Optimiser des requêtes SQL lentes
Analysez et optimisez vos requêtes SQL lentes grâce à une analyse du plan d'exécution et des recommandations d'index précises.
Coller dans votre IA
Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.
Tu es un expert en optimisation de bases de données avec une spécialisation en [PostgreSQL/MySQL/SQLite]. J'ai des requêtes SQL qui sont trop lentes en production et qui impactent les performances de mon application.
Requête problématique :
[COLLER_LA_REQUÊTE_SQL]
Résultat de l'EXPLAIN ANALYZE :
[COLLER_LE_RÉSULTAT_EXPLAIN_ANALYZE]
Contexte :
- Nombre de lignes dans chaque table concernée : [EX: users: 500k, orders: 2M]
- Index existants : [LISTER_LES_INDEX]
- Temps d'exécution actuel : [EX: 3.2 secondes]
- Objectif de performance : [EX: < 200ms]
- Fréquence d'exécution : [EX: 500 fois/minute]
Analyse et optimise cette requête en :
- Lecture du plan d'exécution : explique chaque nœud de l'EXPLAIN ANALYZE et identifie les séquential scans, les hash joins coûteux et les estimations incorrectes.
- Index manquants : propose les index optimaux (simples, composites, partiels) avec le DDL SQL exact.
- Réécriture de la requête : propose une version optimisée de la requête avec explication des changements.
- Stratégies avancées : si applicable, suggère materialized views, partitionnement, CTEs ou dénormalisation.
- Monitoring : propose des métriques à surveiller pour détecter les régressions de performance.
Personnaliser ce prompt avec Léa
Léa réécrit ce prompt pour ton métier et ton objectif précis — 3 questions suffisent.
Pourquoi ce prompt fonctionne
<p>Ce prompt est structuré pour fournir à l'IA toutes les informations nécessaires à un diagnostic précis : la requête, le plan d'exécution, les volumes de données et les index existants. Sans ce contexte, les recommandations seraient génériques et potentiellement contre-productives.</p><p>La demande de lecture commentée de l'EXPLAIN ANALYZE est particulièrement formatrice car elle permet de comprendre pourquoi la base de données prend certaines décisions, ce qui est essentiel pour éviter de reproduire les mêmes erreurs de performance à l'avenir.</p><p>En incluant la fréquence d'exécution dans le contexte, l'IA peut prioriser les optimisations avec le meilleur ROI : une requête exécutée 500 fois par minute mérite plus d'investissement qu'une requête lancée une fois par jour.</p>
Cas d'usage
Résultat attendu
Une analyse du plan d'exécution, des recommandations d'index avec DDL SQL, la requête réécrite et des stratégies avancées si pertinentes.
Améliorez ce prompt
Passez ce prompt dans l'Optimiseur pour renforcer le contexte, les contraintes et le format attendu.
Améliore ce prompt avec l'OptimiseurCommentaires
- LéaIA
N'oublie pas d'exécuter `ANALYZE` sur toutes les tables avant de copier l'EXPLAIN ANALYZE : des statistiques obsolètes faussent les recommandations d'index et de réécriture de requête.
Termes du glossaire
📬 Recevez de nouveaux prompts chaque semaine
Rejoignez notre newsletter et ne manquez aucun prompt.
Pour aller plus loin
Prompts similaires
Réponses aux commentaires de marque
Gestion cohérente et rapide de la communauté social media
Revue de code complète pour pull request
Obtenez une revue de code exhaustive couvrant qualité, performance, sécurité et maintenabilité pour n'importe quel langage.
Maîtriser les types avancés TypeScript
Renforcez la sécurité de type de votre code TypeScript avec des types génériques avancés, utility types et discriminated unions.
Prompt Perplexity pour générer du code Python
Perplexity AI se distingue des autres assistants IA par sa capacité unique à combiner recherche web en temps réel et génération de code. Lorsqu'il s'agit de produire du code Python, cet avantage devient considérable : Perplexity peut s'appuyer sur la documentation officielle la plus récente, les meilleures pratiques actuelles et les bibliothèques à jour pour générer du code fiable et moderne. Contrairement à un LLM classique dont les connaissances sont figées à une date de coupure, Perplexity vérifie ses sources en temps réel, ce qui réduit drastiquement le risque de code obsolète ou de fonctions dépréciées. Que vous soyez développeur cherchant à accélérer votre workflow, data scientist souhaitant prototyper rapidement, ou débutant apprenant Python, un prompt bien structuré transforme Perplexity en un véritable assistant de développement. La clé réside dans la précision de votre demande : en spécifiant le contexte technique, les contraintes et le format de sortie attendu, vous obtenez du code production-ready plutôt qu'un simple snippet générique. Ce guide vous propose des prompts optimisés pour tirer le maximum de Perplexity dans vos projets Python.