본문으로 건너뛰기

AI SQL 튜닝 가이드 활용하기

SQL 상세 화면에는 쿼리의 실행 통계와 계획이 이미 노출되지만, 화면을 처음 접하는 사용자나 DBA가 아닌 운영자에게는 "어디가 문제인지" 판단이 어렵습니다. WhaTap의 AI SQL 튜닝 가이드는 현재 쿼리 상태를 자동으로 분석해 구체적인 성능 개선 방향을 제시합니다. DBA가 아니어도 비효율 쿼리의 원인과 대응책을 빠르게 얻을 수 있습니다.

사전 준비​

  • 프로젝트 멤버 이상 권한
  • 분석할 쿼리가 수집되어 있음 (실시간 감시·탑 SQL·쿼리 목록에서 확인 가능)

이용 방법​

경로: SQL 상세 화면 > 우측 하단 튜닝 가이드 아이콘

  1. 실시간 감시·탑 SQL·쿼리 목록에서 분석할 쿼리를 선택하세요.
  2. SQL 상세 화면으로 진입하세요. (왼쪽: SQL 내용 / 오른쪽: 실행 통계·지표)
  3. 우측 하단의 튜닝 가이드 아이콘을 클릭하세요.
  4. AI가 쿼리와 실행 계획을 분석해 5개 영역으로 결과를 제시합니다.
  5. 주요 이슈 및 최적화 권장 항목부터 확인한 뒤, 예상 단축 비율로 우선순위를 판단하세요.

분석 결과 구조​

AI가 쿼리와 실행 계획을 분석해 다음 5개 영역으로 결과를 제시합니다.

표 | AI 분석 결과 구조
영역내용
쿼리 및 플랜 요약쿼리 목적·실행 횟수·누적 실행 시간·DB 전체 부하 비중
실행 계획 비효율 구간테이블 전체 스캔, 비효율 조건 처리, 인덱스 미사용 등 자동 탐지
성능 분석성능 점수 + CPU·디스크·캐시·대기 시간 등 리소스 사용량 기반 병목 시각화
주요 이슈 및 최적화 권장조건문 개선, 인덱스 추가, 실행 계획 점검 같은 구체적 튜닝 방향
참고 사항개선안 적용 시 예상 실행 시간과 단축 비율

예상 실행 시간·단축 비율까지 함께 제시해, 튜닝 효과를 적용 전에 가늠할 수 있습니다.

활용 시점​

DB 병목 원인 파악 (가장 유용)​

DB 실시간 감시 시나리오에서 식별한 상위 부하 쿼리를 바로 분석할 수 있습니다.

  1. 실시간 감시·탑 SQL에서 의심 쿼리를 선택하세요.
  2. SQL 상세 화면으로 진입하세요.
  3. 우측 하단 튜닝 가이드 아이콘을 클릭하세요.
  4. AI가 제시한 실행 계획 비효율 구간과 권장 사항을 확인하세요.
  5. 개선안의 예상 단축 비율을 확인해 튜닝 우선순위를 결정하세요.

릴리즈 검증 시​

배포 후 DB 부하가 튄 시점의 쿼리에 AI 분석을 적용하면, 회귀 원인이 새로 추가된 쿼리 자체의 문제인지 실행 계획 변화인지 빠르게 구분할 수 있습니다. 릴리즈 검증 시나리오의 ② 급성 회귀 감지 단계에서 활용하세요.

주기적 DB 성능 리뷰​

분기마다 상위 N개 쿼리에 AI 튜닝 가이드를 실행해 Medium/Low 수준 개선 기회를 백로그로 확보하세요. 성능 리포팅 시나리오의 회고에서 녹여낼 수 있습니다.

AI 분석의 한계를 이해하고 쓰기​

AI 출력은 1차 가설이지 최종 결론이 아닙니다. 이렇게 쓰세요:

  • AI가 제안한 인덱스·조건문 개선 → 스테이징에서 적용·검증 후 운영 반영
  • 예상 실행 시간·단축 비율은 통계 기반 추정이므로 실제 환경에서 차이가 날 수 있음
  • 비즈니스 맥락(데이터 분포 변화, 트래픽 이벤트)은 AI가 모름 → DBA와 교차 확인 권장
  • 반복 분석 결과가 일관되지 않을 수 있음 (LLM 특성) — 실제 실행 시간·부하 지표로 최종 검증

인접한 AI 분석 기능​

표 | 인접 AI 분석 기능
기능활용 시점
AI 액티브 스택 분석트랜잭션 트레이스에서 병목 구간 식별 — AI 액티브 스택 분석
AI 스레드 덤프 분석인스턴스의 스레드 블로킹·락 경합 해석 — AI 스레드 덤프 분석
AI SQL 튜닝 가이드 (이 가이드)비효율 쿼리 식별 + 실행 계획 기반 개선 제안
AI 브라우저 에러 스택 분석프론트 에러의 코드 레벨 원인 제시 — RUM 보완
와탭 AI 챗봇 / MCP자연어로 WhaTap 데이터 전반 질의 — MCP 연동

다음 단계​

최종 수정: