postgres-performance
Optimiser les performances de PostgreSQL
Les requêtes de base de données lentes nuisent à la fiabilité et à la scalabilité des applications. Cette compétence fournit des modèles PostgreSQL pratiques pour des requêtes plus rapides, des migrations plus sûres et une surveillance plus claire.
Installer avec mon Agent
Copiez cette demande dans votre Agent. Elle contient la page Skill de référence et le manifeste.
Review the Skillstore skill "postgres-performance" from https://skillstore.io/skills/cjharmath-postgres-performance.md and its manifest at https://skillstore.io/api/skills/cjharmath-postgres-performance/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Votre Agent doit toujours présenter son plan et demander toute confirmation exigée par la politique de sécurité.
Ressources lisibles par les agents
Utilisez ces liens lorsqu’un Agent IA, un crawler ou un script a besoin d’un contexte propre au lieu de lire toute la page.
Tester
Utilisation de « postgres-performance ». Une requête filtre les assessments par utilisateur et trie les lignes récentes.
Résultat attendu:
- Vérifier le plan pour les sequential scans et le coût du tri.
- Utiliser un index composite aligné sur le filtre et l’ordre de tri.
- Valider avec les métriques de buffers et de temps avant le déploiement.
Utilisation de « postgres-performance ». Une tâche par lots met à jour des millions d’événements non traités.
Résultat attendu:
- Traiter les lignes par lots plus petits.
- Utiliser un verrouillage qui évite de bloquer les workers actifs.
- Effectuer un commit entre les lots et faire une brève pause sous charge.
Utilisation de « postgres-performance ». Le décompte d’un tableau de bord est lent sur une grande table.
Résultat attendu:
- Utiliser des estimations pour les décomptes approximatifs.
- Maintenir des compteurs pour les métriques fréquentes exactes.
- Envisager des vues matérialisées pour les agrégations complexes.
Audit de sécurité
SûrThe flagged external command patterns are markdown code fences and inline backticks in SQL/Python examples, not executable shell usage. The flagged database URLs and reconnaissance patterns are placeholder variables and instructional queries inside examples. No prompt injection or data exfiltration intent was found.
Facteurs de risque
⚙️ Commandes externes (32)
🔑 Variables d’environnement (3)
Partager et citer ce rapport
Partagez le rapport d’évaluation versionné, le badge neutre, la carte intégrable et les citations. Skillstore présente les preuves sans décider si ce Skill est sûr.
Copier le lien du rapport
https://skillstore.io/skills/cjharmath-postgres-performance/audits/8?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportBadge Markdown
[](https://skillstore.io/skills/cjharmath-postgres-performance?utm_source=security_passport_badge)Badge HTML
<a href="https://skillstore.io/skills/cjharmath-postgres-performance?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/cjharmath-postgres-performance/security.svg" alt="Skillstore security assessment" loading="lazy"></a>Carte intégrable
<iframe src="https://skillstore.io/embed/skills/cjharmath-postgres-performance.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>Citations académiques (APA · BibTeX · CFF)
Citation APA
CJHarmath. (2026). postgres-performance security audit report (audit version 8) [Author version unspecified]. Skillstore. https://skillstore.io/skills/cjharmath-postgres-performance/audits/8Citation BibTeX
@techreport{cjharmath-cjharmath-postgres-performance-2026,
author = {CJHarmath},
title = {postgres-performance security audit report (audit version 8)},
institution = {Skillstore},
year = {2026},
number = {8},
url = {https://skillstore.io/skills/cjharmath-postgres-performance/audits/8},
note = {Author version unspecified}
}CITATION.cff
cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "postgres-performance security audit report (audit version 8)"
version: "unspecified"
type: report
authors:
- name: "CJHarmath"
date-released: "2026-07-06"
url: "https://skillstore.io/skills/cjharmath-postgres-performance/audits/8"
identifiers:
- type: other
value: "skillstore:cjharmath-postgres-performance:audit:8"
description: "Skillstore immutable audit report identifier"
Score Skillstore
Pourquoi ce score Niveau de confiance des preuves: ÉlevéCe que vous pouvez créer
Diagnostiquer les requêtes lentes
Les ingénieurs backend peuvent structurer l’investigation depuis la découverte des requêtes lentes jusqu’à l’analyse des plans et la vérification des index.
Planifier un accès aux données scalable
Les architectes d’applications peuvent choisir des modèles de pagination, de traitement par lots, de réplicas, de partitionnement et de mise en cache avant que la charge n’augmente.
Examiner la santé de la base de données
Les administrateurs de bases de données peuvent utiliser la checklist de surveillance pour repérer le bloat, les index inutilisés et les requêtes de longue durée.
Essayez ces prompts
J’ai une requête PostgreSQL lente : [paste query]. Aidez-moi à analyser les goulots d’étranglement probables et à suggérer des prochaines étapes sûres.
À partir de cette structure de table et de cette charge de travail : [details], proposez des index PostgreSQL pour les filtres, le tri et les lectures fréquentes.
Concevez une pagination par curseur pour ce flux : [requirements]. Incluez les champs du curseur, les règles de tri et les recommandations d’indexation.
Utilisez ces plans EXPLAIN, lignes pg_stat_statements et notes de schéma : [data]. Priorisez les corrections selon le risque, l’effort et l’impact.
Bonnes pratiques
- Mesurer avec de vrais plans d’exécution avant de modifier les index.
- Créer les index concurrently lorsque les écritures en production doivent continuer.
- Vérifier chaque optimisation avec des données de latence avant et après.
Éviter
- Ajouter des index sans correspondance avec les filtres et l’ordre de tri réels des requêtes.
- Utiliser une pagination avec un OFFSET élevé sur des tables en croissance.
- Actualiser des données mises en cache ou dénormalisées sans plan d’invalidation.