Aller au contenu
Logo Aurabase
aurabase

Audit de performance p99

Identifiez les requêtes lentes, comprenez EXPLAIN ANALYZE, les stratégies d'indexation et les 5 anti-modèles qui tuent Postgres en production.

Guide pratique14 min de lectureNiveau avancéRévisé le 15 avr. 2026

Cette page a été traduite automatiquement. La version anglaise fait foi.

Mesurer avant d’optimiser#

Un audit commence par des chiffres. Le Studio expose p50/p95/p99 par point de terminaison et par requête. Capturez une référence de 7 jours avant tout changement.

Informations

Les commandes CLI aura db slow-queries et aura db stats interrogent pg_stat_statements et les métriques de pool/taille de base de données sur votre projet lié, limitées à votre projet (également disponible dans Studio › Base de données et Journaux). aura db inspect indexes|tables|locks répertorie l'utilisation des index (avec ceux inutilisés signalés), la taille des tables et les lignes mortes, ainsi que les verrous bloquants - les diagnostics que /raw ne peut pas exécuter car il refuse les catalogues système.

clibash
# Les 10 requêtes les plus coûteuses (durée totale)
aura db slow-queries --limit 10

# Connexions et taille de la base de données (latences des points de terminaison : Studio > Logs)
aura db stats

pg_stat_statements en temps réel#

pg_stat_statements est installé et préchargé sur chaque nouveau projet. Il regroupe chaque requête normalisée (aucune valeur littérale n'est stockée) avec mean_exec_time, calls et rows. /raw ne le lit pas directement — la vue s'étend à l'échelle du cluster — utilisez donc les commandes ci-dessus, qui renvoient uniquement les requêtes de votre projet, ou Studio › Database.

top-10bash
aura db slow-queries --limit 10 --json
aura db inspect indexes        # idx_scan = 0 et non unique/primaire → inutilisé

Lisez le plan comme un pro#

Une requête qui s'exécute plus longtemps que le timeout d'instruction du projet (10 s) est annulée avec STATEMENT_TIMEOUT (HTTP 504) / « annulation d'instruction pour cause de timeout d'instruction » dans aura db raw: réduire le travail ou le diviser.

Le plan vous indique pourquoi la requête est lente. Les 4 signaux à rechercher :

  • Seq Scan sur la table > 10 000 lignes → index manquant
  • rows (estimated) ≠ rows (actual) de ±10× → statistiques obsolètes, analyze table_name
  • Nested Loop sur plus de 100 000 lignes → jointure par hachage préférée, peut-être un WHERE manquant
  • Materialize ou Sort Method: external merge → RAM épuisée, work_mem pour augmenter
debugsql
explain (analyze, buffers, format json)
select * from orders
where customer_id = 'abc' and created_at > now() - interval '30 days';

Quand, quoi, comment#

  • B-tree (par défaut) : égalité, plage, tri par. 80% des cas.
  • GIN: recherche plein texte, JSONB, tableaux. using gin (to_tsvector('french', body)).
  • GiST: types de plages, contraintes d'exclusion, recherche de similarité (pg_trgm).
  • HNSW (pgvector) : recherche de vecteurs, > 100 000 vecteurs.
  • Partiel: conditions courantes, where deleted_at is null pour suppression logicielle.
  • Couvrant: include (...) pour éviter la recherche sur la table.
Attention

Chaque index ralentit INSERT/UPDATE/DELETE (~5-15% par index). Supprimez les index inutilisés - aura db inspect indexes les répertorie (jamais analysés, ni uniques, ni principaux).

Qu'est-ce qui tue Postgres en production#

  1. Requêtes N+1 — effectuez une jointure ou utilisez !inner dans le SDK plutôt qu'une boucle
  2. Pagination par OFFSET — au-delà de 1000, utilisez le curseur (where id > last_seen)
  3. SELECT * sur les grandes tables — demande uniquement les colonnes nécessaires
  4. Transactions longues — celles-ci bloquent le VIDE et provoquent des ballonnements. Gardez < 1 seconde
  5. Politiques RLS non indexées — si votre politique utilise tenant_id = auth.tenant(), indexez tenant_id

Pour aller plus loin#