optimizaci-n-sql

name	Optimización SQL
description	Diagnose and fix slow queries using EXPLAIN, rewriting joins, adding filters, and DuckDB-specific optimizations
keywords	slow, performance, optimize, timeout, faster, inefficient, lento, optimizar, rendimiento, tarda, demora, optimización, mejorar, query lenta
next	data-quality

Optimización SQL

Activa cuando una query es lenta, hace timeout, o el usuario pide mejorar el rendimiento de una consulta existente.

Cuándo activar

• "La query tarda mucho", "hace timeout", "¿cómo puedo hacerla más rápida?"
• Query con JOINs sobre tablas grandes o múltiples subqueries anidados

Secuencia de diagnóstico

Diagnostica como un médico: el plan de ejecución es la radiografía — léelo, forma una hipótesis del cuello de botella, aplica el fix que ataca esa causa, y mide. No apliques optimizaciones a ciegas; cada fix debe responder a algo que viste en el plan.

1. Obtener plan de ejecución — validate_sql con detailed=true para ver operadores, estimated rows y join strategies
2. Identificar el cuello de botella en el plan:
   • HASH_JOIN con estimated_rows muy alto → problema de join
   • SEQ_SCAN en tabla grande → falta de particionado o sample
   • SORT sin LIMIT → ORDER BY sin límite
3. Aplicar fix según el problema:
   • Select * en tabla grande → especificar columnas necesarias
   • JOIN sin filtros previos → añadir WHERE antes del JOIN (push down predicates)
   • ORDER BY sin LIMIT → añadir LIMIT N o usar window function con QUALIFY
   • Subquery correlated → reescribir como CTE o JOIN
   • COUNT(DISTINCT col) en tabla enorme → usar approx_count_distinct(col) (~1% error, 10x más rápido)
   • Tabla muy grande → añadir USING SAMPLE 10% para exploración inicial
4. Validar la versión optimizada — validate_sql en la query reescrita
5. Comparar tiempos — ejecutar ambas versiones con execute_sql y comparar executionTime en el resultado
6. Cierre — final_answer con: causa raíz identificada, reescritura aplicada, mejora de tiempo medida

Tips DuckDB específicos

• USING SAMPLE 10% — muestreo estadístico para exploración rápida
• QUALIFY ROW_NUMBER() OVER (...) = 1 — más eficiente que subquery con MIN/MAX
• approx_count_distinct(col) — estimación HyperLogLog, ideal para dashboards
• CREATE TABLE AS SELECT ... — materializar CTEs que se reutilizan
• Los JOINs en DuckDB son columnar — filtrar las tablas fuente antes del JOIN es clave