การปรับปรุงการใช้หน่วยความจำด้วย AI

AI-Assisted Coding ขั้นสูงสำหรับนักพัฒนา

Thalia Barrera

AI Engineering Curriculum Manager, DataCamp

จาก time complexity สู่ space complexity

ประสิทธิภาพไม่ใช่แค่ความเร็ว:

การใช้หน่วยความจำ
ความสามารถในการขยายขนาด
การเติบโตของข้อมูลเมื่อเวลาผ่านไป

จาก time complexity สู่ space complexity

การทดสอบในระดับขนาดจริง

การเปรียบเทียบขนาดฐานข้อมูล

✔ ชุดข้อมูลขนาดเล็ก: เหมาะสำหรับการเรียนรู้
📈 ปัญหาหน่วยความจำ: เกิดขึ้นเมื่อขยายขนาด
💾 ฐานข้อมูลจริง: ใกล้เคียง production มากกว่า

คำเตือนการเพิ่มขึ้นของหน่วยความจำ

AI ตีความ memory trace

การตีความ tracemalloc

ผลการวิเคราะห์ของ AI:

หน่วยความจำที่ถูกเก็บไว้มีขนาดใหญ่
โครงสร้างกลางซ้ำซ้อน
เกิดขึ้นระหว่างการดำเนินการรวมข้อมูล

ระบุสาเหตุหลักได้แล้ว

สาเหตุหลัก

AI เสนอแนวทางแก้ไข

🤖 Prompt สำหรับคอขวดหน่วยความจำ:

จากคอขวดหน่วยความจำที่ระบุได้ ให้แนะนำกลยุทธ์การ refactor เพื่อลดการใช้หน่วยความจำสูงสุด โดยพิจารณา streaming, การนำข้อมูลกลับมาใช้ใหม่ หรือการแสดงข้อมูลรูปแบบอื่น

กลยุทธ์ที่แนะนำ:

ลดการจัดสรรหน่วยความจำกลาง
นำ buffer กลับมาใช้ใหม่
นำการ cache มาใช้

การแลกเปลี่ยนของ caching

ตราชูแสดงการแลกเปลี่ยนของ cache

ควรระวังการใช้ cache:

✔ สามารถปรับปรุงประสิทธิภาพได้
❌ อาจเพิ่มการใช้หน่วยความจำได้เช่นกัน

การแลกเปลี่ยนของ caching

🤖 Prompt สำหรับเปรียบเทียบการแลกเปลี่ยน:

จาก workload และรูปแบบการเข้าถึงนี้ กลยุทธ์ caching จะช่วยลดการใช้หน่วยความจำโดยรวม หรืออาจทำให้แย่ลง? อธิบาย trade-off

คำแนะนำ cache จาก AI

การนำ AI ไปใช้งาน

การแก้ไขโค้ดด้วย AI

เสมอเช่นเคย:

ตรวจสอบอย่างละเอียด
ทดสอบก่อนยอมรับการเปลี่ยนแปลง

ผลการตรวจสอบ

การรัน Benchmarking:

ผลการทดสอบหน่วยความจำ

ผลลัพธ์:

หน่วยความจำสูงสุดลดลงอย่างมีนัยสำคัญ
เวลาทำงานคงที่
✅ การปรับปรุงได้รับการยืนยัน

Prompt สำหรับ Benchmarking

🤖 Prompt สำหรับ Benchmarking:

คุณเป็นผู้เชี่ยวชาญด้านประสิทธิภาพ Python ต่อไปนี้คือ snapshot จาก tracemalloc สองชุด ก่อนและหลังการเปลี่ยนแปลงโค้ด

ก่อน: {before_snapshot}

หลัง: {after_snapshot}

เปรียบเทียบการใช้หน่วยความจำสูงสุดและจำนวนการจัดสรร อ้างอิงตัวเลขประกอบข้อสรุป หากการเปลี่ยนแปลงเป็นการปรับปรุง ให้อธิบายเหตุผล หากไม่ใช่ ให้แนะนำแนวทางแก้ไข

Prompt benchmarking ที่มีประสิทธิภาพ:

ระบุข้อมูลก่อน/หลัง
ระบุเมตริกที่สำคัญ
ขอข้อสรุปที่อิงหลักฐาน

✔ ทำให้การปรับปรุงทำซ้ำได้และเป็นระบบ

มาฝึกกันเลย!

AI-Assisted Coding ขั้นสูงสำหรับนักพัฒนา