ข้ามไปยังเนื้อหาหลัก (Skip to content)

PostgreSQL Performance Tuning ที่ใช้จริงปี 2026

เผยแพร่
• อ่านประมาณ 4 นาที
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 Scan บนตารางใหญ่ = ปกติแล้วไม่ดี
  • Nested Loop + rows เยอะ = อันตราย
  • Buffers: 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

  1. **SELECT *** → ดึงข้อมูลเกิน
  2. N+1 query → ใช้ JOIN หรือ batch
  3. UUID เป็น Primary Key ไม่ใช้ UUIDv7 → fragmentation
  4. ไม่มี index บน FK → JOIN ช้า
  5. 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 🚀

About the Author

Warongkon Fukthongyoo
Software Developer

Warongkon is a Software Developer with 4 years of experience building high-performance, scalable solutions and RESTful APIs.

He specializes in C#, TypeScript, Angular, and .NET, following Clean Code and SOLID principles to drive impactful software solutions.

บทความที่เกี่ยวข้อง (Related Posts)