Testar e ajustar o esquema e o desempenho do aplicativo
Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
O ajuste de performance é um processo iterativo em que você avalia métricas como uso de CPU e latência, ajusta seu esquema e aplicativo para melhorar a performance e testa novamente.
Por exemplo, no seu esquema, você pode adicionar ou mudar um índice ou uma chave primária. No seu aplicativo, você pode fazer gravações em lote ou mesclar ou
modificar suas consultas.
Para o tráfego de produção, em particular, o ajuste de performance é importante para evitar surpresas. O ajuste de performance é mais eficaz quanto mais próximo a configuração estiver da capacidade de processamento e dos tamanhos de dados do tráfego de produção ativo.
Para testar e ajustar o desempenho do esquema e do aplicativo, siga estas etapas:
Verifique a consistência do banco de dados conferindo os fluxos básicos.
Verifique se o desempenho atende às suas expectativas realizando testes de carga
no aplicativo. Para identificar e otimizar suas consultas mais
caras, consulte
Detectar problemas de desempenho de consultas com insights de consulta.
Em especial, os seguintes fatores podem contribuir para um desempenho ruim da consulta:
Consultas ineficientes: para informações sobre como escrever consultas SQL eficientes, consulte Práticas recomendadas de SQL.
Design de esquema ineficiente: se o esquema não for bem projetado, a otimização de consultas não será muito útil. Para mais informações sobre como projetar bons esquemas, consulte Práticas recomendadas de design de esquema.
Pontos de acesso: os pontos de acesso no Spanner limitam a capacidade de processamento de gravação, especialmente para aplicativos de alto QPS. Para identificar pontos de acesso ou problemas de design de esquema, verifique as estatísticas do Key Visualizer no console do Google Cloud . Para mais informações sobre como evitar pontos de acesso, consulte Escolher uma chave primária para evitar pontos de acesso.
Se você modificar o esquema ou os índices, repita os testes de consistência e desempenho do banco de dados até alcançar resultados satisfatórios.
Para mais informações sobre como ajustar o desempenho do banco de dados, entre em contato com o suporte do Spanner.
[[["Fácil de entender","easyToUnderstand","thumb-up"],["Meu problema foi resolvido","solvedMyProblem","thumb-up"],["Outro","otherUp","thumb-up"]],[["Difícil de entender","hardToUnderstand","thumb-down"],["Informações incorretas ou exemplo de código","incorrectInformationOrSampleCode","thumb-down"],["Não contém as informações/amostras de que eu preciso","missingTheInformationSamplesINeed","thumb-down"],["Problema na tradução","translationIssue","thumb-down"],["Outro","otherDown","thumb-down"]],["Última atualização 2025-08-17 UTC."],[],[],null,["# Test and tune your schema and application performance\n\nPerformance tuning is an iterative process in which you evaluate metrics like\nCPU utilization and latency, adjust your schema\nand application to improve performance, and test again.\n\nFor example, in your schema, you might add or change an index, or change a\nprimary key. In your application, you might batch writes, or you might merge or\nmodify your queries.\n\nFor production traffic in particular, performance tuning is important to help\navoid surprises. Performance tuning is more effective the closer the setup is to\nlive production traffic throughput and data sizes.\n\nTo test and tune your schema and application performance, follow these steps:\n\n1. Upload a subset of your data into a Spanner database. You can use the [BigQuery reverse ETL workflow](/bigquery/docs/export-to-spanner) to load the sample data. For more information, see [Load sample data](/spanner/docs/load-sample-data).\n2. Point the application to Spanner.\n3. Verify the database consistency by checking for basic flows.\n4. Verify that performance meets your expectations by performing load tests on your application. For help identifying and optimizing your most expensive queries, see [Detect query performance issues with query insights](/spanner/docs/using-query-insights). In particular, the following factors can contribute to suboptimal query performance:\n 1. **Inefficient queries** : For information about writing efficient SQL queries, see [SQL best practices](/spanner/docs/sql-best-practices).\n 2. **High CPU utilization** : For more information, see [Investigate high CPU utilization](/spanner/docs/introspection/investigate-cpu-utilization).\n 3. **Locking** : To reduce bottlenecks caused by transaction locking, see [Identify transactions that might cause high latencies](/spanner/docs/use-lock-and-transaction-insights).\n 4. **Inefficient schema design** : If the schema isn't designed well, query optimization isn't very useful. For more information about designing good schemas, see [Schema design best practices](/spanner/docs/schema-design).\n 5. **Hotspots** : Hotspots in Spanner limit write throughput, especially for high-QPS applications. To identify hotspots or schema design issues, check the [Key\n Visualizer](/spanner/docs/key-visualizer) statistics from the Google Cloud console. For more information about avoiding hotspots, see [Choose a primary key to prevent hotspots](/spanner/docs/schema-design#primary-key-prevent-hotspots).\n5. If you modify schema or indexes, repeat database consistency and performance testing until you achieve satisfactory results.\n\nFor more information about fine-tuning your database performance, contact\n[Spanner support](/spanner/docs/getting-support)."]]
