Ir para o conteúdo
Aura Logo
aurabase

Auditoria de desempenho p.99

Identifique consultas lentas, entenda EXPLAIN ANALYZE, estratégias de indexação e os 5 antipadrões que matam Postgres na produção.

Guia prático14 min lidoNível avançadoRevisado em 15 de abr. de 2026

Esta página foi traduzida automaticamente. A versão em inglês é oficial.

Meça antes de otimizar#

Uma auditoria começa com números. O Studio expõe p50/p95/p99 por endpoint e por consulta. Capture uma linha de base de 7 dias antes de qualquer alteração.

Informações

Os comandos CLI aura db slow-queries e aura db stats consultam pg_stat_statements e métricas de pool/tamanho de banco de dados em seu projeto vinculado, com escopo definido para seu projeto (também disponível em Studio › Database e Logs). aura db inspect indexes|tables|locks lista o uso do índice (com os não utilizados sinalizados), tamanhos de tabelas e linhas mortas e bloqueios de bloqueio - os diagnósticos que /raw não pode executar porque recusa catálogos do sistema.

clibash
# As 10 consultas mais caras (tempo total)
aura db slow-queries --limit 10

# Conexões e tamanho do banco de dados (latências de endpoint: Studio › Logs)
aura db stats

pg_stat_statements em tempo real#

pg_stat_statements é instalado e pré-carregado em cada novo projeto. Ele agrega cada consulta normalizada (nenhum valor literal é armazenado) com mean_exec_time, calls e rows. /raw não o lê diretamente — a visualização abrange todo o cluster — então use os comandos acima, que retornam apenas as consultas do seu projeto, ou Studio › Database.

top-10bash
aura db slow-queries --limit 10 --json
aura db inspect indexes        # idx_scan = 0 e não único/primário → não utilizado

Leia o plano como um profissional#

Uma consulta que é executada por mais tempo do que o tempo limite da instrução do projeto (10 s) é cancelada com STATEMENT_TIMEOUT (HTTP 504) / «cancelamento da instrução devido ao tempo limite da instrução» em aura db raw: reduza o trabalho ou divida-o.

O plano informa por que a consulta está lenta. Os 4 sinais a serem procurados:

  • Seq Scan na tabela> 10 mil linhas → índice ausente
  • rows (estimated) ≠ rows (actual) por ±10× → estatísticas obsoletas, analyze table_name
  • Nested Loop em mais de 100 mil linhas → hash join preferido, talvez faltando WHERE
  • Materialize ou Sort Method: external merge → RAM esgotada, work_mem para aumentar
debugsql
explain (analyze, buffers, format json)
select * from orders
where customer_id = 'abc' and created_at > now() - interval '30 days';

Quando, o quê, como#

  • Árvore B (padrão): igualdade, intervalo, ordenar por. 80% dos casos.
  • GIN: pesquisa de texto completo, JSONB, tabelas. using gin (to_tsvector('french', body)).
  • GiST: tipos de intervalo, restrições de exclusão, pesquisa por similaridade (pg_trgm).
  • HNSW (pgvector): pesquisa de vetor, > 100k vetores.
  • Parcial: condições comuns, where deleted_at is null para exclusão reversível.
  • Cobrindo: include (...) para evitar a consulta na tabela.
Atenção

Cada índice desacelera INSERT/UPDATE/DELETE (~5-15% por índice). Elimine índices não utilizados — aura db inspect indexes os lista (nunca verificados, não exclusivos, não primários).

O que mata Postgres na produção#

  1. N+1 consultas — faça uma junção ou use !inner no SDK em vez de um loop
  2. Paginação por OFFSET — além de 1000, use baseado em cursor (where id > last_seen)
  3. SELECT * em tabelas grandes — solicita apenas as colunas necessárias
  4. Transações longas — bloqueiam VACUUM e causam inchaço. Mantenha <1 segundo
  5. Políticas RLS não indexadas — se sua política usar tenant_id = auth.tenant(), indexe tenant_id

Para ir mais longe#