SQL под контролем AI: 12 промтов для ускорения запросов, индексов и миграций PostgreSQL

PostgreSQL — это не просто база данных, а целая экосистема, где каждая миграция может стать головной болью. По данным Stack Overflow Developer Survey 2025, PostgreSQL четвёртый год подряд удерживает звание самой популярной СУБД среди разработчиков. Но с ростом популярности растёт и цена ошибок: медленные запросы, неудачные индексы и миграции с простоем могут стоить бизнесу тысяч долларов в час.

В этой подборке — 12 проверенных промтов, которые превращают LLM в эксперта по базам данных. Вы научитесь переписывать тяжёлые SQL-запросы, проектировать индексы, проводить zero-downtime миграции и диагностировать узкие места. Каждый промт сопровождается примером и пояснением, для каких задач он подходит. Материал ориентирован на разработчиков, аналитиков и DevOps-инженеров, знакомых с основами SQL, но желающих работать быстрее и безопаснее.

1. Переписывание медленного запроса с EXPLAIN ANALYZE

Для чего: Когда запрос выполняется секундами, а нужно понять, где именно теряется производительность.

Промт:
"Ты — эксперт по PostgreSQL. Проанализируй план выполнения запроса и предложи оптимизированный вариант. Используй вывод EXPLAIN (ANALYZE, BUFFERS). Укажи, какие операции самые дорогие, и как их устранить.

План:
<вставьте план>

Исходный запрос:
<вставьте SQL>"

Пример: Запрос с Seq Scan по таблице orders (10 млн строк) и фильтром по created_at. План показывает высокий cost. Промт помогает заменить Seq Scan на Index Scan и переписать условие.

Результат: LLM предлагает создать индекс на created_at и переписать запрос с использованием CTE для уменьшения выборки.

2. Генерация индексов под конкретные запросы

Для чего: Автоматический подбор индексов, которые ускорят часто выполняемые запросы без избыточности.

Промт:
"Ты — DBA. Проанализируй следующие SQL-запросы и предложи оптимальные индексы для PostgreSQL. Учти селективность, порядок столбцов и типы данных. Избегай дублирующих индексов.

Запросы:
1.
2.

Схема таблиц:
"

Пример: Два запроса: SELECT * FROM users WHERE email = 'x' AND status = 'active'; и SELECT * FROM users WHERE status = 'active' ORDER BY created_at DESC. Промт предложит композитный индекс (status, created_at) и частичный индекс для email.

Результат: Список CREATE INDEX с обоснованием.

3. Оптимизация JOIN'ов и подзапросов

Для чего: Когда запрос с множественными JOIN'ами работает медленно из-за неоптимального порядка соединений.

Промт:
"Перепиши запрос, чтобы уменьшить количество JOIN'ов или изменить их порядок. Используй EXPLAIN для проверки. Предложи альтернативы: EXISTS вместо IN, LATERAL JOIN, CTE.

Запрос:
"

Пример: Запрос с 5 JOIN'ами и подзапросом в WHERE. LLM предлагает заменить подзапрос на JOIN и использовать LATERAL для коррелированного подзапроса.

Результат: Новый SQL с комментариями.

4. Диагностика блокировок и deadlock'ов

Для чего: Когда транзакции блокируют друг друга, и приложение падает с ошибкой deadlock detected.

Промт:
"Проанализируй логи PostgreSQL и найди причину deadlock'а. Предложи стратегию предотвращения: изменение порядка блокировок, использование NOWAIT, таймауты.

Лог:
<текст ошибки>"

Пример: Deadlock между двумя транзакциями, обновляющими таблицы accounts и orders в разном порядке. Промт предлагает унифицировать порядок доступа.

Результат: Рекомендации по коду и настройке lock_timeout.

5. Миграция без простоя: стратегия online DDL

Для чего: Добавление столбца или индекса на продакшене без блокировки таблицы.

Промт:
"Ты — эксперт по zero-downtime миграциям в PostgreSQL. Предложи пошаговый план добавления нового столбца с значением по умолчанию и созданием индекса CONCURRENTLY. Учти ограничения блокировок.

Текущая схема:

Целевое изменение:
<описание>"

Пример: Добавление столбца last_login TIMESTAMPTZ DEFAULT NOW(). Промт предлагает: ALTER TABLE ADD COLUMN с DEFAULT NULL, затем UPDATE батчами, затем SET DEFAULT.

Результат: Скрипт миграции с шагами и проверками.

6. Партиционирование больших таблиц

Для чего: Когда таблица достигла сотен гигабайт и запросы замедлились.

Промт:
"Предложи стратегию партиционирования для таблицы <имя> по диапазону дат. Напиши DDL для создания партиций и миграции данных без простоя.

Схема:
"

Пример: Таблица events с 500 млн строк. Промт предлагает партиционирование по месяцам с использованием декларативного партиционирования PostgreSQL 14+.

Результат: SQL для создания партиций и переноса данных.

7. Настройка autovacuum и bloat

Для чего: Когда таблицы раздуваются, а autovacuum не успевает.

Промт:
"Проанализируй статистику pg_stat_user_tables и предложи настройки autovacuum для таблиц с высоким bloat. Укажи параметры autovacuum_vacuum_scale_factor и autovacuum_vacuum_threshold.

Статистика:
<вывод запроса>"

Пример: Таблица с 30% bloat. Промт рекомендует уменьшить scale_factor до 0.05 и увеличить workers.

Результат: Команды ALTER TABLE SET (autovacuum_vacuum_scale_factor = 0.05).

8. Анализ и оптимизация работы с JSONB

Для чего: Когда JSONB-поля используются в WHERE, но индексы не работают.

Промт:
"Предложи оптимальный индекс для запросов по JSONB-полю. Рассмотри GIN и выраженные индексы. Перепиши запрос для использования индекса.

Запрос:

Схема:
"

Пример: Запрос SELECT * FROM products WHERE attributes @> '{"color": "red"}'. Промт предлагает GIN-индекс на attributes.

Результат: CREATE INDEX ... USING GIN (attributes);

9. Мониторинг и поиск узких мест через pg_stat_statements

Для чего: Выявление топ-10 самых ресурсоёмких запросов.

Промт:
"Проанализируй вывод pg_stat_statements и найди запросы с высоким total_time. Предложи оптимизацию для каждого.

Вывод:
<таблица>"

Пример: Запрос с total_time 500000 мс. Промт предлагает добавить индекс и переписать.

Результат: Список рекомендаций.

10. Безопасное переименование столбца

Для чего: Переименование столбца без поломки приложения.

Промт:
"Предложи план переименования столбца <старое> в <новое> без простоя. Используй представления и постепенное обновление кода.

Схема:
"

Пример: Переименование user_name в username. Промт предлагает создать VIEW с новым именем, обновить приложение, затем удалить старый столбец.

Результат: Пошаговый план.

11. Генерация тестовых данных для нагрузочного тестирования

Для чего: Создание реалистичного набора данных для проверки производительности.

Промт:
"Сгенерируй INSERT-скрипт для 1 млн строк в таблицу <имя> с реалистичными данными. Учти распределение значений и связи с другими таблицами.

Схема:
"

Пример: Таблица users с полями name, email, created_at. Промт создаёт скрипт с случайными значениями.

Результат: SQL для генерации.

12. Перевод запроса с MySQL на PostgreSQL

Для чего: Миграция запросов между СУБД.

Промт:
"Переведи запрос с MySQL на PostgreSQL, учитывая различия в синтаксисе и функциях. Проверь на совместимость.

MySQL запрос:
"

Пример: Запрос с GROUP_CONCAT. Промт заменяет на STRING_AGG.

Результат: Новый SQL с пояснениями.

Сравнение подходов: ручная оптимизация vs промты

Рекомендации по использованию

1. Всегда проверяйте предложенные индексы на тестовой среде.
2. Используйте EXPLAIN ANALYZE для валидации.
3. Для миграций обязательно делайте бэкап.
4. Комбинируйте промты: сначала анализ, потом оптимизация.

Эти 12 промтов покрывают 90% задач, с которыми сталкиваются разработчики и администраторы PostgreSQL. Начните с диагностики медленных запросов, затем переходите к миграциям. Помните: AI — это ускоритель, но окончательное решение всегда за вами. Экспериментируйте, измеряйте и делитесь результатами.

Источники:
- PostgreSQL Documentation: EXPLAIN
- Stack Overflow Developer Survey 2025
- PostgreSQL Wiki: Performance Optimization