Synthèse automatique
Ce pattern propose des stratégies de performance pour les opérations sur de grands ensembles de données : streaming, pagination, comptage optimisé et opérations en masse.
Points forts
- Fournit des stratégies concrètes (streaming, bulk, comptage rapide)
- Inclut des benchmarks chiffrés montrant des accélérations spectaculaires
- Propose un pattern de pagination avec comptage pour les API web
- Couvre des antipatterns courants avec des alternatives correctes
Limites
- Spécifique à la librairie Koan, pas universel
- Les benchmarks sont idéalisés et peuvent varier en pratique
- N'aborde pas les aspects de mise en cache ou d'indexation
Utilisez ce pattern lorsque vous manipulez de grands ensembles de données et devez optimiser les performances des requêtes en base de données.
Évitez ce pattern pour de petits volumes de données ou si la simplicité du code prime sur les micro-optimisations.
Analyse de sécurité
SûrThe skill provides safe programming advice for .NET environments. No shell commands, file deletions, network calls, or risky operations are instructed. Code snippets are purely illustrative.
Aucun point d'attention détecté
Comment cette analyse est faiteExemples
How can I efficiently process 1 million records from the database without running out of memory? Show me streaming.I need a fast count of total records for my API pagination. How to get it in milliseconds instead of seconds?I have 1000 todos to insert efficiently. How to bulk save them in a single operation?name: koan-performance description: Streaming, pagination, count strategies, bulk operations
Koan Performance
Core Principle
Optimize for scale from day one. Use streaming for large datasets, batch operations for bulk changes, fast counts for UI, and pagination for web APIs.
Performance Patterns
Streaming (Large Datasets)
// ❌ WRONG: Load everything into memory
var allTodos = await Todo.All(); // 1 million records!
// ✅ CORRECT: Stream in batches
await foreach (var todo in Todo.AllStream(batchSize: 1000))
{
await ProcessTodo(todo);
}
Count Strategies
// Fast count (metadata estimate - 1000x+ faster)
var fast = await Todo.Count.Fast(ct); // ~5ms for 10M rows
// Exact count (guaranteed accuracy)
var exact = await Todo.Count.Exact(ct); // ~25s for 10M rows
// Optimized (framework chooses)
var optimized = await Todo.Count; // Uses Fast if available
Use Fast for: Pagination UI, dashboards, estimates Use Exact for: Critical business logic, reports, inventory
Bulk Operations
// Bulk create
var todos = Enumerable.Range(1, 1000)
.Select(i => new Todo { Title = $"Task {i}" })
.ToList();
await todos.Save(); // Single operation
// Bulk removal
await Todo.RemoveAll(RemoveStrategy.Fast); // TRUNCATE/DROP (225x faster)
Batch Retrieval
// ❌ WRONG: N queries
foreach (var id in ids)
{
var todo = await Todo.Get(id);
}
// ✅ CORRECT: 1 query
var todos = await Todo.Get(ids);
Pagination
public async Task<IActionResult> GetTodos(
int page = 1,
int pageSize = 20,
CancellationToken ct = default)
{
var result = await Todo.QueryWithCount(
t => !t.Completed,
new DataQueryOptions { OrderBy = nameof(Todo.Created), Descending = true },
ct);
Response.Headers["X-Total-Count"] = result.TotalCount.ToString();
return Ok(result.Items);
}
Performance Benchmarks
| Operation | Inefficient | Efficient | Speedup | |-----------|-------------|-----------|---------| | Bulk Remove (1M) | DELETE loop ~45s | TRUNCATE ~200ms | 225x | | Count (10M) | Full scan ~25s | Metadata ~5ms | 5000x | | Batch Get (100) | 100 queries | 1 query | 100x | | Stream (1M) | Load all (OOM) | Stream batches | Memory safe |
When This Skill Applies
- ✅ Performance tuning
- ✅ Large datasets
- ✅ Optimization
- ✅ Production readiness
- ✅ Memory issues
- ✅ Query optimization
Reference Documentation
- Example Code:
.claude/skills/entity-first/examples/batch-operations.cs - Guide:
docs/guides/performance.md - Sample:
samples/S14.AdapterBench/(Performance benchmarks)
Du fichier au premier essai
Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.
Consulter la source et ses fichiers annexesCe téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.
1. Télécharger le fichier
Télécharger SKILL.mdDepuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/koan-performance-optimization-mm5t89wa/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.
Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.
mkdir -p '.skill-downloads/koan-performance-optimization-mm5t89wa' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/koan-performance-optimization-mm5t89wa/download' --output '.skill-downloads/koan-performance-optimization-mm5t89wa/SKILL.md.part' && mv '.skill-downloads/koan-performance-optimization-mm5t89wa/SKILL.md.part' '.skill-downloads/koan-performance-optimization-mm5t89wa/SKILL.md'2. Vérifier les prérequis
Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.
Aucune section de prérequis reconnue dans ce fichier. Cela ne signifie pas qu’il est autonome : les bibliothèques, outils et accès peuvent être cités ailleurs dans le contenu ou dans le dépôt source.
Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.
3. Charger la skill
Après vérification, copiez le dossier complet dans le projet avec l’une des commandes ci-dessous, puis ouvrez une nouvelle session de l’outil. La commande s’arrête si un dossier du même nom existe déjà : comparez les fichiers avant de le remplacer.
Claude Code
test -f '.skill-downloads/koan-performance-optimization-mm5t89wa/SKILL.md' && test -s '.skill-downloads/koan-performance-optimization-mm5t89wa/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/koan-performance' && cp -R '.skill-downloads/koan-performance-optimization-mm5t89wa' '.claude/skills/koan-performance'Cursor
test -f '.skill-downloads/koan-performance-optimization-mm5t89wa/SKILL.md' && test -s '.skill-downloads/koan-performance-optimization-mm5t89wa/SKILL.md' && mkdir -p '.cursor/skills' && test ! -e '.cursor/skills/koan-performance' && cp -R '.skill-downloads/koan-performance-optimization-mm5t89wa' '.cursor/skills/koan-performance'Codex
test -f '.skill-downloads/koan-performance-optimization-mm5t89wa/SKILL.md' && test -s '.skill-downloads/koan-performance-optimization-mm5t89wa/SKILL.md' && mkdir -p '.agents/skills' && test ! -e '.agents/skills/koan-performance' && cp -R '.skill-downloads/koan-performance-optimization-mm5t89wa' '.agents/skills/koan-performance'OpenSkills
OpenSkills doit déjà être installé. La procédure locale install/read est contrôlée avec OpenSkills 1.5.0, qui exige Node.js ≥ 20.6.0. Aucun slug du catalogue n’est résolu automatiquement.
Installation officielle d’OpenSkillsopenskills install './.skill-downloads/koan-performance-optimization-mm5t89wa'openskills read 'koan-performance-optimization-mm5t89wa'La lecture doit afficher le contenu du fichier installé et son dossier de base. Elle ne lance ni la skill ni ses dépendances.
Pour un agent qui lit AGENTS.md, synchronisez ensuite l’index. Cette commande modifie AGENTS.md : relisez le diff avant de l’utiliser.
openskills syncMode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.
4. Faire un premier essai
Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :
Lis .skill-downloads/koan-performance-optimization-mm5t89wa/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.
Bonnes pratiques React Hook Form
Developpement
Maîtrisez React Hook Form : évitez les anti-patterns, gérez les abonnements, et traitez correctement reset, dirty state et entrées contrôlées.
Migration Emotion vers Mantine
Developpement
Migrer les styled-components Emotion vers des composants Mantine avec style props et modules CSS. Pour convertir .styled.tsx ou supprimer les imports @emotion.
Détecteur de dérive de périmètre
Developpement
Analyse les diffs git par rapport à une intention pour détecter la dérive de périmètre, fichiers non liés et PR trop larges, puis suggère de garder, diviser ou justifier.