为性能优化而重构

现有代码可能运行正常但效率低下，从而导致性能瓶颈。 可能对性能产生不利影响的编码示例包括低效的循环、不必要的计算以及过度的内存分配。

Copilot Chat 能够识别性能热点，并提出重构策略建议，比如优化数据结构（例如，使用哈希表而非数组）、减少冗余计算以及提高算法效率。 它还能推荐缓存机制或并行化操作来提升性能。

示例方案

以下 Python 代码会打印出到第 10,000 个素数为止的每第 1000 个素数。 它包含一个计时器，并在输出的最后一行打印出代码运行所花费的时间。 该程序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

Optimize this code for performance

示例响应

Copilot 建议使用筛法函数来更高效地生成素数。 如果你运行此程序，它将在不到一秒的时间内完成。

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

• “GitHub Copilot 的提示设计”
• “有关使用 GitHub Copilot 的最佳做法”