工作流性能调优

性能瓶颈识别

常见瓶颈：API调用延迟（外部服务慢）、数据处理量大（循环过多）、串行执行（可并行未并行）、内存溢出（大文件处理）。诊断方法：记录每步执行时间→找出最慢环节→分析原因。

并发与并行优化

并行处理：独立的API调用同时发起而非顺序执行。批量操作：100条数据一次API调用而非100次调用。并发控制：设置最大并发数避免触发限流。异步处理：非关键步骤异步执行不阻塞主流程。

缓存策略

缓存适用场景：频繁查询但不常变化的数据（用户信息/配置/汇率）。缓存方案：内存缓存（Redis）、文件缓存、平台内置缓存。缓存更新：TTL过期刷新、事件驱动更新、定时全量刷新。注意缓存一致性。

数据处理优化

大数据集处理：分页查询代替全量加载、流式处理代替内存加载、增量处理代替全量处理。数据格式：JSON解析比XML快、二进制比文本高效。压缩传输：大数据启用gzip减少网络时间。

资源使用优化

API配额优化：合并请求减少调用次数、缓存结果避免重复调用、使用批量API。执行时间优化：减少不必要的步骤、条件判断提前终止、精简数据传递。成本优化：低优先级任务安排在低峰期执行。