Naar de inhoud springen
Aurabase-logo
aurabasis

Prestatie-audit p99

Identificeer langzame zoekopdrachten, begrijp UITLEG ANALYSE, indexeringsstrategieën en de 5 antipatronen die Postgres in productie doden.

Handleiding14 min lezenNiveau gevorderdHerzien op 15 apr 2026

Deze pagina is automatisch vertaald. De Engelse versie is gezaghebbend.

Meten voordat u gaat optimaliseren#

Een audit begint met cijfers. De Studio stelt p50/p95/p99 beschikbaar per eindpunt en per query. Leg vóór elke verandering een basislijn van zeven dagen vast.

Info

De aura db slow-queries en aura db stats CLI-opdrachten vragen pg_stat_statements en databasepool/-groottestatistieken op uw gekoppelde project, afgestemd op uw project (ook beschikbaar in Studio › Database en Logs). aura db inspect indexes|tables|locks vermeldt indexgebruik (waarbij de ongebruikte gemarkeerd zijn), tabelgroottes en dode rijen, en blokkerende vergrendelingen - de diagnostiek die /raw niet kan uitvoeren omdat het systeemcatalogi weigert.

clibash
# De 10 duurste zoekopdrachten (totale tijd)
aura db slow-queries --limit 10

# Verbindingen en databasegrootte (eindpuntlatenties: Studio › Logs)
aura db stats

pg_stat_statements in realtime#

pg_stat_statements wordt bij elk nieuw project geïnstalleerd en vooraf geladen. Het verzamelt elke genormaliseerde zoekopdracht (er worden geen letterlijke waarden opgeslagen) met mean_exec_time, calls en rows. /raw leest het niet rechtstreeks (de weergave is clusterbreed) dus gebruik de bovenstaande opdrachten, die alleen de query's van uw project retourneren, of Studio › Database.

top-10bash
aura db slow-queries --limit 10 --json
aura db inspect indexes        # idx_scan = 0 en niet uniek/primair → ongebruikt

Lees het plan als een professional#

Een query die langer duurt dan de time-out van de instructie van het project (10 s) wordt geannuleerd met STATEMENT_TIMEOUT (HTTP 504) / «instructie annuleren vanwege time-out van de instructie» in aura db raw: verminder het werk of splits het.

Het plan vertelt u waarom de query traag is. De 4 signalen waar u op moet letten:

  • Seq Scan op tafel > 10k rijen → ontbrekende index
  • rows (estimated) ≠ rows (actual) met ±10× → verouderde statistieken, analyze table_name
  • Nested Loop op meer dan 100.000 regels → voorkeur voor hash-join, misschien een ontbrekend WAAR
  • Materialize of Sort Method: external merge → RAM uitgeput, work_mem om te vergroten
debugsql
explain (analyze, buffers, format json)
select * from orders
where customer_id = 'abc' and created_at > now() - interval '30 days';

Wanneer, wat, hoe#

  • B-boom (standaard): gelijkheid, bereik, volgorde op. 80% van de gevallen.
  • GIN: zoeken in volledige tekst, JSONB, tabellen. using gin (to_tsvector('french', body)).
  • GiST: bereiktypen, uitsluitingsbeperkingen, zoeken naar overeenkomsten (pg_trgm).
  • HNSW (pgvector): vector zoeken, > 100k vectoren.
  • Gedeeltelijk: algemene voorwaarden, where deleted_at is null voor zachte verwijdering.
  • Dekt: include (...) om het opzoeken in de tabel te voorkomen.
Aandacht

Elke index vertraagt INSERT/UPDATE/DELETE (~5-15% per index). Verwijder ongebruikte indexen: aura db inspect indexes vermeldt ze (nooit gescand, niet uniek, niet primair).

Wat Postgres doodt tijdens de productie#

  1. N+1 queries — voer een join uit of gebruik !inner in de SDK in plaats van een lus
  2. Paginering via OFFSET — boven 1000, gebruik cursorgebaseerd (where id > last_seen)
  3. SELECT * op grote tabellen — vraag alleen de benodigde kolommen op
  4. Lange transacties — deze blokkeren VACUÜM en veroorzaken een opgeblazen gevoel. Houd < 1 seconde aan
  5. Niet-geïndexeerd RLS Beleid — als uw beleid tenant_id = auth.tenant() gebruikt, indexeert u tenant_id

Om verder te gaan#