Estatísticas de consulta

O Cloud Spanner fornece tabelas integradas que mantêm várias estatísticas para as consultas que usaram mais CPU, além de todas as consultas agregadas. O Console do Google Cloud usa os dados nessas tabelas SPANNER_SYS.QUERY_STATS* para gerar a visualização de estatísticas de consulta, mas também é possível recuperar estatísticas das tabelas usando instruções SQL.

Disponibilidade

SPANNER_SYS os dados estão disponíveis somente por meio de interfaces SQL; por exemplo:

  • A página Consulta de um banco de dados no Console do Cloud

  • O comando gcloud spanner databases execute-sql

  • a API executeQuery;

Outros métodos de leitura única fornecidos pelo Cloud Spanner não são compatíveis com SPANNER_SYS.

Uso de CPU agrupado por consulta

As tabelas a seguir rastreiam as consultas com o maior uso de CPU durante um período específico:

  • SPANNER_SYS.QUERY_STATS_TOP_MINUTE: consultas durante intervalos de 1 minuto
  • SPANNER_SYS.QUERY_STATS_TOP_10MINUTE: consultas em intervalos de 10 minutos
  • SPANNER_SYS.QUERY_STATS_TOP_HOUR: consultas durante intervalos de 1 hora

Essas tabelas têm as seguintes propriedades:

  • Cada uma contém dados para intervalos de tempo não sobrepostos do comprimento que o nome da tabela específica.

  • Os intervalos são baseados em tempos de relógio. Os de 1 minuto terminam no minuto, os de 10 minutos terminam a cada 10 minutos, começando na hora, e os intervalos de 1 hora terminam na hora.

    Por exemplo, às 11:59:30, os intervalos mais recentes disponíveis para as consultas SQL são:

    • 1 minuto: 11:58:00–11:58:59
    • 10 minutos: 11:40:00–11:49:59
    • 1 hora: 10:00:00–10:59:59
  • O Cloud Spanner agrupa as estatísticas pelo texto da consulta SQL. Se uma consulta usa parâmetros de consulta, o Cloud Spanner agrupa todas as execuções dela em uma linha. Se a consulta usar literais de string, o Cloud Spanner agrupará as estatísticas somente se o texto completo da consulta for idêntico. Quando qualquer texto diferir, cada consulta aparecerá como uma linha separada.

  • Cada linha contém estatísticas para todas as execuções de uma consulta SQL específica para a qual o Cloud Spanner captura estatísticas durante o intervalo especificado.

  • Se o Cloud Spanner não puder armazenar todas as consultas em execução durante o intervalo, o sistema priorizará aquelas com o maior uso de CPU durante o intervalo especificado.

  • As consultas controladas incluem aquelas que foram concluídas, com falha ou foram canceladas pelo usuário.

  • Um subconjunto de estatísticas é específico para consultas executadas, mas não foram concluídas:

    • Contagem de execução e latência média em segundos em todas as consultas que não falharam.

    • Contagem de execução para consultas que expiraram.

    • Contagem de execução para consultas canceladas pelo usuário ou com falha devido a problemas de conectividade de rede.

Esquema de tabela

Nome da coluna Tipo Descrição
INTERVAL_END TIMESTAMP Fim do intervalo de tempo em que as execuções de consultas incluídas ocorreram.
TEXT STRING Texto de consulta SQL, truncado para aproximadamente 64 KB.
TEXT_TRUNCATED BOOL Se o texto da consulta foi truncado ou não.
TEXT_FINGERPRINT INT64 Hash do texto da consulta.
EXECUTION_COUNT INT64 Número de vezes que o Cloud Spanner viu a consulta durante o intervalo.
AVG_LATENCY_SECONDS FLOAT64 Duração média, em segundos, de cada execução de consulta no banco de dados. Essa média exclui o tempo de codificação e de transmissão do conjunto de resultados, bem como a sobrecarga.
AVG_ROWS FLOAT64 Número médio de linhas que a consulta retornou.
AVG_BYTES FLOAT64 Número médio de bytes de dados retornados pela consulta, excluindo a sobrecarga de codificação de transmissão.
AVG_ROWS_SCANNED FLOAT64 Número médio de linhas que a consulta verificou, com exceção dos valores excluídos.
AVG_CPU_SECONDS FLOAT64 Número médio de segundos de tempo de CPU que o Cloud Spanner gastou em todas as operações para executar a consulta.
ALL_FAILED_EXECUTION_COUNT INT64 Número de vezes em que a consulta falhou durante o intervalo.
ALL_FAILED_AVG_LATENCY_SECONDS FLOAT64 Tempo médio, em segundos, para cada execução de consulta que falhou no banco de dados. Essa média exclui o tempo de codificação e transmissão do conjunto de resultados, bem como a sobrecarga.
CANCELLED_OR_DISCONNECTED_EXECUTION_COUNT INT64 Número de vezes em que a consulta foi cancelada pelo usuário ou falhou devido à conexão de rede interrompida durante o intervalo.
TIMED_OUT_EXECUTION_COUNT INT64 Número de vezes em que a consulta atingiu o tempo limite no intervalo.

EXECUTION_COUNT e AVG_LATENCY_SECONDS para consultas com falha incluem consultas que falharam devido a uma sintaxe incorreta ou encontraram um erro temporário, mas foram bem-sucedidas na tentativa.

Agregar estatísticas

Há também tabelas que rastreiam dados agregados para todas as consultas para as quais o Cloud Spanner capturou estatísticas em um período específico:

  • SPANNER_SYS.QUERY_STATS_TOTAL_MINUTE: consultas durante intervalos de 1 minuto
  • SPANNER_SYS.QUERY_STATS_TOTAL_10MINUTE: consultas em intervalos de 10 minutos
  • SPANNER_SYS.QUERY_STATS_TOTAL_HOUR: consultas durante intervalos de 1 hora

Essas tabelas têm as seguintes propriedades:

  • Cada uma contém dados para intervalos de tempo não sobrepostos do comprimento que o nome da tabela específica.

  • Os intervalos são baseados em tempos de relógio. Os de 1 minuto terminam no minuto, os de 10 minutos terminam a cada 10 minutos, começando na hora, e os intervalos de 1 hora terminam na hora.

    Por exemplo, às 11:59:30, os intervalos mais recentes disponíveis para as consultas SQL são:

    • 1 minuto: 11:58:00–11:58:59
    • 10 minutos: 11:40:00–11:49:59
    • 1 hora: 10:00:00–10:59:59
  • Cada linha contém estatísticas para todas as consultas executadas no banco de dados durante o intervalo especificado, agregadas juntas. Há apenas uma linha por intervalo de tempo e ela inclui consultas concluídas, consultas com falha e consultas canceladas pelo usuário.

  • As estatísticas capturadas nas tabelas TOTAL podem incluir consultas que o Cloud Spanner não capturou nas tabelas TOP.

Esquema de tabela

Nome da coluna Tipo Descrição
INTERVAL_END TIMESTAMP Fim do intervalo de tempo em que as execuções de consultas incluídas ocorreram.
EXECUTION_COUNT INT64 Número de vezes que o Cloud Spanner viu a consulta durante o intervalo de tempo.
AVG_LATENCY_SECONDS FLOAT64 Duração média, em segundos, de cada execução de consulta no banco de dados. Essa média exclui o tempo de codificação e de transmissão do conjunto de resultados, bem como a sobrecarga.
AVG_ROWS FLOAT64 Número médio de linhas que a consulta retornou.
AVG_BYTES FLOAT64 Número médio de bytes de dados retornados pela consulta, excluindo a sobrecarga de codificação de transmissão.
AVG_ROWS_SCANNED FLOAT64 Número médio de linhas que a consulta verificou, com exceção dos valores excluídos.
AVG_CPU_SECONDS FLOAT64 Número médio de segundos de tempo de CPU que o Cloud Spanner gastou em todas as operações para executar a consulta.
ALL_FAILED_EXECUTION_COUNT INT64 Número de vezes em que a consulta falhou durante o intervalo.
ALL_FAILED_AVG_LATENCY_SECONDS FLOAT64 Tempo médio, em segundos, para cada execução de consulta que falhou no banco de dados. Essa média exclui o tempo de codificação e transmissão do conjunto de resultados, bem como a sobrecarga.
CANCELLED_OR_DISCONNECTED_EXECUTION_COUNT INT64 Número de vezes em que a consulta foi cancelada pelo usuário ou falhou devido à conexão de rede interrompida durante o intervalo.
TIMED_OUT_EXECUTION_COUNT INT64 Número de vezes em que a consulta atingiu o tempo limite no intervalo.

Retenção de dados

O Cloud Spanner mantém dados para cada tabela, no mínimo, pelos períodos a seguir:

  • SPANNER_SYS.QUERY_STATS_TOP_MINUTE e SPANNER_SYS.QUERY_STATS_TOTAL_MINUTE: intervalos que abrangem as seis horas anteriores.

  • SPANNER_SYS.QUERY_STATS_TOP_10MINUTE e SPANNER_SYS.QUERY_STATS_TOTAL_10MINUTE: intervalos abrangendo os quatro dias anteriores.

  • SPANNER_SYS.QUERY_STATS_TOP_HOUR e SPANNER_SYS.QUERY_STATS_TOTAL_HOUR: intervalos que abrangem os últimos 30 dias.

Consultas de exemplo

Nesta seção, há várias instruções SQL de exemplo que recuperam estatísticas de consulta. É possível executar essas instruções SQL usando as bibliotecas de cliente, a ferramenta de linha de comando gcloud ou o Console do Cloud.

Como listar as estatísticas básicas para cada consulta em um determinado período

A consulta a seguir retorna os dados brutos para as principais consultas no minuto anterior:

SELECT text,
       interval_end,
       execution_count,
       avg_latency_seconds,
       avg_rows,
       avg_bytes,
       avg_rows_scanned,
       avg_cpu_seconds
FROM spanner_sys.query_stats_top_minute
ORDER BY interval_end DESC;

Como listar as consultas com o maior uso de CPU

A consulta a seguir retorna as consultas com o maior uso de CPU na hora anterior:

SELECT text,
       execution_count AS count,
       avg_latency_seconds AS latency,
       avg_cpu_seconds AS cpu,
       execution_count * avg_cpu_seconds AS total_cpu
FROM spanner_sys.query_stats_top_hour
WHERE interval_end =
  (SELECT MAX(interval_end)
   FROM spanner_sys.query_stats_top_hour)
ORDER BY total_cpu DESC;

Como encontrar a contagem total de execuções em um determinado período

A consulta a seguir retorna o número total de consultas executadas no intervalo completo de 1 minuto mais recente:

SELECT interval_end,
       execution_count
FROM spanner_sys.query_stats_total_minute
WHERE interval_end =
  (SELECT MAX(interval_end)
   FROM spanner_sys.query_stats_top_minute);

Como encontrar a latência média de uma consulta

A consulta a seguir retorna as informações de latência média de uma consulta específica:

SELECT avg_latency_seconds
FROM spanner_sys.query_stats_top_hour
WHERE text LIKE "SELECT x FROM table WHERE x=@foo;";

Como encontrar as consultas que verificam a maioria dos dados

É possível usar o número de linhas verificadas por uma consulta como uma medida da quantidade de dados que a consulta verificou. A consulta a seguir retorna o número de linhas verificadas por consultas executadas na hora anterior:

SELECT text,
       execution_count,
       avg_rows_scanned
FROM spanner_sys.query_stats_top_hour
WHERE interval_end =
  (SELECT MAX(interval_end)
   FROM spanner_sys.query_stats_top_hour)
ORDER BY avg_rows_scanned DESC;

Como totalizar o uso da CPU em todas as consultas

A consulta a seguir retorna o número de horas de CPU usadas na hora anterior:

SELECT (avg_cpu_seconds * execution_count / 60 / 60)
  AS total_cpu_hours
FROM spanner_sys.query_stats_total_hour
WHERE interval_end =
  (SELECT MAX(interval_end)
   FROM spanner_sys.query_stats_total_hour);

Como listar as consultas que falharam em um determinado período

A consulta a seguir retorna os dados brutos, incluindo a contagem de execução e a latência média das consultas com falha das principais consultas no minuto anterior:

SELECT text,
       interval_end,
       execution_count,
       all_failed_execution_count,
       all_failed_avg_latency_seconds,
       avg_latency_seconds,
       avg_rows,
       avg_bytes,
       avg_rows_scanned,
       avg_cpu_seconds
FROM spanner_sys.query_stats_top_minute
WHERE all_failed_execution_count > 0
ORDER BY interval_end;

Como encontrar a contagem total de erros em um determinado período

A consulta a seguir retorna o número total de consultas que não foram executadas no intervalo completo de 1 minuto mais recente.

SELECT interval_end,
       all_failed_execution_count
FROM spanner_sys.query_stats_total_minute
WHERE interval_end =
  (SELECT MAX(interval_end)
   FROM spanner_sys.query_stats_top_minute)
ORDER BY interval_end;

Como listar as consultas que esgotam o tempo limite

A consulta a seguir retorna as consultas com a maior contagem de tempo limite na hora anterior.

SELECT text,
       execution_count AS count,
       timed_out_execution_count AS timeout_count,
       avg_latency_seconds AS latency,
       avg_cpu_seconds AS cpu,
       execution_count * avg_cpu_seconds AS total_cpu
FROM spanner_sys.query_stats_top_hour
WHERE interval_end =
  (SELECT MAX(interval_end)
   FROM spanner_sys.query_stats_top_hour)
ORDER BY timed_out_execution_count DESC;

Como encontrar a latência média das execuções bem-sucedidas e com falha de uma consulta

A consulta a seguir retorna a latência média combinada, a latência média para execuções bem-sucedidas e a latência média para execuções com falha em uma consulta específica.

SELECT avg_latency_seconds AS combined_avg_latency,
       all_failed_avg_latency_seconds AS failed_execution_latency,
       ( avg_latency_seconds * execution_count -
         all_failed_avg_latency_seconds * all_failed_execution_count
       ) / (
       execution_count - all_failed_execution_count ) AS success_execution_latency
FROM   spanner_sys.query_stats_top_hour
WHERE  text LIKE "select x from table where x=@foo;";

Como solucionar problemas de uso de CPU ou latência de consulta elevada com estatísticas de consulta

As estatísticas de consulta são úteis quando você precisa investigar o uso elevado da CPU no banco de dados do Cloud Spanner ou quando está apenas tentando entender as formas de consulta com uso intenso da CPU no banco de dados. A inspeção de consultas que usam quantidades significativas de recursos de banco de dados permite aos usuários do Cloud Spanner uma maneira possível de reduzir custos operacionais e, possivelmente, melhorar as latências gerais do sistema. Com as etapas a seguir, mostraremos como usar estatísticas de consulta para investigar o alto uso da CPU no seu banco de dados.

O exemplo abaixo se concentra no uso da CPU, mas etapas semelhantes podem ser seguidas para solucionar o problema de latência de consulta elevada e encontrar as consultas com as maiores latências. Basta selecionar intervalos de tempo e consultas por latência em vez do uso da CPU.

Como selecionar um período a ser investigado

Inicie a investigação procurando um horário em que o aplicativo começou a apresentar uso elevado da CPU. Por exemplo, digamos que o problema começou a ocorrer por volta das 17h do dia 24 de julho de 2020.

Como coletar estatísticas de consultas para o período selecionado

Depois de selecionar um período para iniciar nossa investigação, analisaremos as estatísticas coletadas na tabela QUERY_STATS_TOTAL_10MINUTE desse período. Os resultados dessa consulta podem indicar como as estatísticas da CPU e de outras consultas mudaram durante esse período.

A consulta a seguir retorna as estatísticas de consultas agregadas de 16:30 a 17:30 UTC, inclusive. Estamos usando ROUND na nossa consulta para restringir o número de casas decimais para fins de exibição.

SELECT interval_end,
       execution_count AS count,
       ROUND(avg_latency_seconds,2) AS latency,
       ROUND(avg_rows,2) AS rows_returned,
       ROUND(avg_bytes,2) AS bytes,
       ROUND(avg_rows_scanned,2) AS rows_scanned,
       ROUND(avg_cpu_seconds,3) AS avg_cpu
FROM spanner_sys.query_stats_total_10minute
WHERE
  interval_end >= "2020-07-24T16:30:00Z"
  AND interval_end <= "2020-07-24T17:30:00Z"
ORDER BY interval_end;

A execução da consulta gerou os resultados a seguir.

interval_end count latency rows_returned bytes rows_scanned (em inglês) avg_cpu
24/07/2020 a 16:00Z 6 0,06 5,00 536,00 16,67 0,035
24-07-20T16:40:00Z 55 0.02 0.22 25,29 0.22 0,004
24/07/2020:50:00Z 102 0.02 0,30 33,35 0,30 0,004
2020-07-24T17:00:00Z 154 1.06 4.42 486.33 7792208.12 4.633
24-07-20T17:10:00Z 94 0.02 1,68 106,84 1,68 0,006
24-07-20T17:20:00Z 110 0.02 0.38 34,60 0.38 0,005
24-07-20T17:30:00Z 47 0.02 0.23 24,96 0.23 0,004

Na tabela anterior, vemos que o tempo médio de CPU, a coluna avg_cpu da tabela de resultados, é maior nos intervalos destacados terminados em 17:00. Também vemos um número muito maior de linhas verificadas em média. Isso indica que consultas mais caras foram executadas entre 16:50 e 17h. Vamos escolher esse intervalo para investigar mais na próxima etapa.

Como descobrir quais consultas estão causando alto uso da CPU

Com um intervalo de tempo para investigação selecionado, agora consultamos a tabela QUERY_STATS_TOP_10MINUTE. Os resultados dessa consulta podem ajudar a indicar quais consultas causam alto uso da CPU.

SELECT text_fingerprint AS fingerprint,
       execution_count AS count,
       ROUND(avg_latency_seconds,2) AS latency,
       ROUND(avg_cpu_seconds,3) AS cpu,
       ROUND(execution_count * avg_cpu_seconds,3) AS total_cpu
FROM spanner_sys.query_stats_top_10MINUTE
WHERE
  interval_end = "2020-07-24T17:00:00Z"
ORDER BY total_cpu DESC;

A execução desta consulta gera os seguintes resultados.

impressão digital count latency cpu total_cpu
5505124206529314852 30 3.88 17.635 529.039
1697951036096498470 10 4.49 18.388 183.882
2295109096748351518 1 0,33 0,08 0,08
11618299167612903606 1 0,25 0,021 0,021
10302798842433860499 1 0,04 0,006 0,006
123771704548746223 1 0,04 0,006 0,006
4216063638051261350 1 0,04 0,006 0,006
3654744714919476398 1 0,04 0,006 0,006
2999453161628434990 1 0,04 0,006 0,006
823179738756093706 1 0.02 0,005 0,0056

As duas principais consultas, destacadas na tabela de resultados, são outliers em termos de CPU e latência médias, além do número de execuções e da CPU total. Vamos investigar a primeira consulta listada nesses resultados.

Comparação das execuções de consulta ao longo do tempo

Após restringir a investigação, podemos prestar atenção à tabela QUERY_STATS_TOP_MINUTE. Ao comparar execuções ao longo do tempo para uma consulta específica, podemos procurar correlações entre o número de linhas ou bytes retornados ou o número de linhas verificadas e elevadas da CPU ou latência. Um desvio pode indicar não uniformidade nos dados. Números de linhas verificados de maneira consistente podem indicar a falta de índices apropriados ou ordenamento abaixo da ideal.

Analise a consulta que exibe o uso médio mais alto da CPU e a maior latência. Para isso, execute a instrução a seguir, que filtra a text_fingerprint dessa consulta.

SELECT interval_end,
       ROUND(avg_latency_seconds,2) AS latency,
       avg_rows AS rows_returned,
       avg_bytes AS bytes_returned,
       avg_rows_scanned AS rows_scanned,
       ROUND(avg_cpu_seconds,3) AS cpu,
FROM spanner_sys.query_stats_top_minute
WHERE text_fingerprint = 5505124206529314852
ORDER BY interval_end DESC;

A execução dessa consulta retorna os seguintes resultados.

interval_end latency rows_returned bytes_returns rows_scanned (em inglês) cpu
24-07-20T17:00:00Z 4,55 21 2365 30000000 19,255
24-07-20T16:00:00Z 3,62 21 2365 30000000 17,255
24-07-20T15:00:00Z 4,37 21 2365 30000000 18,350
24-07-20T14:00:00Z 4,02 21 2365 30000000 17,748
24/07 2020, 2023Z 3.12 21 2365 30000000 16,380
24-07-2019-12T12:00:00Z 3,45 21 2365 30000000 15,476
24-07-20T11:00:00Z 4,94 21 2365 30000000 22,611
24-07-20T10:00:00Z 6,48 21 2365 30000000 21,265
24-07-20T09:00:00Z 0.23 21 2365 5 0,040
24/07/2020:00:00Z 0,04 21 2365 5 0,021
24-07-20T07:00:00Z 0,09 21 2365 5 0,030

Ao examinar os resultados anteriores, vemos que o número de linhas verificadas, a CPU usada e a latência mudaram consideravelmente em torno das 9h. Para entender por que esses números aumentaram consideravelmente, analisaremos o texto da consulta e verificaremos se alguma alteração no esquema pode ter afetado a consulta.

Use a consulta a seguir para recuperar o texto da consulta que estamos investigando.

SELECT text,
       text_truncated
FROM spanner_sys.query_stats_top_hour
WHERE text_fingerprint = 5505124206529314852
LIMIT 1;

Isso retorna o resultado a seguir.

text text_truncated
selecionar * de pedidos em que o_custkey = 36901; falso

Ao examinar o texto da consulta retornado, percebemos que a consulta está filtrando em um campo chamado o_custkey. Essa é uma coluna sem chave na tabela orders. Como aconteceu, havia um índice nessa coluna que foi descartado por volta das 9h. Isso explica a mudança no custo dessa consulta. Podemos adicionar o índice novamente ou, se a consulta for executada com pouca frequência, decidir não ter o índice e aceitar o custo de leitura mais alto.

Nossa investigação se concentrou até agora em consultas concluídas com sucesso e descobrimos um motivo para o banco de dados sofrer uma degradação de desempenho. Na próxima etapa, nos concentraremos em consultas com falha ou canceladas e mostraremos como examinar esses dados para ter mais insights.

Como investigar consultas com falha

As consultas que não são concluídas com êxito ainda consomem recursos antes de expirar, são canceladas ou falham de outra forma. O Cloud Spanner rastreia a contagem de execução e os recursos consumidos por consultas com falha, além de outras bem-sucedidas.

Para verificar se as consultas com falha são um colaborador significativo para a utilização do sistema, podemos verificar primeiro quantas consultas falharam no intervalo de tempo de interesse.

SELECT interval_end,
       all_failed_execution_count AS failed_count,
       all_failed_avg_latency_seconds AS latency
FROM spanner_sys.query_stats_total_minute
WHERE
  interval_end >= "2020-07-24T16:50:00Z"
  AND interval_end <= "2020-07-24T17:00:00Z"
ORDER BY interval_end;
interval_end failed_count [contagem_falha] latency
24-07-20T16:52:00Z 1 15.113113
24-07-20T16:53:00Z 3 58,312232

Investimos mais a fundo, podemos procurar consultas que provavelmente falharão usando a seguinte consulta.

SELECT interval_end,
       text_fingerprint,
       execution_count,
       avg_latency_seconds AS avg_latency,
       all_failed_execution_count AS failed_count,
       all_failed_avg_latency_seconds AS failed_latency,
       cancelled_or_disconnected_execution_count AS cancel_count,
       timed_out_execution_count AS to_count
FROM spanner_sys.query_stats_top_minute
WHERE all_failed_execution_count > 0
ORDER BY interval_end;
interval_end text_fingerprint execution_count failed_count [contagem_falha] contagem_cancelar to_count
24-07-20T16:52:00Z 5505124206529314852 3 1 1 0
24-07-20T16:53:00Z 1697951036096498470 2 1 1 0
24-07-20T16:53:00Z 5505124206529314852 5 2 1 1

Como mostrado na tabela anterior, a consulta com impressão digital 5505124206529314852 falhou várias vezes durante intervalos de tempo diferentes. Considerando um padrão de falhas como essa, é interessante comparar a latência de execuções bem-sucedidas e com falha.

SELECT interval_end,
       avg_latency_seconds AS combined_avg_latency,
       all_failed_avg_latency_seconds AS failed_execution_latency,
       ( avg_latency_seconds * execution_count -
         all_failed_avg_latency_seconds * all_failed_execution_count
       ) / (
       execution_count - all_failed_execution_count ) AS success_execution_latency
FROM   spanner_sys.query_stats_top_hour
WHERE  text_fingerprint = 5505124206529314852;
interval_end Combined_avg_latency failed_execution_latency success_execution_latency
24-07-20T17:00:00Z 3,880420 13,830709 2,74832

Como aplicar as práticas recomendadas

Após identificar uma consulta de candidato para otimização, podemos analisar o perfil de consulta e tentar otimizar usando as práticas recomendadas do SQL.

A seguir