# PostgreSQL 10 veces más rápido

Multipliqué por 10 el rendimiento de PostgreSQL mediante índices, particionamiento y optimización de consultas, mejorando la eficiencia de la base de datos para datos de usuarios, organizaciones cliente, información geoespacial y series temporales eléctricas.

2022 – 2024

**Situación.** La base PostgreSQL daba servicio a una aplicación mediana que gestionaba cuentas de usuarios, organizaciones cliente, información geográfica — ubicaciones y regiones — y métricas diarias de consumo eléctrico. El sistema funcionaba con poco tráfico, pero surgieron problemas al crecer los datos. Las consultas geoespaciales y de registros eléctricos temporales se volvieron lentas y los tiempos de respuesta, irregulares. La ausencia de índices optimizados, las consultas fragmentadas y las tablas sin particionar agravaban el problema y creaban cuellos de botella en operaciones críticas como autenticación, gestión de organizaciones e informes.

**Tarea.** El objetivo era multiplicar por 10 el rendimiento de la base de datos sin rehacer la arquitectura. El trabajo se centraba en optimizar consultas, reducir latencia y permitir el crecimiento futuro. Las prioridades incluían acelerar consultas geoespaciales y temporales, reducir la contención de recursos y preservar la integridad al aplicar cambios.

**Acción.** 1. **Indexación:** se analizaron columnas consultadas con frecuencia — identificadores de usuarios y organizaciones, coordenadas geoespaciales — y se crearon índices específicos. Se añadieron índices GiST para las consultas espaciales e índices compuestos para filtros de varias columnas, como identificador de organización e intervalos de fechas de datos eléctricos.
2. **Particionamiento:** se aplicó particionamiento por rangos temporales a la tabla eléctrica, dividiéndola por día o mes. Así se reducía el conjunto que debía consultar cada operación y mejoraba la eficiencia del recorrido. Se utilizó particionamiento hash para distribuir uniformemente entre nodos la carga de los datos geográficos.
3. **Optimización de consultas:** se reescribieron consultas complejas para evitar recorridos completos de tablas, con CTE — expresiones de tabla comunes — y vistas materializadas para datos consultados con frecuencia. `EXPLAIN ANALYZE` identificó uniones y subconsultas ineficientes, que se reestructuraron para mejorar los planes de ejecución. También se configuraron caché de consultas y agrupación de conexiones para reducir la sobrecarga.

**Resultado.** Los tiempos de respuesta mejoraron por un factor de 10 y las operaciones críticas, como la autenticación y las búsquedas geoespaciales, pasaron a ejecutarse en milisegundos. El uso de recursos disminuyó un 40 %, permitiendo manejar más datos sin degradar el rendimiento. Los usuarios percibieron interacciones más fluidas y el sistema quedó mejor preparado para crecer. Los cambios también redujeron la necesidad de ampliar hardware, ahorrando costes y manteniendo la fiabilidad a largo plazo. El proyecto mostró cómo una estrategia de índices, particionamiento y consultas puede transformar incluso sistemas de poca carga en bases de datos eficientes y preparadas para el futuro.

---

- Función: Ingeniera de bases de datos
- Categorías: [Bases de datos](https://engineer.company/es/categories/databases/), [PostgreSQL](https://engineer.company/es/categories/postgresql/), [SQL](https://engineer.company/es/categories/sql/), [Ingeniería de datos](https://engineer.company/es/categories/data-engineering/), [Optimización del rendimiento](https://engineer.company/es/categories/performance/), [GIS / Información geoespacial](https://engineer.company/es/categories/gis/)
- Servicios: [Administración de bases de datos (DBA)](https://engineer.company/es/services/database-administration/), [Optimización del rendimiento de bases de datos](https://engineer.company/es/services/database-performance/)

<https://engineer.company/es/portfolio/accelerated-postgresql-performance-by-10x/>
