Prompt miễn phí

Tối ưu truy vấn chậm trong lớp truy cập dữ liệu

Phân tích nguyên nhân truy vấn chậm, tối ưu cách lấy dữ liệu và giữ nguyên kết quả đầu ra theo ngưỡng hiệu năng đã đặt.

Onter AdminCập nhật 26/09/2026 Mới · Chưa có đánh giá 0 lượt copy

Prompt dùng để làm gì?

Phân tích nguyên nhân truy vấn chậm, tối ưu cách lấy dữ liệu và giữ nguyên kết quả đầu ra theo ngưỡng hiệu năng đã đặt.

Điền thông tin của bạn

Prompt

Hãy phân tích {{doan_code}} như một đoạn truy vấn hoặc lớp truy cập dữ liệu đang chậm, dựa trên {{so_lieu_do}} để xác định nguyên nhân chính như lặp thừa, tải dữ liệu quá mức, query không tận dụng chỉ mục, lọc sai vị trí hoặc gọi nhiều lần không cần thiết. Mục tiêu là đề xuất và viết lại phiên bản tối ưu đạt gần hoặc vượt {{muc_tieu_hieu_nang}} mà vẫn giữ đúng kết quả. Nếu có {{rang_buoc_ghi_nhan}}, hãy coi đó là điều kiện bắt buộc. Khi trả lời, cần chỉ rõ điểm nghẽn, cách tối ưu đã chọn, phần nào thay đổi về độ phức tạp hoặc số lần truy cập dữ liệu, và gợi ý cách đo lại để so sánh trước/sau. Không được làm sai logic nghiệp vụ; nếu có nhiều phương án, hãy ưu tiên phương án ít rủi ro, dễ kiểm chứng và ít phụ thuộc vào hạ tầng.

Xem đã lưu

Input mẫu

{
"doan_code": "Hàm loadOrders đang gọi database trong vòng lặp cho từng user rồi gom kết quả bằng map thủ công.",
"so_lieu_do": "Thời gian trung bình 2.4s cho 500 user, 501 truy vấn mỗi lần chạy.",
"muc_tieu_hieu_nang": "Dưới 400ms và không quá 5 truy vấn",
"rang_buoc_ghi_nhan": "Không đổi cấu trúc dữ liệu trả về của API"
}

Output mẫu

{
"phan_tich": "Nút thắt chính là N+1 query do truy vấn trong vòng lặp.",
"toi_uu": "Chuyển sang lấy hàng loạt bằng một truy vấn có IN/joins, sau đó nhóm dữ liệu trong bộ nhớ.",
"ket_qua_ky_vong": "Giảm còn 2 truy vấn chính và giữ nguyên cấu trúc response hiện tại."
}

Cách sử dụng

Đưa vào code thật cùng số liệu đo thật, rồi dán vào Codex. Sau khi nhận kết quả, áp dụng bản sửa, chạy lại benchmark hoặc test hiệu năng, và đối chiếu đầu ra để bảo đảm tối ưu nhưng không đổi kết quả nghiệp vụ.

Giải thích cấu trúc

Role: Vai trò là chuyên gia tối ưu code dữ liệu với trọng tâm là hiệu năng và tính đúng.
Context: Bối cảnh là lớp truy cập dữ liệu hoặc truy vấn đang vượt ngưỡng chấp nhận.
Task: Tìm nguyên nhân chậm, đề xuất cách viết lại và chỉ ra cách đo lại.
Constraints: Phải giữ đúng kết quả, tôn trọng ràng buộc ghi nhận và không phá hợp đồng đầu ra.
Output: Kết quả cần nêu phân tích nghẽn, bản tối ưu và kế hoạch xác minh bằng số liệu.

Mẹo sử dụng

So sánh số lần truy vấn trước và sau vì đây thường là tín hiệu rõ nhất của N+1.
Nếu dùng ORM, kiểm tra eager loading, prefetch hoặc select cụ thể các cột cần thiết.
Đừng tối ưu mù bằng cache nếu vấn đề gốc là truy vấn thừa.
Hãy giữ một bộ test đầu ra cố định để bắt sai khác dữ liệu sau tối ưu.

Nguồn và giấy phép

ONTER biên tập · original

Đánh giá prompt

Chọn số sao theo trải nghiệm của bạn. Bạn có thể sửa đánh giá sau một phút.

Prompt liên quan

CodexChatGPT

Phân tích module lớn và đề xuất tách trách nhiệm

Đề xuất cách chia nhỏ module quá tải thành các phần rõ trách nhiệm, kèm thứ tự triển khai an toàn và tiêu chí hoàn thành.

Onter Admin · 0 lượt copy

Chưa có đánh giáXem Prompt →

CodexCodex

Săn mã chết sau thay đổi kiến trúc lớn

Tìm import thừa, hàm không còn được gọi và nhánh vô dụng sau tái cấu trúc, kèm lý do nên xóa hoặc giữ.

Onter Admin · 0 lượt copy

Chưa có đánh giáXem Prompt →

CodexCodex

Giảm bộ nhớ cho pipeline xử lý file lớn

Phân tích pipeline đọc file lớn, tìm chỗ nạp dữ liệu thừa và đề xuất tối ưu stream, chia lô hoặc giảm giữ trạng thái.

Onter Admin · 0 lượt copy

Chưa có đánh giáXem Prompt →

CodexCodex

Kiểm tra phân quyền theo vai trò trong luồng quản trị

Rà soát logic phân quyền ở màn hình và endpoint quản trị, phát hiện quyền thiếu, sai hoặc không nhất quán.

Onter Admin · 0 lượt copy

Chưa có đánh giáXem Prompt →