Un endpoint que antes tardaba 80 milisegundos ahora tarda cuatro segundos en producción. ¿Cómo encontrarías la causa?

Mide antes de adivinar. Determina si es lento para todo el mundo o para una sola cuenta, y luego lee una traza para ver dónde está de verdad el tiempo: código de aplicación, base de datos o una llamada saliente. La mayoría de las veces es la base de datos, así que saca el log de consultas lentas y ejecuta EXPLAIN ANALYZE sobre la consulta sospechosa. En paralelo, revisa qué cambió, ya que un despliegue, un umbral de volumen de datos o una caché que dejó de acertar explican casi todas las regresiones.

Primero quiero la forma del problema. Es en cada petición o en el percentil noventa y nueve, un solo inquilino o todos, y cuándo empezó exactamente. Esa marca de tiempo suele resolver medio caso por sí sola, porque cuadra con un despliegue, una migración o un cambio de configuración. Luego saco una traza de una petición lenta y miro la cascada, ya que adivinar qué capa es la lenta es lo que más tiempo desperdicia. Si es la base de datos, reviso el log de consultas lentas y ejecuto EXPLAIN ANALYZE, y las respuestas habituales son un cambio de plan tras crecer la tabla, un índice que falta en una columna recién filtrada, o un N más uno que solo duele ahora que las cuentas tienen más filas. Si es una llamada saliente, compruebo si esa dependencia está degradada y si tenemos siquiera un tiempo de espera, porque un tiempo de espera ausente convierte su mal día en el nuestro. Mientras tanto, si los usuarios están sufriendo, mitigo primero: revierto, añado una caché corta o descarto el camino caro, y luego termino el diagnóstico sin la presión.