परफॉर्मेंस बेक करें

.github/copilot-instructions.md

## Performance standards
- Prefer set or dict lookups over nested loops
- Use context managers for files, connections, and sockets
- Avoid loading entire datasets into memory, use generators or streaming

✅ कोड में performance bottlenecks लिखे जाने से रोकता है

अभ्यास करते हैं!

GitHub Copilot के साथ Software Development