Skill sql-optimization
Optimisez les performances de vos bases de données grâce à des stratégies d'indexation, l'analyse de requêtes, la conception de schémas et des modèles d'implémentation.
- Étoiles GitHub
- 23
- Fichiers
- 1
- Dernier commit
- 11 nov. 2026
- Licence
- CC-BY-SA-4.0
- Outils autorisés
- —
Que fait la skill sql-optimization ?
Optimisez les performances de vos bases de données grâce à des stratégies d'indexation, l'analyse de requêtes, la conception de schémas et des modèles d'implémentation.
Résumé généré à partir du SKILL.md de la skill.
À propos du skill sql-optimization
L'amélioration des performances de base de données via le tuning de requêtes et la conception de schémas est la fonction principale de ce SKILL. Les développeurs l'utilisent lorsqu'ils doivent analyser des requêtes lentes, concevoir des stratégies d'indexation efficaces ou implémenter de meilleurs modèles de données. Un agent doit charger ce SKILL pour transformer du SQL inefficace en code performant en appliquant des principes tels que l'indexation composite, l'évitement des problèmes de type N+1 et l'utilisation de la pagination par curseur plutôt que les limites offset lentes.
Le SKILL fournit des conseils spécifiques pour interpréter les sorties de EXPLAIN ANALYZE, en distinguant les scans séquentiels des scans index-only. Il couvre également les techniques d'optimisation de schéma, comme la normalisation pour les charges de travail orientées écriture ou la dénormalisation pour la vitesse de lecture. Pour maintenir la sécurité, le SKILL met l'accent sur l'utilisation de requêtes paramétrées afin de prévenir les injections SQL et recommande d'exécuter des benchmarks de performance dans des environnements de staging assainis plutôt que sur des bases de données de production. Il suggère également d'utiliser des timeouts de requête pour éviter l'épuisement des ressources causé par des requêtes complexes.
Ce qu'un agent peut faire avec
- 1Analyser les plans d'exécution de requêtes lentesExaminez une sortie EXPLAIN ANALYZE pour identifier si une requête effectue un scan complet de table (full table scan) lent.
Rédigé à partir du SKILL.md du skill. Chaque cas d'utilisation est vérifié par rapport à une citation de celui-ci.
Comment installer la skill sql-optimization
Chaque commande copie le dossier de la skill dans le répertoire des skills du client. Redémarrez le client ou démarrez une nouvelle session pour la charger.Installer la skill sql-optimization dans Plugin
/plugin marketplace add andreibesleaga/GABBE /plugin install gabbe-data@gabbe
Installer la skill sql-optimization dans Claude Code
~/.claude/skills/sql-optimization/SKILL.md
$ npx degit andreibesleaga/GABBE/plugins/gabbe-data/skills/sql-optimization ~/.claude/skills/sql-optimizationInstaller la skill sql-optimization dans Claude Code (project)
.claude/skills/sql-optimization/SKILL.md
$ npx degit andreibesleaga/GABBE/plugins/gabbe-data/skills/sql-optimization .claude/skills/sql-optimizationInstaller la skill sql-optimization dans Codex
~/.agents/skills/sql-optimization/SKILL.md
$ npx degit andreibesleaga/GABBE/plugins/gabbe-data/skills/sql-optimization ~/.agents/skills/sql-optimizationInstaller la skill sql-optimization dans Gemini CLI
~/.gemini/skills/sql-optimization/SKILL.md
$ npx degit andreibesleaga/GABBE/plugins/gabbe-data/skills/sql-optimization ~/.gemini/skills/sql-optimizationInstaller la skill sql-optimization dans Claude.ai
npx degit andreibesleaga/GABBE/plugins/gabbe-data/skills/sql-optimization sql-optimization && zip -r sql-optimization.zip sql-optimization # claude.ai → Customize → Skills → + → Create skill → Upload a skill → sql-optimization.zip
Vérifications automatisées
Exécuté le 16 nov. 2026Rapport complet →Pas encore vérifiée. Une skill doit obtenir 80, sans constat grave, avec assez de données pour être vérifiée. Fonctionnement des vérifications · Ce qu'il faut corriger pour gagner des points
- Dépôt source lié et accessibleandreibesleaga/gabbe/plugins/gabbe-data/skills/sql-optimization is public and reachablegithub.com/andreibesleaga/gabbe/tree/HEAD/plugins/gabbe-data ↗Réussi
- Licence open source (OSI)CC-BY-SA-4.0 is not OSI-approvedspdx.org/licenses/CC-BY-SA-4.0.html ↗Faille
- Commit ou version publiée au cours de l'année écouléeLast commit 2026-11-11github.com/andreibesleaga/gabbe/commits ↗Réussi
- Aucun téléchargement-exécution ni vol d'identifiants dans les scriptsNo scripts in the skill folderRéussi
- Aucune instruction cachée dans SKILL.mdNo override phrases, safeguard switches, credential requests or hidden charactersgithub.com/andreibesleaga/gabbe/blob/HEAD/plugins/gabbe-data ↗Réussi
- Les outils préautorisés sont limitésNo pre-approved tools; the agent asks before using onegithub.com/andreibesleaga/gabbe/blob/HEAD/plugins/gabbe-data ↗Réussi
- SKILL.md respecte le format Agent SkillsValid name and description; says when to use it; 81 linesgithub.com/andreibesleaga/gabbe/blob/HEAD/plugins/gabbe-data ↗Réussi
SKILL.md
Voir sur GitHubsql-optimization Skill
Goal
This skill focuses on ensuring database interactions are performant and scalable.
Steps
1. The Golden Rule: Indexing
- Primary Keys: Always indexed by default (B-Tree).
- Foreign Keys: MUST be indexed manually in most DBs (Postgres/MySQL) to avoid full table scans on joins.
- Where Clauses: Columns used in
WHERE,ORDER BY,GROUP BYneed indexes. - Composite Indexes: Order matters!
(last_name, first_name)supports lookup bylast_nameORlast_name + first_name, but NOT byfirst_namealone.
2. Analyzing Queries (EXPLAIN ANALYZE)
Always run EXPLAIN ANALYZE on suspect queries.
| Output Term | Meaning | Action |
|---|---|---|
| Seq Scan / Full Table Scan | Reading every row. | Bad (unless table is tiny). Add an index. |
| Index Scan | Reading index + looking up heap. | Good. |
| Index Only Scan | Reading only index. | Best. (Covering Index). |
| Nested Loop | Looping for joins. | Fine for small datasets. Bad for large. |
| Hash Join | Building hash table for join. | Good for large datasets. |
3. Implementation Patterns
1. Select Only What You Need
- Bad:
SELECT * FROM users - Good:
SELECT id, name FROM users - Reason: Reduces IO, network payload, and memory usage.
2. Solve the N+1 Problem
- Problem: Fetching 100 posts, then running 100 queries to get authors.
- Fix: Use
JOINor eager loading (ORM specific:include,with). - Detection: Use logs or APM query counts.
3. Pagination
- Offset/Limit:
OFFSET 1000000is slow (DB scans 1M rows then discards). - Cursor/Keyset:
WHERE id > last_seen_id LIMIT 10. O(1) performance.
4. Transactions
- Keep them short.
- Don't make external API calls inside a DB transaction (holds locks).
4. Schema Optimization
- Normalization (3NF): Reduces redundancy, ensures integrity. Good for write-heavy.
- Denormalization: Adds redundancy for read speed (e.g., storing
author_nameonpoststable). - Data Types: Use the smallest needed type.
VARCHAR(255)vsTEXT(Postgres treats similar, MySQL differs).INTvsBIGINT.JSONB(Postgres) for unstructured data, but don't overuse it.
5. Maintenance
- Run
VACUUM ANALYZE(Postgres) regularly to update planner statistics. - Monitor index usage. Remove unused indexes (they slow down writes).
Security & Guardrails
1. Skill Security (SQL Optimization)
- Query Parameterization: Optimized queries must always use parameterized statements or prepared statements to prevent SQL Injection (SQLi). Never concatenate strings for query building.
- Safe EXPLAIN Execution: Be cautious when running
EXPLAIN ANALYZE, as it actually executes the query. On production, ensure it is only run onSELECTstatements, as running it onINSERT/UPDATE/DELETEwill modify data.
2. System Integration Security
- Resource Exhaustion Prevention: Limit the execution time of optimized queries (e.g.,
statement_timeoutin Postgres) to prevent Denial of Service (DoS) attacks via complex, CPU-intensive queries. - Data Exposure Restrictions: When optimizing
SELECTqueries or adding denormalized columns, ensure that access control rules (Row-Level Security) are maintained and sensitive columns are not inadvertently exposed.
3. LLM & Agent Guardrails
- SQLi Generation Defense: LLMs tasked with optimizing SQL must be strictly instructed and verified to output parameterized queries, rejecting user inputs that attempt to inject raw SQL commands.
- Execution Sandboxing: Agents must not execute optimized queries directly against production databases. Performance benchmarking must be done in a sanitized, ephemeral staging environment.
- Data Masking in Context: When feeding slow queries and
EXPLAINplans into an LLM for analysis, all literal values (e.g., specific user emails, IDs) must be masked or redacted to prevent PII leakage into the model's context.
Fichiers de cette skill
1Questions sur la skill sql-optimization
Comment installer la skill sql-optimization dans Claude Code ?
Exécutez npx degit andreibesleaga/GABBE/plugins/gabbe-data/skills/sql-optimization ~/.claude/skills/sql-optimization. Claude Code charge les skills depuis ~/.claude/skills (tous les projets) ou .claude/skills (un seul projet) et utilise une skill lorsque sa description correspond à la tâche.
Quels clients peuvent utiliser la skill sql-optimization ?
Tout client qui lit le format Agent Skills : Claude Code, Codex, Gemini CLI et claude.ai (envoi sous forme de ZIP). Les scripts de la skill ne s'exécutent que si le client autorise l'exécution de code.
Comment puis-je identifier les requêtes lentes à l'aide de EXPLAIN ANALYZE ?
Vous pouvez rechercher 'Seq Scan' ou 'Full Table Scan' dans le résultat, ce qui indique que la base de données lit chaque ligne et pourrait nécessiter un index.