PostgreSQL Performance Tuning ที่ใช้จริงปี 2026
สารบัญบทความ (Table of Contents)
สวัสดีครับ! PostgreSQL เป็นฐานข้อมูลยอดนิยมที่สุดในปี 2026 (จากผลสำรวจ Stack Overflow) แต่คนที่ใช้มันเต็มประสิทธิภาพจริงๆ มีไม่มาก วันนี้ผมจะแชร์เทคนิค tuning ที่ใช้ได้ทุกระบบครับ
🔍 ขั้นที่ 1: วัดก่อน Tune
อย่า tune แบบมั่วๆ! ใช้เครื่องมือดังนี้ก่อน:
-- เปิด extension
CREATE EXTENSION pg_stat_statements;
-- หา query ที่ช้าสุด 10 อันดับ
SELECT query, mean_exec_time, calls
FROM pg_stat_statements
ORDER BY mean_exec_time DESC
LIMIT 10;
เครื่องมือเพิ่ม: pgBadger (log analyzer), pg_stat_kcache, auto_explain
📚 ขั้นที่ 2: Index ที่ถูกต้อง
B-tree (default)
ใช้กับ equality และ range query ส่วนใหญ่
GIN
สำหรับ JSONB, full-text search, array
CREATE INDEX ON orders USING GIN (metadata jsonb_path_ops);
BRIN
สำหรับตารางใหญ่ที่ข้อมูลเรียงตามเวลา (time-series) — index เล็กกว่า B-tree 100 เท่า
Partial Index
CREATE INDEX ON orders(user_id) WHERE status = 'pending';
ประหยัดพื้นที่ ถ้า query มี filter เดิมเสมอ
🧠 ขั้นที่ 3: อ่าน EXPLAIN ให้เป็น
EXPLAIN (ANALYZE, BUFFERS, FORMAT TEXT)
SELECT * FROM orders WHERE ...;
จุดสังเกต:
Seq Scanบนตารางใหญ่ = ปกติแล้วไม่ดีNested Loop+ rows เยอะ = อันตรายBuffers: shared read=XXX= อ่านจากดิสก์ (ไม่เข้า cache)
Tip: ใช้ explain.dalibo.com visualize
⚙️ ขั้นที่ 4: Config Tuning
ค่า default ของ PG ตั้งไว้สำหรับเครื่อง Raspberry Pi 😂 ต้องปรับ:
shared_buffers = 25% ของ RAM
effective_cache_size = 75% ของ RAM
work_mem = 16-64MB (ระวัง! multiply by connections)
maintenance_work_mem = 512MB-2GB
max_wal_size = 4GB
random_page_cost = 1.1 (สำหรับ SSD)
ใช้ pgtune ช่วย generate config เริ่มต้น
🗄️ ขั้นที่ 5: Vacuum + Bloat
PostgreSQL ใช้ MVCC — update/delete ไม่ได้ลบทันที ข้อมูลเก่าค้างเป็น bloat
-- ตรวจ bloat
SELECT schemaname, relname, n_dead_tup, n_live_tup
FROM pg_stat_user_tables
ORDER BY n_dead_tup DESC;
-- VACUUM (ปกติ autovacuum ทำเอง)
VACUUM ANALYZE orders;
ถ้า autovacuum ตามไม่ทัน → ปรับ autovacuum_vacuum_scale_factor = 0.05
🔀 ขั้นที่ 6: Connection Pooling
อย่าเชื่อมต่อ PG ตรงๆ จาก app! ใช้ PgBouncer หรือ Pgpool คั่น
1 connection PG = ~10MB RAM → 1000 connection = 10GB หายไปฟรี
💣 Common Mistakes
- **SELECT *** → ดึงข้อมูลเกิน
- N+1 query → ใช้ JOIN หรือ batch
- UUID เป็น Primary Key ไม่ใช้ UUIDv7 → fragmentation
- ไม่มี index บน FK → JOIN ช้า
- ORM lazy-load ไม่ดูว่ายิง query กี่ตัว
🎯 สรุป
Performance tuning คือ science ไม่ใช่ art — วัด, วิเคราะห์, แก้, วัดซ้ำ
เริ่มจาก pg_stat_statements หา query ช้า แล้วค่อยๆ แก้ทีละจุด รับรองว่า p99 latency ลดลงเป็นสิบเท่าครับ
เจอกันครับ 🚀
บทความที่เกี่ยวข้อง (Related Posts)
Redis Patterns 10 แบบที่ Senior Dev ต้องรู้ในปี 2026
รวม Redis Patterns ที่ใช้ในงาน Production จริง ตั้งแต่ Caching, Rate Limiting, Distributed Lock และอื่นๆ
Dapper vs EF Core: เมื่อไหร่ควรใช้ตัวไหนในโปรเจกต์ระดับ Enterprise
เปรียบเทียบข้อดีข้อเสียระหว่าง Dapper และ EF Core สำหรับการพัฒนาแอปพลิเคชันระดับองค์กรในปี 2026 พร้อมคำแนะนำในการเลือกใช้
Singapore กวาด 91% ของ venture funding ใน SEA: ข่าววันที่ 13 ตุลาคมที่สะท้อน AI capital concentration
สรุปข่าว Thailand / SEA Ecosystem วันที่ 13 ตุลาคม 2026 เมื่อข้อมูล Founders Forum Group และ Dealroom ชี้ว่า Singapore ดึง 91% ของ venture funding ใน Southeast Asia ช่วง 9 เดือนแรกของปี
NUSX เปิด Nova: สิงคโปร์ดัน AI ให้ช่วยแปลงสิทธิบัตรมหาวิทยาลัยเป็น deep tech venture
สรุปข่าว Thailand / SEA Ecosystem วันที่ 28 กันยายน 2026 เรื่อง NUS Enterprise รีแบรนด์เป็น NUSX พร้อมเปิด Nova และ outposts สำหรับ deep tech venture