¿Cómo optimizar agregaciones lentas sobre una tabla grande?

Question

IT Interview Practice · Accepted Answer

Para mejorar una agregación lenta, identifica primero **qué significa el resultado y qué operación consume tiempo**. Agregar combina filas en un resumen, como ingresos por vendedor. Su coste depende de cuánto se lee y combina.

Considera un panel con ingresos del mes anterior. Úsalo para elegir entre mejorar la consulta, guardar un resumen preparado o trasladar los informes.

## 1. Confirma la respuesta antes de acelerarla

Aclara si cuentan pedidos pagados o creados, cómo se tratan devoluciones y qué monedas se incluyen. Define también la frescura requerida. Esas decisiones cambian consulta y optimizaciones posibles.

Un error habitual une un pago a varias líneas de pedido y luego suma su importe:

```text
[Payment: 100] -> [Join with 3 items] -> [100, 100, 100]
                                               |
                                          [SUM = 300]
```

Son cifras ilustrativas. La consulta multiplicó el pago; acelerarla solo devuelve antes un total incorrecto. Agrega en el nivel de negocio adecuado o corrige el join antes de medir.

## 2. Encuentra el paso costoso

El plan de ejecución muestra cómo se obtiene el resultado. Examina operaciones caras y tamaños de entrada, sin asumir que falta otro índice.

| Observación | Pregunta que investigar |
| --- | --- |
| Se leen muchas filas irrelevantes | ¿Filtros o descarte de particiones pueden excluirlas? |
| Las cantidades reales difieren mucho de las estimaciones | ¿Las estadísticas representan estos datos? |
| Un join repite mucho trabajo | ¿La entrada es grande o el acceso inadecuado? |
| Agrupar u ordenar escribe temporalmente en disco | ¿Puede reducirse la entrada antes de aumentar memoria? |

En PostgreSQL, EXPLAIN (ANALYZE, BUFFERS) ejecuta la consulta y muestra información real. Haz investigaciones caras en un entorno controlado o con un presupuesto deliberado de producción. [PostgreSQL EXPLAIN](https://www.postgresql.org/docs/current/using-explain.html).

## 3. Reduce trabajo en la base actual

Selecciona mes y columnas necesarios. Comprueba que el plan omita particiones ajenas y que los joins no incorporen información innecesaria.

Un índice ayuda cuando evita suficiente lectura. Si el informe necesita casi todas las filas, un recorrido secuencial puede ser adecuado. Juzga plan y coste medido, no solo presencia de índice.

Si la ordenación desborda al disco, reducir entrada puede bastar. Aumentar memoria por consulta puede agotar RAM con muchos informes simultáneos. Prueba concurrencia representativa.

## 4. Decide si preparar el resultado

Si muchos usuarios piden los mismos totales y aceptan demora, recorrer pedidos sin procesar repetidamente desperdicia trabajo. Una tabla resumen puede guardar totales por día, vendedor y moneda que el panel combina.

```text
[Orders] -> [Scheduled / incremental calculation]
                              |
                       [Daily summaries] -> [Dashboard]
```

El ahorro consiste en calcular una vez lo compartido en lugar de hacerlo en cada petición. Una vista materializada también almacena resultados, con su propia actualización.

Ese ahorro trae responsabilidades:

- Define frecuencia de actualización y muestra la frescura relevante.
- Aplica devoluciones, pedidos tardíos y correcciones sin duplicar cómputos.
- Haz segura la repetición y conserva una forma de reconstruir resúmenes.
- Guarda suma y cantidad para combinar promedios; promediar promedios puede ser incorrecto.

Aquí los resúmenes solo son candidatos si frescura y correcciones cumplen el primer requisito.

## 5. Separa informes cuando lo justifique la medición

Si los recorridos analíticos amplios siguen siendo caros e interfieren con compras, evalúa un almacén analítico adecuado. Incluye retraso de sincronización, recuperación y operación adicional.

Una réplica de lectura puede aislar carga, pero la consulta puede seguir siendo cara allí. Separar cambia dónde se paga, no necesariamente elimina el coste.

Compara cada cambio con un resultado fiable y la misma carga. Revisa respuesta, recursos, frescura e impacto sobre escrituras.

**Recuerda:** resultado correcto → cuello medido → menos trabajo innecesario → resúmenes adecuados → análisis separado si aún hace falta.

Observación	Pregunta que investigar
Se leen muchas filas irrelevantes	¿Filtros o descarte de particiones pueden excluirlas?
Las cantidades reales difieren mucho de las estimaciones	¿Las estadísticas representan estos datos?
Un join repite mucho trabajo	¿La entrada es grande o el acceso inadecuado?
Agrupar u ordenar escribe temporalmente en disco	¿Puede reducirse la entrada antes de aumentar memoria?

1. Confirma la respuesta antes de acelerarla

2. Encuentra el paso costoso

3. Reduce trabajo en la base actual

4. Decide si preparar el resultado

5. Separa informes cuando lo justifique la medición

Preguntas relacionadas