Zum Inhalt springen
Aurabase-Logo
Aurabasis

Leistungsprüfung S. 99

Identifizieren Sie langsame Abfragen, verstehen Sie EXPLAIN ANALYZE, Indizierungsstrategien und die 5 Anti-Patterns, die Postgres in der Produktion töten.

Anleitung14 Min. gelesenEbene fortgeschrittenÜberarbeitet am 15.04.2026

Diese Seite wurde automatisch übersetzt. Maßgeblich ist die englische Version.

Vor der Optimierung messen#

Eine Prüfung beginnt mit Zahlen. Das Studio stellt p50/p95/p99 nach Endpunkt und Abfrage bereit. Erfassen Sie vor jeder Änderung eine 7-Tage-Basislinie.

Infos

Die CLI-Befehle aura db slow-queries und aura db stats fragen pg_stat_statements und Datenbankpool-/Größenmetriken für Ihr verknüpftes Projekt ab, bezogen auf Ihr Projekt (auch verfügbar in Studio › Datenbank und Protokolle). aura db inspect indexes|tables|locks listet die Indexnutzung (wobei die nicht verwendeten markiert sind), Tabellengrößen und tote Zeilen sowie blockierende Sperren auf – die Diagnose, die /raw nicht ausführen kann, weil es Systemkataloge ablehnt.

clibash
# Die 10 teuersten Abfragen (Gesamtzeit)
aura db slow-queries --limit 10

# Verbindungen und Datenbankgröße (Endpunktlatenzen: Studio › Protokolle)
aura db stats

pg_stat_statements in Echtzeit#

pg_stat_statements wird bei jedem neuen Projekt installiert und vorinstalliert. Es aggregiert jede normalisierte Abfrage (es werden keine Literalwerte gespeichert) mit mean_exec_time, calls und rows. /raw liest es nicht direkt – die Ansicht ist Cluster-weit – verwenden Sie daher die oben genannten Befehle, die nur die Abfragen Ihres Projekts zurückgeben, oder Studio › Datenbank.

top-10bash
aura db slow-queries --limit 10 --json
aura db inspect indexes        # idx_scan = 0 und nicht eindeutig/primär → unbenutzt

Lesen Sie den Plan wie ein Profi#

Eine Abfrage, die länger als das Anweisungs-Timeout des Projekts (10 s) läuft, wird mit STATEMENT_TIMEOUT (HTTP 504) / „Anweisung wegen Anweisungs-Timeout abbrechen“ in aura db raw abgebrochen: Reduzieren Sie die Arbeit oder teilen Sie sie auf.

Der Plan sagt Ihnen , warum die Abfrage langsam ist. Die 4 Signale, auf die Sie achten sollten:

  • Seq Scan für Tabelle > 10.000 Zeilen → fehlender Index
  • rows (estimated) ≠ rows (actual) um ±10× → veraltete Statistiken, analyze table_name
  • Nested Loop auf mehr als 100.000 Zeilen → Hash-Join bevorzugt, möglicherweise fehlt ein WHERE
  • Materialize oder Sort Method: external merge → RAM erschöpft, work_mem soll erhöht werden
debugsql
explain (analyze, buffers, format json)
select * from orders
where customer_id = 'abc' and created_at > now() - interval '30 days';

Wann, was, wie#

  • B-Baum (Standard): Gleichheit, Bereich, Reihenfolge nach. 80 % der Fälle.
  • GIN: Volltextsuche, JSONB, Tabellen. using gin (to_tsvector('french', body)).
  • GiST: Bereichstypen, Ausschlussbeschränkungen, Ähnlichkeitssuche (pg_trgm).
  • HNSW (pgvector): Vektorsuche, > 100.000 Vektoren.
  • Teilweise: allgemeine Bedingungen, where deleted_at is null für vorläufiges Löschen.
  • Überdeckt: include (...), um die Suche in der Tabelle zu vermeiden.
Achtung

Jeder Index verlangsamt INSERT/UPDATE/DELETE (~5-15 % pro Index). Nicht verwendete Indizes löschen – aura db inspect indexes listet sie auf (nie gescannt, nicht eindeutig, nicht primär).

Was tötet Postgres in der Produktion?#

  1. N+1 Abfragen – Führen Sie einen Join durch oder verwenden Sie !inner im SDK anstelle einer Schleife
  2. Paginierung nach OFFSET – über 1000 hinaus Cursor-basiert verwenden (where id > last_seen)
  3. SELECT * für große Tabellen – Fordern Sie nur die erforderlichen Spalten an
  4. Lange Transaktionen – diese blockieren VACUUM und verursachen Aufblähungen. Halten Sie < 1 Sekunde
  5. Nicht indizierte RLS Richtlinien – wenn Ihre Richtlinie tenant_id = auth.tenant() verwendet, indizieren Sie tenant_id

Um weiter zu gehen#