İlişkisel Veritabanı Şeması ve SQL Sorgu Optimizasyonu: Uygulamalı Rehber
Enes Karakulak · Yayın: 15.11.2026 · Veritabanı tasarımı
SQL Sorgu Optimizasyonu Neden Raporlama Sürelerini Doğrudan Etkiler?
Bir raporun dakikalarca sürmesi çoğu zaman sunucunun yetersizliğinden değil, şema tasarımı ve SQL sorgu yapısındaki küçük kararlardan kaynaklanır. Ben de müşteri projelerinde raporlama sürelerini kısaltırken önce kodu değil, veritabanının nasıl kurgulandığını inceliyorum. Aynı veriyi döndüren iki sorgudan biri 200 ms'de, diğeri 40 saniyede bitebiliyor; fark genellikle indekslerde, gereksiz birleştirmelerde ya da yanlış veri tiplerinde saklı oluyor.
Bu yazıda ilişkisel veritabanı şeması ve SQL sorgu optimizasyonu için sahada uyguladığım yaklaşımı, MySQL ve PostgreSQL üzerinde karşılaştığım durumlar üzerinden paylaşıyorum. Anlattıklarım teorik bir liste değil; tekrar eden, ölçülebilir adımlar.
Önce Ölç: Optimizasyonun Başlangıç Noktası
Hiçbir sorguya dokunmadan önce mevcut durumu kayda alıyorum. Hangi sorgunun ne kadar sürdüğünü bilmeden yapılan değişiklikler, iyileştirme yerine yeni sorun üretebiliyor.
- Yavaş sorgu günlüğü (MySQL'de slow_query_log, PostgreSQL'de log_min_duration_statement) ile eşik üstündeki sorguları topluyorum.
- Her kritik sorgu için EXPLAIN ve EXPLAIN ANALYZE çıktısını alıyorum; tam tarama (full scan) yapan tabloları işaretliyorum.
- Gerçekçi veri hacmiyle test ediyorum. 10 bin satırlık tabloda hızlı görünen sorgu, 5 milyon satırda tamamen farklı davranır.
- Değişiklik öncesi ve sonrası süreleri not ediyorum; böylece hangi adımın gerçekten işe yaradığı görülüyor.
Şema Tasarımı: Sorgudan Önce Gelen Kararlar
Normalizasyon ve Bilinçli Denormalizasyon
Şema tasarımında önce normalizasyon kurallarına uyuyorum; tekrarlayan veriyi ayrı tablolara taşıyorum. Ancak raporlama tarafında her sorgunun beş tabloyu birleştirmesi gerekiyorsa, sık kullanılan özet alanları için bilinçli denormalizasyona gidiyorum. Bu kararı vermeden önce hangi raporların ne sıklıkla çalıştığına bakıyorum.
Doğru Veri Tipleri
PostgreSQL'de tarih alanını metin olarak tutmak, indeksin işe yaramamasına yol açıyor. MySQL'de utf8mb4 ile tanımlanmış ama yalnızca sayı tutan bir sütun, gereksiz yer kaplıyor ve karşılaştırmaları yavaşlatıyor. Veri tipi seçimi küçük görünen ama birikimli etkisi büyük bir karar.
İndeksleme Stratejisi
İndeksleme, en çok yanlış anlaşılan konu. Her sütuna indeks eklemek çözüm değil; yazma işlemlerini yavaşlatıyor ve disk alanı tüketiyor. Ben şu sırayı izliyorum:
- WHERE ve JOIN koşullarında kullanılan sütunları belirliyorum.
- Bileşik indekslerde sütun sırasını, sorgunun filtreleme sırasına göre kuruyorum.
- Kullanılmayan indeksleri tespit edip kaldırıyorum.
- Büyük tablolarda indeks oluştururken kilitlenmeyi önlemek için uygun yöntemi seçiyorum.
Sorgu Yapısını Sadeleştirme
Şema düzgün olsa bile sorgunun yazılış biçimi performansı belirliyor. Sık başvurduğum düzeltmeler şunlar:
- SELECT * yerine yalnızca gereken sütunları seçmek; özellikle geniş metin sütunları varsa fark belirginleşiyor.
- Fonksiyon içine alınmış sütunları (örneğin tarih alanında YEAR()) doğrudan aralık karşılaştırmasına çevirmek; bu, indeksin kullanılmasını sağlıyor.
- Alt sorgular yerine uygun yerlerde JOIN veya EXISTS kullanmak.
- Büyük veri kümelerinde sayfalama yöntemini gözden geçirmek; çok yüksek OFFSET değerleri maliyetli oluyor.
- N+1 sorgu desenini fark edip toplu sorgulara dönüştürmek.
Bir raporu hızlandırmanın en etkili yolu, çoğu zaman daha güçlü bir sunucu değil; aynı sonucu daha az işle üreten bir sorgudur.
MySQL ve PostgreSQL Arasındaki Pratik Farklar
İki sistemde de aynı mantığı uyguluyorum ama araçlar farklı. PostgreSQL'de EXPLAIN ANALYZE gerçek çalışma sürelerini ve satır tahminlerini gösteriyor; tahmin ile gerçek satır sayısı arasındaki büyük fark, istatistiklerin güncellenmesi gerektiğine işaret ediyor. MySQL'de ise EXPLAIN çıktısındaki erişim tipi ve kullanılan indeks bilgisi yol gösterici oluyor. Her iki sistemde de istatistiklerin güncel tutulması sorgu planlayıcısının doğru karar vermesi için şart.
Bakım tarafında düzenli VACUUM (PostgreSQL) ve tablo istatistiklerinin yenilenmesi, uzun vadede performansın düşmemesini sağlıyor. Bunları tek seferlik bir iş olarak değil, süreklilik gerektiren bir bakım adımı olarak görüyorum.
Optimizasyonu Kalıcı Hale Getirmek
Tek seferlik düzeltmeler bir süre sonra eskiyor; çünkü veri büyüyor ve yeni sorgular ekleniyor. Bu yüzden her projede şu alışkanlıkları yerleştiriyorum: yeni eklenen sorguları kod incelemesinde performans açısından da değerlendirmek, kritik raporların sürelerini izlemek ve şema değişikliklerini küçük adımlarla, ölçerek yapmak. Bir e-ticaret ya da kurumsal panel projesinde bu yaklaşım, raporlama sürelerini kullanıcıların fark edeceği ölçüde kısaltıyor ve sunucu maliyetlerini gereksiz yere artırmıyor.
Elinizde yavaş çalışan raporlar ya da büyüdükçe ağırlaşan sorgular varsa, işe mevcut durumu ölçerek başlamak en sağlam adım. Optimizasyonun sırası bellidir: ölç, şemayı düzelt, indeksleri yerleştir, sorguyu sadeleştir ve sonucu tekrar ölç.
sql sorgu optimizasyonu ilişkisel veritabanı şeması veritabanı tasarımı sql performans indeksleme mysql postgresql sorgu optimizasyonu veritabanı yönetimi raporlama performansı
Bu yazı uzmanın kendi görüş ve deneyimidir.