PostgreSQL慢查询:先取证再调整索引
一篇PostgreSQL慢查询诊断教程建议先启用pg_stat_statements、记录慢查询并使用EXPLAIN (ANALYZE, BUFFERS)检查执行计划,再决定是否调整索引。教程建议按累计执行耗时对查询排序,并指出PostgreSQL不提供查询hint,因此返回表中较大比例数据的查询可能适合顺序扫描。文章还讨论了统计信息陈旧、谓词选择性低、索引不合适等问题。其延迟事故和耗时三秒的场景属于说明性案例;关于查询返回超过三成数据时顺序扫描更快的说法,没有引用可适用于所有工作负载的基准。
该教程为运行AI生成SQL的团队提供了一套具体流程:找出累计执行耗时高的查询,检查执行计划,并判断是否应添加索引,而不是仅凭直觉修改索引。
摘要:AI 帮你写的 SQL 跑得飞起,某天接口却突然变慢超时。这篇讲清:为什么"直接加索引"在 Postgres 上反而危险,以及用 pg_stat_statements 和 EXPLAIN ANALYZE 把慢查询揪出来的固定路线。
你没改过业务代码。那条列表查询平时几十毫秒,某天突然三秒,接口开始超时,PgBouncer 后面的 Postgres 连接被占满,整个服务跟着抖。SQL 甚至不是你写的——是 AI 帮写的。
你盯着监控,第一反应大概是:加个索引吧。
先别急。为什么加索引这件天经地义的事,在 Postgres 上会翻车?Postgres 刻意不提供查询 hint,你没法强制它用某个索引;更隐蔽的是,当一条查询要返回表里三成以上的数据时,全表扫描本来就比走索引快——你加了索引,优化器照样不理你,白加,写入反而变慢。那正确的起点是什么?不是"加索引",是"先拿到证据"。
为什么这几年 Postgres 越来越常见?AI 应用栈把它推成了新项目的默认库之一:pgvector 把向量检索塞进了数据库,Supabase、Neon 这类托管默认就是它,RAG、语义搜索不用再起一套专门的向量库。但它和老牌的 MySQL,底牌其实不一样:
#PostgreSQL#pg_stat_statements#EXPLAIN ANALYZE#PgBouncer#pgvector#pgBadger#auto_explain#Supabase#Neon