Zestawy rozmówBlog

Twoja wymarzona praca? Lets Git IT.
Interaktywna platforma przygotowująca do rozmów technicznych dla nowoczesnych programistów.

XGitHub

Platforma

  • Kategorie

Zasoby

  • Blog
  • O aplikacji
  • FAQ
  • Sugestie

Prawne

  • Polityka prywatności
  • Regulamin

© 2026 LetsGit.IT. Wszelkie prawa zastrzeżone.

LetsGit.IT/Kategorie/Bazy danych
Bazy danychhard

Jak czytać plan EXPLAIN na wysokim poziomie?

Tagi
#explain#query-plan#performance
Wróć do kategoriiPrzejdź do quizu

Odpowiedź

Najpierw patrz na węzły z największym kosztem/czasem oraz typ skanu (Seq Scan vs Index Scan) i estymacje wierszy. Potem sprawdź joiny/sortowanie i czy indeksy są używane; poprawiasz zapytanie, indeksy lub statystyki.

Odpowiedź zaawansowana

Głębiej

`EXPLAIN` pokazuje plan: kroki, które baza *zamierza* wykonać. `EXPLAIN ANALYZE` uruchamia zapytanie i pokazuje *rzeczywisty* czas/liczbę wierszy.

Jak czytać (high level)

1) Skup się na węzłach z największym czasem/kosztem. 2) Sprawdź ścieżki dostępu:

  • seq scan vs index scan
  • gdzie zachodzi filtrowanie

3) Porównaj estymacje wierszy z rzeczywistością:

  • duże rozjazdy często oznaczają stare statystyki albo skew danych.

4) Zrozum strategię join (nazwy zależą od DB):

  • nested loop (dobre dla małych wejść / lookupów po indeksie)
  • hash join (dobre dla dużych, potrzebuje pamięci)
  • merge join (dobre dla posortowanych wejść)

5) Zwróć uwagę na drogie sorty, spilling do plików tymczasowych i powtarzane pętle.

Typowe poprawki

  • Dodaj/dopasuj indeksy pod filtry i klucze join.
  • Przepisz zapytanie, żeby szybciej ograniczać liczbę wierszy (filtr przed join, unikaj `SELECT *`).
  • Odśwież statystyki (np. `ANALYZE`), gdy estymacje są błędne.

Typowe pułapki

  • Mylenie plannerowego „cost” z realnym czasem.
  • Wymuszanie indeksów/hintów bez zrozumienia selektywności.
  • Ignorowanie, że wolny node w pętli może się mnożyć wiele razy.

Powiązane pytania

Bazy danych
Denormalizacja: kiedy warto ją zrobić i jaki jest trade‑off?
#database#denormalization#performance
Bazy danych
Co to jest covering index (index‑only scan) i czemu bywa szybszy?
#database#indexes#covering-index
Bazy danych
Dlaczego optymalizator może wybrać zły plan zapytania i jak pomagają statystyki?
#optimizer#statistics#cardinality
Bazy danych
Selektywność indeksu: co to jest i czemu ma znaczenie?
#indexes#selectivity#performance
Bazy danych
Co to jest write amplification i dlaczego wiele indeksów spowalnia zapisy?
#performance#indexes#write-amplification
Bazy danych
Czym jest materialized view i kiedy ma sens?
#views#materialized-view#performance