Query yang cepat saat tabel masih kecil dapat melambat ketika jumlah baris bertambah. Untuk mendiagnosisnya di WSL, berikan skema, query, dan konteks perubahan data kepada agen di Google Antigravity, lalu minta hipotesis yang dapat diuji—bukan perubahan indeks otomatis. Jalankan EXPLAIN atau EXPLAIN ANALYZE sendiri pada database untuk memeriksa rencana eksekusi dan dampak usulan.

Contoh berikut menggunakan PostgreSQL. Antigravity berperan sebagai lingkungan untuk meninjau konteks dan menghasilkan saran; perintah database tetap dijalankan melalui klien PostgreSQL di WSL. Sesuaikan sintaks dan interpretasi rencana jika menggunakan DBMS lain.

Siapkan konteks di WSL dan Google Antigravity

Simpan kode proyek di sistem berkas Linux WSL, misalnya di bawah direktori home, agar alur kerja Linux tidak bergantung pada akses lintas sistem berkas. Buka proyek tersebut di Antigravity dengan alur yang tersedia pada instalasi Anda. Jangan menganggap IDE otomatis terhubung ke database: verifikasi database menggunakan klien dan kredensial yang Anda kendalikan.

Sebelum meminta analisis, kumpulkan skema tabel, query persis yang lambat, contoh parameter, perkiraan jumlah baris, dan perubahan waktu eksekusi seiring pertumbuhan data. Hapus atau samarkan nilai sensitif. Berikan hanya informasi yang diperlukan, bukan kata sandi atau dump data produksi.

Contoh konteks untuk agen:

DBMS: PostgreSQL
Tabel: orders
Kolom: id (primary key), customer_id, status, created_at
Indeks yang diketahui: primary key pada id
Perkiraan ukuran: 8 juta baris; jumlahnya terus bertambah
Query lambat:
SELECT id, created_at
FROM orders
WHERE customer_id = $1
  AND status = $2
ORDER BY created_at DESC
LIMIT 50;

Tolong jelaskan kemungkinan penyebab berdasarkan query dan skema.
Usulkan indeks sebagai hipotesis saja; jangan mengubah file atau database.
Sebutkan bukti yang perlu diperiksa dan risiko indeks yang disarankan.

Jika statistik tabel, distribusi nilai, atau indeks aktual tidak tersedia, minta agen menyatakan keterbatasan tersebut. Saran indeks tanpa informasi itu bukan kepastian: kolom dengan nilai yang sangat tidak merata, misalnya, dapat menghasilkan rencana berbeda dari perkiraan sederhana.

Minta hipotesis indeks, bukan perubahan otomatis

Query contoh memfilter berdasarkan customer_id dan status, mengurutkan berdasarkan created_at, lalu membatasi hasil. Indeks gabungan pada kolom filter dan pengurutan dapat menjadi hipotesis untuk diuji, tetapi urutan kolom dan manfaatnya bergantung pada distribusi data, pola query lain, serta pilihan planner.

Untuk diskusi, calon indeks PostgreSQL dapat ditulis seperti ini:

CREATE INDEX ON orders (customer_id, status, created_at DESC);

Jangan jalankan perintah itu hanya karena agen mengusulkannya. Minta alasan untuk urutan kolom, perkiraan query yang terbantu, dan kemungkinan dampak pada query lain. Jika aplikasi memiliki lebih dari satu pola filter, satu indeks gabungan belum tentu cocok untuk semuanya.

Verifikasi rencana di database

Gunakan koneksi database yang sama, parameter yang representatif, dan kondisi pengujian yang konsisten. Perintah EXPLAIN menunjukkan rencana yang dipilih tanpa menjalankan query. Di PostgreSQL, EXPLAIN ANALYZE benar-benar menjalankan query dan menambahkan pengukuran aktual; gunakan dengan hati-hati untuk query mahal atau pada sistem produksi.

EXPLAIN (ANALYZE, BUFFERS)
SELECT id, created_at
FROM orders
WHERE customer_id = 42
  AND status = 'paid'
ORDER BY created_at DESC
LIMIT 50;

Bandingkan perkiraan jumlah baris dengan jumlah aktual, jenis akses tabel atau indeks, biaya pengurutan, serta waktu eksekusi. Pada PostgreSQL, opsi BUFFERS menambahkan informasi aktivitas buffer yang membantu menilai pembacaan data. Biaya dalam rencana adalah estimasi planner, bukan durasi dalam satuan waktu. Hasil satu kali juga dapat dipengaruhi cache, beban sistem, dan parameter.

Jalankan pengukuran sebelum dan sesudah perubahan dengan query, parameter, dan lingkungan yang setara. Jika indeks memang perlu diuji, ikuti prosedur perubahan database tim: tinjau dampak operasional, buat perubahan pada lingkungan pengujian atau melalui migrasi yang disetujui, lalu ukur ulang. Jangan memakai EXPLAIN ANALYZE untuk query yang mengubah data tanpa memahami bahwa query akan dieksekusi.

Periksa pagination saat data terus bertambah

Pagination berbasis offset dapat semakin mahal ketika aplikasi meminta halaman yang jauh karena database perlu melewati baris sebelumnya. Pola berikut mudah dipahami, tetapi offset besar perlu diuji terhadap ukuran tabel yang realistis:

SELECT id, created_at
FROM orders
WHERE customer_id = 42
ORDER BY created_at DESC
LIMIT 50 OFFSET 50000;

Untuk penelusuran berurutan, keyset pagination dapat menghindari melewati banyak baris. Gunakan kolom pengurutan yang stabil dan unik sebagai pemutus seri; contoh ini memakai id bersama created_at:

SELECT id, created_at
FROM orders
WHERE customer_id = 42
  AND (created_at, id) < ('2025-01-15 10:30:00', 900000)
ORDER BY created_at DESC, id DESC
LIMIT 50;

Nilai pada kondisi adalah penanda halaman terakhir yang diterima, bukan nilai tetap untuk semua permintaan. Arah perbandingan harus sesuai urutan dan aturan null pada kolom. Keyset pagination lebih cocok untuk navigasi maju yang berurutan, tetapi tidak menyediakan lompatan langsung ke nomor halaman tertentu seperti offset.

Nilai hasil dan kelola risiko indeks

Indeks dapat mempercepat pembacaan, tetapi menambah ruang penyimpanan dan biaya pemeliharaan setiap kali baris berubah. Terlalu banyak indeks dapat memperlambat operasi tulis, memperbesar kebutuhan penyimpanan, dan membuat perubahan skema lebih mahal. Jangan menambahkan indeks yang tumpang tindih tanpa bukti bahwa pola query memerlukannya.

  • Catat rencana dan waktu sebelum perubahan, termasuk parameter yang diuji.
  • Ulangi pengukuran sesudah perubahan dengan kondisi yang sebanding.
  • Periksa query lain yang menggunakan tabel dan biaya operasi tulis.
  • Pantau penggunaan indeks dan ukuran penyimpanan sebelum memutuskan indeks yang tidak terpakai perlu dihapus.

Alur yang aman adalah memberi agen konteks yang cukup, meminta hipotesis beserta keterbatasannya, lalu menguji rencana dan kinerja di database. Antigravity membantu penalaran dan peninjauan; bukti keputusan tetap berasal dari skema aktual, statistik, dan pengukuran pada lingkungan Anda.