Как выявить медленные SQL-запросы?

Выявление медленных SQL-запросов критически важно для оптимизации производительности базы данных и всего приложения. Существует несколько эффективных подходов:

1. Логирование медленных запросов на уровне БД: Большинство СУБД позволяют настроить логирование запросов, выполнение которых превышает заданный порог времени. Это отличный способ пассивного мониторинга.

   • PostgreSQL: В postgresql.conf установите:

     log_min_duration_statement = 1000  -- Логировать запросы, выполняющиеся дольше 1000 мс (1 секунды)

   • MySQL: В my.cnf включите slow_query_log и long_query_time.

2. Анализ плана выполнения запроса (EXPLAIN ANALYZE): Этот инструмент позволяет увидеть, как база данных планирует и фактически выполняет запрос: какие индексы используются, порядок соединений таблиц, количество строк, время выполнения каждого шага.

   EXPLAIN ANALYZE SELECT id, name FROM products WHERE price > 100 ORDER BY created_at DESC;

   EXPLAIN (без ANALYZE) показывает только план, а EXPLAIN ANALYZE выполняет запрос и показывает фактические метрики.

3. Инструменты профайлинга и статистики БД: СУБД предоставляют встроенные средства для сбора и анализа статистики по запросам.

   • PostgreSQL: Модуль pg_stat_statements отслеживает статистику по всем выполненным запросам, включая среднее время выполнения, количество вызовов и использование ресурсов.
   • MySQL: Performance Schema и sys schema предоставляют детальную информацию о производительности.
   • MS SQL Server: SQL Server Profiler или Extended Events.

4. ORM-специфичные инструменты и отладка: Многие ORM (Object-Relational Mappers) имеют встроенные средства для просмотра выполненных SQL-запросов.

   • Django:

     from django.db import connection
     
     # Выполните ваши ORM-запросы здесь
     # MyModel.objects.filter(...).count()
     
     for query in connection.queries:
         print(f"Query: {query['sql']}, Time: {query['time']}")

   • SQLAlchemy: Можно настроить логирование запросов.

5. Системы мониторинга производительности приложений (APM): Такие инструменты, как Datadog, New Relic, Sentry, Prometheus + Grafana, предоставляют комплексный мониторинг производительности, включая детализацию по SQL-запросам, их времени выполнения и частоте.

Ключевые метрики для анализа:

• Время выполнения: Общее время, затраченное на запрос.
• Количество строк: Сколько строк было прочитано и возвращено.
• Использование индексов: Насколько эффективно используются индексы.
• Блокировки: Наличие и длительность блокировок.
• I/O операции: Количество операций чтения/записи на диск.

Оптимизация медленных запросов часто включает добавление индексов, переписывание запросов, денормализацию данных или изменение структуры схемы.