Takemi Ohama AI Agent Marketplace Data Analyst SQL Optimization

Data Analyst SQL Optimization Skill

概要

このSkillは、data-analystエージェントがSQLクエリのパフォーマンスを改善する際に使用します。実績のある最適化パターンとベストプラクティスを提供し、遅いクエリを高速化します。

主な機能

1. 最適化パターンライブラリ: 頻出の最適化パターンをカタログ化
2. Before/After例: 実際の改善例を多数掲載
3. インデックス推奨: 適切なインデックス戦略の提案
4. 実行計画解析ガイド: EXPLAINの読み方と改善点の特定

使用方法

基本的な使い方

1. 遅いクエリを特定: クエリ実行時間をログで確認
2. 該当する最適化パターンを探す: reference.mdから適用可能なパターンを選択
3. クエリを書き換え: パターンに従ってクエリを最適化
4. 実行計画で検証: EXPLAINで改善を確認
5. パフォーマンス測定: 実行時間の短縮を確認

トリガーキーワード

以下のキーワードを含むユーザーリクエストで自動起動されます:

• "optimize SQL" / "SQL最適化"
• "slow query" / "遅いクエリ"
• "improve performance" / "パフォーマンス向上"
• "query tuning" / "クエリチューニング"

最適化パターン一覧

1. N+1クエリ削減

問題: ループ内で繰り返しSELECT文を実行 解決: JOINまたはサブクエリで1回のクエリに統合

2. インデックス活用

問題: WHERE句の列にインデックスがない 解決: 適切なインデックスを作成

3. JOIN最適化

問題: 不要な大規模テーブルのJOIN 解決: 必要な列のみ取得、結合順序の最適化

4. ウィンドウ関数活用

問題: 複雑なサブクエリの入れ子 解決: ROW_NUMBER(), RANK()等のウィンドウ関数を使用

5. DISTINCT削減

問題: 不要なDISTINCT使用 解決: GROUP BYまたは適切なJOINで代替

6. EXISTS vs IN

問題: サブクエリでINを使用 解決: EXISTSに変更（多くの場合高速）

7. LIMIT活用

問題: 全件取得後にアプリ側でフィルタ 解決: SQLでLIMIT/OFFSETを使用

8. 計算列のインデックス

問題: WHERE句で関数を列に適用 解決: 計算済み列を作成してインデックス

リファレンス

詳細な最適化パターンとコード例は、以下のファイルを参照してください:

• reference.md: 各パターンの詳細説明
• examples.md: Before/Afterの実例

実装例

例1: N+1クエリの削減

Before:

-- ループで実行（N+1クエリ）
SELECT * FROM users WHERE id = ?;  -- N回実行

After:

-- 1回のクエリで取得
SELECT u.*, o.order_count
FROM users u
LEFT JOIN (
  SELECT user_id, COUNT(*) as order_count
  FROM orders
  GROUP BY user_id
) o ON u.id = o.user_id;

改善: N+1回 → 1回のクエリ、大幅な高速化

例2: インデックス活用

Before:

SELECT * FROM orders
WHERE created_at > '2023-01-01'
AND status = 'completed';
-- インデックスなし、フルスキャン

After:

-- インデックス作成
CREATE INDEX idx_orders_status_created ON orders(status, created_at);

-- 同じクエリがインデックスを使用
SELECT * FROM orders
WHERE status = 'completed'
AND created_at > '2023-01-01';
-- ORDER BY の順序を逆にしてインデックス効率化

改善: フルスキャン → インデックススキャン、10倍以上高速化

例3: ウィンドウ関数活用

Before:

-- サブクエリの入れ子
SELECT u.name,
  (SELECT COUNT(*) FROM orders o WHERE o.user_id = u.id) as order_count,
  (SELECT SUM(total) FROM orders o WHERE o.user_id = u.id) as order_total
FROM users u;
-- usersの各行でordersを2回スキャン

After:

-- ウィンドウ関数で1回のスキャン
SELECT u.name,
  COUNT(o.id) OVER (PARTITION BY u.id) as order_count,
  SUM(o.total) OVER (PARTITION BY u.id) as order_total
FROM users u
LEFT JOIN orders o ON u.id = o.user_id;
-- 1回のJOINで完結

改善: 2N回スキャン → 1回のJOIN、大幅な高速化

ベストプラクティス

DO（推奨）

✅ EXPLAINで実行計画を確認: 最適化前後で必ず確認 ✅ インデックスは選択的に作成: WHERE/JOIN/ORDER BYで使用される列 ✅ 必要な列のみSELECT: SELECT *は避ける ✅ 早期フィルタリング: WHERE句を最初に適用 ✅ 統計情報を更新: ANALYZE TABLEで最新状態に

DON'T（非推奨）

❌ 不要なDISTINCT: データ構造を見直す ❌ 関数をWHERE句の列に適用: インデックスが使用されない ❌ 過剰なJOIN: 必要最小限に絞る ❌ サブクエリの多用: JOINやウィンドウ関数で代替 ❌ インデックスの作り過ぎ: INSERT/UPDATEが遅くなる

パフォーマンス測定

改善前後の比較

1. 実行時間測定:

   -- BigQueryの場合
   SELECT CURRENT_TIMESTAMP();
   -- クエリ実行
   SELECT CURRENT_TIMESTAMP();
   

2. スキャンバイト数確認:

   • BigQuery: クエリ結果に表示
   • 改善後は大幅に削減されるはず

3. 実行計画比較:

   EXPLAIN SELECT ...;
   

目標指標

• 実行時間: 50%以上削減
• スキャンバイト数: 70%以上削減（BigQuery）
• インデックス使用: EXPLAINでtype=ref以上

トラブルシューティング

Q: 最適化したのに遅い

A: 以下を確認:

• インデックスが実際に使用されているか（EXPLAIN確認）
• 統計情報が最新か（ANALYZE TABLE実行）
• データ量が想定通りか

Q: どのパターンを適用すべきか分からない

A: 以下の順で確認:

1. EXPLAINで実行計画を確認
2. フルスキャンがあればインデックス作成
3. N+1パターンがあればJOINに統合
4. サブクエリが複雑ならウィンドウ関数検討

Q: インデックスを作成したら書き込みが遅くなった

A: インデックスの見直しが必要:

• 使用頻度の低いインデックスを削除
• 複合インデックスで統合できないか検討

Progressive Disclosure

このSKILL.mdはメインドキュメント（約200行）です。詳細な最適化パターンとコード例は別ファイル（reference.md, examples.md）に分離されています。

関連リソース

• reference.md: 最適化パターン詳細リファレンス
• examples.md: Before/After実例集
• BigQuery公式ドキュメント: ベストプラクティス

Converted and distributed by TomeVault — claim your Tome and manage your conversions.