SQL 查询优化
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @org-eyw2ohcx/aj-geddes-useful-ai-prompts-sql-query-optimization。
技能介绍
慢查询从哪下手
线上报表或批任务一旦拖到不可接受,往往卡在单条 SQL:全表扫描、错误类型的 JOIN、子查询被反复执行,而开发侧只看到「超时」却说不清计划里哪一步最贵。这个技能面向的是把现象拆成可验证的优化动作,而不是泛泛讲「数据库要加索引」。
技能如何协助你
结合 references 中的指南,它覆盖几条可对照执行的主线:
- 现状分析:对照当前执行表现,建立可复用的性能基线,避免「改完更慢」却无处对比。
- 计划解读:用
EXPLAIN(及实际环境中的计划输出)看清访问路径、连接顺序与代价集中点。 - 改写与模式:应用常见优化模式与 Query Rewriting 思路,处理 JOIN、子查询等结构性问题。
- 索引与批量:核对索引是否被有效利用;对大批量写入/更新场景参考 Batch Operations 相关做法。
文档强调 PostgreSQL 场景下的快速切入,并提倡在上线前做充分测试,不硬编码配置、不跳过校验。
适用边界
它提供的是分析与改写层面的提示与参考结构,不能替代对具体表结构、数据分布和生产负载的实测。复杂分区、Replication 延迟或专有引擎特性,仍需结合实例文档与监控;错误处理与环境相关参数应留在你的工程规范里落实。
使用场景
- 生产告警指向某条报表 SQL 超时,需要用 EXPLAIN 定位是全表扫描还是 JOIN 顺序问题
- 重构历史存储过程时发现子查询在每行重复执行,希望按技能中的改写思路做等价重构
- 新功能上线前压测发现批量更新过慢,需要对照 Batch Operations 与索引利用检查清单
- 迁移后同一查询变慢,要对比优化前后计划并建立可复用的性能基线
适合人员
- 负责线上 OLTP 与报表库、每周要处理慢查询工单的 backend 工程师
- DBA 兼应用开发,需要在不改业务语义前提下验证索引是否被优化器选用
- 数据平台工程师在 PostgreSQL 上跑批 ETL,关心大批量写入与 UPDATE 的执行方式
- 维护 aj-geddes 类 AI 提示库的技术写作者,要按既定模式产出可测试的 SQL 优化条目