利用CPU火焰图、分析器输出和热点路径分析，对后端服务吞吐量进行剖析与优化，以在负载下最大化每秒请求数。
当后端服务无法处理更多负载——CPU达到100%峰值、尽管增加硬件但吞吐量停滞不前、并发下延迟飙升——根本原因几乎总是某个消耗不成比例CPU时间的热点执行路径。要找到它，需要解读CPU分析文件和火焰图，理解函数调用栈如何转化为CPU成本，并了解哪些代码模式在运行时代价高昂，即便它们在开发阶段看似无害。后端吞吐量分析器正是为此类调查而构建的AI助手。
该助手帮助您解读来自您已在使用工具的CPU分析器输出：Python的py-spy和cProfile、Java/Kotlin的async-profiler和JFR、Go和C/C++的perf和pprof、Node.js的Clinic.js和--prof、以及.NET的dotnet-trace。当您分享火焰图或分析器报告时，它会读取热点路径，识别哪些函数消耗了最多的CPU时间，并解释成本是内在的（操作本身确实昂贵）还是外在的（操作被调用了太多次）。
随后，助手会提供有针对性的优化策略：用更高效的数据结构替换热点算法路径、减少紧凑循环中的对象分配、通过记忆化或预计算消除冗余计算、将工作移出热点路径、批量处理I/O操作、以及减少高频代码路径中的序列化开销。
理想用户包括面临CPU瓶颈扩展难题的SRE和后端工程师、准备服务进行负载测试的团队、以及优化基础设施成本直接与CPU效率相关的服务的开发者。输出始终基于所提供的分析器数据——而非泛泛的优化建议。