Eine Query wurde nach einem Release langsam. Zeig mir, wie du den Query-Plan liest und entscheidest, was du änderst.

Führ explain analyze aus, um den echten Plan mit tatsächlichen Zeilenzahlen und Zeiten zu bekommen, und schau dann auf den Node, der die meiste Zeit frisst, und vergleich geschätzte mit tatsächlichen Zeilen. Eine große Lücke heißt schlechte Statistiken, der Planner hat also den falschen Join oder Scan gewählt. Achte auf Sequential Scans auf großen Tabellen, Nested Loops, die von einer Unterschätzung getrieben sind, und Sorts, die auf Disk auslagern. Fix ist ein Index, aktualisierte Statistiken oder ein umgeschriebenes Prädikat, das der Index nutzen kann.

Ich starte mit explain analyze und buffers, damit ich echte Zeiten und Zeilenzahlen bekomme, idealerweise gegen produktionsgroße Daten, denn ein Plan auf einem kleinen Datensatz sagt mir nichts. Dann suche ich den Node, der den Großteil der Zeit hält, und prüfe seine Schätzung gegen den tatsächlichen Wert. Wenn er eine Zeile geschätzt und fünfzigtausend bekommen hat, hat der Planner einen Nested Loop gewählt, der jetzt eine Katastrophe ist, und die Ursache sind meistens veraltete Statistiken oder ein korreliertes Prädikat, das der Planner nicht modellieren kann. Danach schaue ich nach den üblichen Verdächtigen: ein Sequential Scan auf einer großen Tabelle, ein Filter, der eine Index Condition sein könnte, ein Sort, der auf Disk auslagert, oder eine Funktion um die Spalte herum, sodass der Index unbrauchbar ist. Genau das war mein letzter Fall, ein lower-Aufruf auf einer E-Mail-Spalte, der den Index ignoriert hat; ein Functional Index auf lower von E-Mail hat das von rund 900 Millisekunden auf zwei gebracht. Danach lasse ich den Plan nochmal laufen, um zu bestätigen, dass sich die Form geändert hat, denn ein schnellerer Lauf auf einem warmen Cache beweist gar nichts.