Vai al contenuto
Logo Aurabase
aurabase

Controllo di gestione p99

Identifica le query lente, comprendi EXPLAIN ANALYZE, le strategie di indicizzazione e i 5 anti-pattern che uccidono Postgres in produzione.

Guida pratica14 min lettoLivello avanzatoRevisionato il 15 apr 2026

Questa pagina è stata tradotta automaticamente. Fa fede la versione inglese.

Misurare prima di ottimizzare#

Un audit inizia con i numeri. Lo Studio espone p50/p95/p99 per endpoint e per query. Acquisisci una linea di base di 7 giorni prima di qualsiasi modifica.

Informazioni

I comandi CLI aura db slow-queries e aura db stats eseguono query su pg_stat_statements e sulle metriche di pool/dimensioni del database sul progetto collegato, nell'ambito del progetto (disponibile anche in Studio › Database e Log). aura db inspect indexes|tables|locks elenca l'utilizzo degli indici (con quelli inutilizzati contrassegnati), le dimensioni delle tabelle, le righe morte e i blocchi di blocco: la diagnostica che /raw non può essere eseguita perché rifiuta i cataloghi di sistema.

clibash
# Le 10 query più costose (tempo totale)
aura db slow-queries --limit 10

# Connessioni e dimensioni del database (latenze endpoint: Studio › Log)
aura db stats

pg_stat_statements in tempo reale#

pg_stat_statements viene installato e precaricato su ogni nuovo progetto. Aggrega ogni query normalizzata (non vengono archiviati valori letterali) con mean_exec_time, calls e rows. /raw non lo legge direttamente — la visualizzazione è a livello di cluster — quindi utilizza i comandi sopra, che restituiscono solo le query del tuo progetto, o Studio › Database.

top-10bash
aura db slow-queries --limit 10 --json
aura db inspect indexes        # idx_scan = 0 e non univoco/primario → non utilizzato

Leggi il piano come un professionista#

Una query che viene eseguita più a lungo del timeout dell'istruzione del progetto (10 s) viene annullata con STATEMENT_TIMEOUT (HTTP 504) / « annullamento dell'istruzione a causa del timeout dell'istruzione » in aura db raw: ridurre il lavoro o suddividerlo.

Il piano ti dice perché la query è lenta. I 4 segnali da cercare:

  • Seq Scan sulla tabella > 10k righe → indice mancante
  • rows (estimated) ≠ rows (actual) di ±10× → statistiche obsolete, analyze table_name
  • Nested Loop su oltre 100.000 righe → preferibile hash join, forse manca WHERE
  • Materialize o Sort Method: external merge → RAM esaurita, work_mem da aumentare
debugsql
explain (analyze, buffers, format json)
select * from orders
where customer_id = 'abc' and created_at > now() - interval '30 days';

Quando, cosa, come#

  • B-tree (predefinito): uguaglianza, intervallo, ordine per. Nell'80% dei casi.
  • GIN: ricerca full-text, JSONB, tabelle. using gin (to_tsvector('french', body)).
  • GiST: tipi di intervallo, vincoli di esclusione, ricerca per similarità (pg_trgm).
  • HNSW (pgvector): ricerca vettoriale, > 100k vettori.
  • Parziale: condizioni comuni, where deleted_at is null per l'eliminazione temporanea.
  • Coprendo: include (...) per evitare la ricerca sulla tabella.
Attenzione

Ogni indice rallenta INSERT/UPDATE/DELETE (~5-15% per indice). Elimina gli indici inutilizzati: aura db inspect indexes li elenca (mai scansionati, non univoci, non primari).

Cosa uccide Postgres in produzione#

  1. N+1 query: esegui un join o utilizza !inner nell'SDK anziché un loop
  2. Impaginazione per OFFSET — oltre 1000, utilizza la funzione basata su cursore (where id > last_seen)
  3. SELECT * su tabelle di grandi dimensioni — richiede solo le colonne necessarie
  4. Transazioni lunghe: bloccano il VACUUM e causano un ingrossamento. Mantieni < 1 secondo
  5. Non indicizzato RLS Policy: se la policy utilizza tenant_id = auth.tenant(), indicizza tenant_id

Per andare oltre#