Fähigkeiten database-optimizer
📦

database-optimizer

Sicher

Datenbankleistung optimieren

Langsame Abfragen und schlechte Datenbankleistung können die Anwendungsfähigkeit lahmlegen. Diese Skill bietet fachkundige Anleitung zur Abfrageoptimierung, Indexierungsstrategien und skalierbaren Architekturen, um die Datenbankleistung drastisch zu verbessern.

Unterstützt: Claude Codex Code(CC)
📊 70 Angemessen
1

Die Skill-ZIP herunterladen

2

In Claude hochladen

Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen

3

Einschalten und loslegen

Teste es

Verwendung von "database-optimizer". Optimiere diese langsame Abfrage: SELECT * FROM orders o JOIN customers c ON o.customer_id = c.id WHERE c.status = 'active' AND o.created_at > '2024-01-01'

Erwartetes Ergebnis:

Analyse:
1. **Problem**: SELECT * ruft unnötige Spalten ab; kein Index auf created_at; Status-Filter ist möglicherweise nicht selektiv genug

Empfehlungen:
- Covering-Index hinzufügen: CREATE INDEX idx_orders_customer_date ON orders(customer_id, created_at) INCLUDE (status, total)
- SELECT * durch spezifische Spalten ersetzen
- Bei großen Tabellen Partitionierung nach Datum in Betracht ziehen
- Index auf customers.status hinzufügen, wenn häufig gefiltert wird

Verwendung von "database-optimizer". Wie implementiere ich Caching für eine häufig abgerufene Datenbankabfrage?

Erwartetes Ergebnis:

Mehrstufiger Caching-Ansatz:
1. **L1 (Anwendung)**: In-Memory-Cache (z.B. Go map, Python functools.lru_cache) für stark frequentierte Daten
2. **L2 (Verteilt)**: Redis mit TTL-basierter Ablaufsteuerung
3. **Cache-Strategie**: Cache-aside Muster verwenden - zuerst Cache prüfen, bei Miss aus DB laden, im Cache speichern
4. **Invalidierung**: Angemessene TTL festlegen (z.B. 5-15 Minuten) oder ereignisgesteuerte Invalidierung verwenden
5. **Schlüssel-Design**: Composite-Keys wie 'user:123:orders' für spezifische Cache-Einträge verwenden

Sicherheitsaudit

Sicher
v1 • 2/24/2026

Prompt-only skill with no executable code. Static analysis scanned 0 files (0 lines) and detected no suspicious patterns. This is a pure instructional prompt providing database optimization guidance. No scripts, network calls, filesystem access, environment access, or external commands are present. No prompt injection attempts detected.

0
Gescannte Dateien
0
Analysierte Zeilen
0
befunde
1
Gesamtzahl Audits
Keine Sicherheitsprobleme gefunden
Auditiert von: claude

Qualitätsbewertung

38
Architektur
100
Wartbarkeit
87
Inhalt
26
Community
100
Sicherheit
91
Spezifikationskonformität

Was du bauen kannst

Anwendungsentwickler behebt langsame Abfragen

Entwickler bemerkt, dass seine Anwendung aufgrund von Datenbankabfragen langsame Seitenladezeiten hat. Die Skill bietet schrittweise Analyse von Abfragemustern und Optimierungsempfehlungen.

DBA entwirft Indexierungsstrategie

Datenbankadministrator muss eine Indexierungsstrategie für eine stark frequentierte E-Commerce-Anwendung entwerfen. Die Skill bietet umfassende Anleitung zu Indextypen und Spaltenreihenfolgen.

Architekt plant Datenbank-Skalierung

Software-Architekt plant, eine monolithische Anwendung zu skalieren, um erhöhte Last zu bewältigen. Die Skill bietet Anleitung zu Partitionierungs-, Sharding- und Caching-Strategien.

Probiere diese Prompts

Grundlegende Abfrageoptimierung 
Helfen Sie mir, diese langsame SQL-Abfrage zu optimieren: [ABFRAGE EINFÜGEN]. Analysieren Sie die Abfragestruktur und schlagen Sie Verbesserungen für bessere Leistung vor.
Indexierungsstrategie entwerfen 
Entwerfen Sie eine Indexierungsstrategie für unsere [DATENBANKTYP]-Datenbank, die [BESCHREIBEN SIE IHRE ARBEITSLAST - z.B. viele Lesevorgänge, häufige Updates] bewältigt. Unsere wichtigsten Abfragemuster umfassen [LISTE DER ABFRAGEMUSTER].
N+1 Abfrage Lösung 
Wir erleben N+1 Abfrageprobleme in unserer [ORM-NAME]-Anwendung beim Laden von [ENTITÄTEN BESCHREIBEN]. Der aktuelle Code macht [AKTUELLES MUSTER BESCHREIBEN]. Wie können wir dies optimieren?
Datenbank-Skalierungsarchitektur 
Unsere Datenbank erlebt [PROBLEM BESCHREIBEN - z.B. hohes Schreibvolumen, langsame Abfragen unter Last]. Aktuelle Einrichtung: [AKTUELLE ARCHITEKTUR BESCHREIBEN]. Welche Skalierungs- und Optimierungsstrategien würden Sie empfehlen?

Bewährte Verfahren

  • Immer vor der Optimierung messen - EXPLAIN ANALYZE verwenden, um die tatsächliche Abfrageleistung zu verstehen, anstatt zu raten
  • Indizes basierend auf tatsächlichen Abfragemustern entwerfen, nicht auf theoretischem Wissen - die häufigsten Abfragen Ihrer Anwendung profilieren
  • Umfassendes Monitoring mit Slow-Query-Logs und Leistungs-Baselines implementieren, um Regressionen frühzeitig zu erkennen

Vermeiden

  • Jede Spalte 'für alle Fälle' indexieren - dies erhöht den Schreib-Overhead und Speicherbedarf ohne proportionalen Nutzen
  • N+1 Abfragen in ORMs ignorieren - immer Eager Loading, Batch-Abfragen oder DataLoader-Muster verwenden
  • Allgemeine Optimierungsratschläge anwenden, ohne die spezifischen Arbeitslastmuster und Datenverteilungen zu analysieren

Häufig gestellte Fragen

Welche Datenbanken werden von dieser Skill unterstützt?
Diese Skill unterstützt PostgreSQL, MySQL, SQL Server, Oracle, MongoDB, DynamoDB und Cloud-Datenbanken einschließlich RDS, Aurora, Azure SQL, Cloud SQL und DynamoDB.
Kann diese Skill Datenbankbefehle für mich ausführen?
Nein, diese Skill bietet Anleitung und Empfehlungen. Sie müssen alle Datenbankbefehle selbst in Ihrer eigenen Umgebung ausführen.
Wie weiß ich, welche Indizes ich erstellen soll?
Analysieren Sie Ihr Slow-Query-Log und Ihre häufigsten Abfragen. Erstellen Sie zusammengesetzte Indizes, die Ihren WHERE-, JOIN- und ORDER BY-Klauseln entsprechen. Verwenden Sie Covering-Indexes für leseintensive Arbeitslasten.
Was ist die beste Caching-Strategie für meine Anwendung?
Verwenden Sie einen mehrstufigen Ansatz: L1 In-Memory für stark frequentierte Daten, L2 Redis für verteiltes Caching. Wählen Sie Cache-aside für Lesevorgänge, Write-through für Daten, die konsistent sein müssen.
Wie bewältige ich Datenbank-Skalierung bei hohem Traffic?
Beginnen Sie mit Replikaten für Lesevorgänge und Connection Pooling. Erwägen Sie dann Partitionierung (horizontal/vertikal), Sharding oder den Wechsel zu einer verteilten Datenbank wie CockroachDB oder Aurora.
Funktioniert diese Skill mit Claude Code und Codex?
Ja, diese Skill ist kompatibel mit Claude, Codex und Claude Code. Sie bietet Optimierungsempfehlungen, die mit jedem KI-Assistenten funktionieren, der bei Datenbankaufgaben hilft.

Entwicklerdetails

Autor

sickn33

Lizenz

MIT

Repository

https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/database-optimizer

Ref

main

Dateistruktur

📄 SKILL.md