Otimização de queries lentas com EXPLAIN ANALYZE e índices
Diagnostica e otimiza consultas SQL lentas usando plano de execução, índices estratégicos e reescrita de queries.
Objetivo do Prompt
Aprender a identificar gargalos de performance em queries SQL usando EXPLAIN ANALYZE, criar índices eficientes e reescrever consultas para reduzir tempo de resposta.
Exemplo Real de Uso
O dashboard de vendas da Farma Distribuição, que roda sobre uma base PostgreSQL com 12 milhões de registros, está levando 45 segundos para carregar — o CTO precisa que as queries principais rodem em menos de 2 segundos.
Prompt
Analise e otimize as seguintes queries lentas para a base de dados de [NOME DA EMPRESA] com [NÚMERO] registros na tabela principal ([NOME DA TABELA]). **Query original lenta:** ```sql [COLE A QUERY LENTA AQUI] ``` **Informações do ambiente:** - Banco: [PostgreSQL/MySQL versão] - Tabela principal: [NÚMERO] registros - Índices existentes: [LISTAR ÍNDICES ATUAIS] - Tempo atual de execução: [SEGUNDOS] - Meta de performance: [SEGUNDOS] **Para cada query, forneça:** 1. **Diagnóstico com EXPLAIN ANALYZE:** - Interprete o plano de execução linha por linha - Identifique: Seq Scan vs Index Scan, Nested Loop vs Hash Join, Sort em disco - Aponte o nó mais custoso (bottleneck) - Estime o custo de I/O 2. **Otimizações de índice:** - Índices recomendados (B-tree, Hash, GIN, BRIN) com justificativa - Índices compostos na ordem correta (seletividade) - Índices parciais quando aplicável (WHERE ativo = true) - Impacto estimado no INSERT/UPDATE 3. **Reescrita da query:** - Versão otimizada com CTEs quando melhorar legibilidade - Substituir subqueries correlacionadas por JOINs ou EXISTS - Uso de window functions em vez de self-joins - LIMIT + OFFSET otimizado com keyset pagination 4. **Comparação antes/depois:** - Tabela com: métrica, antes, depois, melhoria % - EXPLAIN ANALYZE da query otimizada 5. **Boas práticas gerais:** - Quando usar materialização (MATERIALIZED VIEW) - Particionamento de tabela por [data/região] - Configurações de postgresql.conf relevantes (work_mem, shared_buffers) - Rotina de VACUUM e ANALYZE Foco em ambiente de produção com dados reais brasileiros.
Como usar este prompt
- 1Cole o prompt diretamente no ChatGPT, Claude, Gemini ou qualquer assistente de IA.
- 2Personalize os campos entre colchetes [assim] com suas informações específicas.
- 3Para melhores resultados, forneça contexto adicional sobre seu caso de uso.
- 4Combine múltiplos prompts em uma conversa para resultados mais completos.
- 5Salve os prompts que mais usa para acesso rápido no futuro.
Prompts relacionados
Ver todosQueries de análise de vendas com CTEs e window functions
Escreve consultas SQL avançadas usando CTEs e funções de janela para análise de performance de vendas.
Modelagem de banco de dados para sistema de assinaturas recorrentes
Projeta o schema de banco de dados otimizado para um negócio de assinaturas com métricas SaaS.
Stored procedures para cálculo automático de comissões de vendas
Cria stored procedures que automatizam o cálculo de comissões com regras complexas de escalonamento e bônus.
Queries de análise de funil e conversão para e-commerce no BigQuery
Queries BigQuery para analisar funil de conversão, atribuição de canais e comportamento de navegação em e-commerce.
Explore outras categorias de prompts
Assine o AulasDeIA para desbloquear
Acesse 10.000+ prompts prontos para usar em qualquer profissão, além de todos os cursos da plataforma.
Cancele quando quiser. Sem multas.
