بهینه‌سازی پایگاه داده؛ ایندکس، پرس‌وجو و کارایی سامانه

بانکداری بازنویسنده: احمدرضا احمدی۲ دقیقه مطالعهمنبع: Civilica
بهینه‌سازی پایگاه داده؛ ایندکس، پرس‌وجو و کارایی سامانه

۱مقدمه

با رشد داده‌ها، پرس‌وجوهایی که روزهای نخست در کسری از ثانیه پاسخ می‌دادند، به چند ثانیه می‌رسند و تجربهٔ کاربر و پایداری سامانه را تهدید می‌کنند.

۲بررسی موضوع

ایندکس (Index) ساختاری است که جست‌وجو در جدول را از پیمایش کامل به دسترسی مستقیم تبدیل می‌کند. ایندکس‌گذاری ستون‌هایی که در شرط‌ها، اتصال‌ها و مرتب‌سازی پرکاربردند، مؤثرترین گام بهینه‌سازی است؛ اما ایندکس اضافی، سرعت درج و به‌روزرسانی را کاهش می‌دهد.

تحلیل طرح اجرای پرس‌وجو (EXPLAIN) نشان می‌دهد پایگاه داده چگونه درخواست را اجرا می‌کند. پرهیز از انتخاب همهٔ ستون‌ها، رفع مشکل «N+1» در لایهٔ ORM و صفحه‌بندی نتایج، از اصلاحات رایج و پربازده‌اند.

۳جمع‌بندی

در سامانه‌های مالی، جداسازی بار گزارش‌گیری از تراکنش‌های عملیاتی، مثلاً با نسخهٔ فقط‌خواندنی (Read Replica)، از کند شدن خدمات اصلی در زمان تهیهٔ گزارش‌های سنگین جلوگیری می‌کند.

اشتراک‌گذاری:تلگرامواتس‌اپلینکدین

منابع

  1. سیویلیکا ↗
  2. SID ↗
همفکران فناوری شریفاین مقاله خلاصه‌ای از منابع رسمی ذکرشده است که تیم همفکران فناوری شریف برای مدیران و تیم‌های مالی تهیه کرده است.
می‌خواهید این راهکارها را در سازمانتان ببینید؟درخواست دموی رایگان

مقالات مرتبط

بانکداری بازپادکست همفکران | گفت‌وگو با سید محسن شاهمرادی دربارهٔ بانکداری باز و آیندهٔ فین‌تک در ایراننخستین قسمت پادکست همفکران فناوری شریف؛ پارسا آقابراری با سید محسن شاهمرادی، معاونت اجرایی و فناوری مالی، دربارهٔ بانکداری باز و آیندهٔ فین‌تک در ایران گفت‌وگو کرده است. نسخهٔ صوتی کامل را همین‌جا بشنوید.بانکداری بازباج‌افزار در صنعت مالی؛ از رمزگذاری داده تا اخاذی دوگانهباج‌افزارها از ابزاری برای قفل کردن فایل‌ها به صنعتی سازمان‌یافته با اخاذی چندمرحله‌ای تبدیل شده‌اند. آمادگی پیش از حمله، تنها راه کاهش خسارت است.بانکداری بازحفاظت از دادهٔ شخصی مشتری؛ اصول حریم خصوصی در سامانه‌های مالیدادهٔ مالی از حساس‌ترین اطلاعات شخصی است. طراحی مبتنی بر حریم خصوصی، هم اعتماد مشتری را جلب می‌کند و هم ریسک حقوقی را کاهش می‌دهد.بانکداری بازمهندسی داده و خط لولهٔ ETL؛ ستون فقرات هر سامانهٔ تحلیلیپیش از هر تحلیل و مدل هوشمند، داده باید از منابع پراکنده استخراج، پاک‌سازی و یکپارچه شود. این وظیفهٔ مهندسی داده است.