> ## Documentation Index > Fetch the complete documentation index at: https://docs.cloudthinker.io/llms.txt > Use this file to discover all available pages before exploring further. # Tony > Tony와 함께 SQL 및 NoSQL 플랫폼 전반에 걸쳐 데이터베이스 쿼리를 최적화하고, 성능을 튜닝하며, 데이터를 분석하세요. Tony는 CloudThinker의 데이터베이스 전문가로, SQL 및 NoSQL 플랫폼 전반에 걸쳐 쿼리 최적화, 성능 튜닝, 백업 전략, 그리고 데이터 분석을 전문으로 합니다. *** ## Tony가 해결하는 문제 데이터베이스 성능은 눈에 띄지 않게 저하됩니다. 성장하는 테이블에 인덱스가 누락된 사실은 P95 지연 시간이 급증하고 엔지니어들이 새벽 2시에 잠에서 깨어날 때까지 보이지 않습니다. 커넥션 풀 고갈은 누군가 데이터베이스를 확인하기 전까지 애플리케이션 버그처럼 보입니다. 느린 쿼리는 하루에 수백 번 실행되면서 데이터베이스 CPU의 80%를 소비하고 있지만, 쿼리 분석을 인프라 비용과 연결하는 시스템이 없어 아무도 모릅니다. 이러한 문제를 진단하고 수정하려면 일반적으로 다음이 필요합니다: * `pg_stat_statements` 쿼리 또는 MySQL 슬로우 쿼리 로그 활성화 * 실행 계획(EXPLAIN ANALYZE 출력) 읽기 및 해석 * 현재 인덱스와 쿼리 패턴 상호 참조 * PostgreSQL/MySQL 구성 파라미터와 트레이드오프 이해 이는 깊은 전문성이 요구되는 작업입니다. 대부분의 팀에는 전담 DBA가 없어 데이터베이스 성능 문제가 방치되거나 고비용 컨설턴트가 필요합니다. *** ## 다른 도구들의 한계 | 도구 | 기능 | 부족한 점 | | ---------------------------- | ------------------------- | -------------------------------------- | | **AWS Performance Insights** | 데이터베이스 부하 및 쿼리 대기 시간 시각화 | AWS RDS 전용, 해석에 SQL 전문성 필요, 권장사항 없음 | | **pganalyze** | PostgreSQL 쿼리 분석 및 인덱스 권장 | PostgreSQL 전용, 대화형 인터페이스 없음, DBA 해석 필요 | | **Percona Monitoring (PMM)** | 오픈소스 데이터베이스 모니터링 | 복잡한 설정, 기술적 대시보드, AI 분석 없음 | | **Datadog APM** | 애플리케이션 + 데이터베이스 추적 상관관계 | 모니터링 전용, 수정 권장사항 없음, 대규모 사용 시 고비용 | | **New Relic / AppDynamics** | 데이터베이스를 포함한 풀스택 가시성 | 가시성 도구로, 전문가 해석이 여전히 필요 | Tony는 모니터링을 넘어섭니다. 실행 계획을 읽고, 스키마 맥락을 이해하며, 생성할 인덱스, 재작성할 쿼리, 변경할 구성을 평이한 언어로 정확하게 알려줍니다. *** ## Tony의 작동 방식 1. **데이터베이스에 읽기 접근으로 연결** — `pg_stat_statements`, MySQL Performance Schema, RDS Performance Insights, Aurora, MongoDB 프로파일러 2. **느린 쿼리 식별** — 실행 시간, 호출 빈도, 리소스 소비를 분석하여 가장 영향이 큰 대상을 자동으로 찾습니다 3. **실행 계획 읽기** — EXPLAIN ANALYZE 출력을 해석하여 테이블 스캔, 인덱스 누락, 조인 비효율성을 파악합니다 4. **정밀한 권장사항 제공** — 실제 P95 사용률을 기반으로 한 구체적인 `CREATE INDEX` 구문, 쿼리 재작성, 구성 변경 사항과 전후 영향 추정치를 생성합니다 5. **트레이드오프 이해** — 새 인덱스의 쓰기 오버헤드, 구성 변경의 메모리 영향, 스키마 변경의 다운타임 요구사항을 고려합니다 *** ## 주요 기능 | 영역 | 기능 | | ---------- | ----------------------------- | | **쿼리 최적화** | SQL 분석, 실행 계획, 인덱스 권장, 쿼리 재작성 | | **성능 튜닝** | 커넥션 풀링, 구성 최적화, 병목 지점 식별 | | **데이터 분석** | 사용 패턴, 트렌드 분석, 용량 계획, 메트릭 시각화 | | **운영** | 백업/복구, 복제, 유지보수, 재해 복구 계획 | *** ## 지원 플랫폼 | 분류 | 플랫폼 | | ------------ | ---------------------------------------------- | | **관계형** | PostgreSQL, MySQL, MariaDB, SQL Server, Oracle | | **클라우드 관리형** | AWS RDS, Aurora, Azure SQL, Cloud SQL | | **NoSQL** | MongoDB, Redis, DynamoDB, DocumentDB | | **분석** | Redshift, BigQuery, Snowflake | *** ## 프롬프트 패턴 ### 쿼리 분석 ```text theme={null} # 슬로우 쿼리 조사 @tony analyze slow queries on production PostgreSQL # 특정 성능 목표 @tony identify queries with execution time >2 seconds on orders database # 실행 계획 분석 @tony analyze execution plans for the 20 slowest queries # 쿼리 패턴 @tony find queries that could benefit from caching ``` ### 성능 최적화 ```text theme={null} # 인덱스 권장 @tony analyze missing indexes that would improve performance by >10% # 커넥션 최적화 @tony review connection pooling configuration for high-load scenarios # 구성 튜닝 @tony optimize MySQL 8.0 configuration for high-throughput OLTP with 10k connections # 리소스 분석 @tony identify queries consuming >5% of total database CPU ``` ### 데이터베이스 상태 확인 ```text theme={null} # 상태 점검 @tony check database health and performance metrics # 복제 상태 @tony assess replication lag and recommend optimization # 스토리지 분석 @tony analyze database growth patterns and recommend archiving strategy # 커넥션 분석 @tony analyze connection usage patterns and identify connection leaks ``` ### 백업 및 복구 ```text theme={null} # 백업 검증 @tony verify backup status and recovery procedures for production databases # DR 계획 @tony create disaster recovery plan with RTO/RPO analysis # 복구 테스트 @tony recommend backup testing strategy for production databases ``` *** ## 도구 사용 | 도구 | Tony 활용 사례 | | ------------ | -------------------------------------- | | `#dashboard` | 쿼리 지연 시간(P50/P95/P99), 커넥션, I/O, 복제 지연 | | `#report` | 성능 분석, 최적화 권장사항, 용량 계획 | | `#recommend` | 인덱스 변경, 구성 업데이트, 쿼리 재작성 | | `#alert` | 느린 쿼리, 커넥션 풀 고갈, 복제 지연 | | `#chart` | 쿼리 트렌드, 리소스 사용률, 성장 패턴 | ### 도구 활용 예시 ```text theme={null} @tony #dashboard database performance metrics for production cluster @tony #report query performance analysis with optimization plan @tony #recommend index optimizations prioritized by impact @tony #alert when P95 query latency exceeds 500ms ``` *** ## 효과적인 프롬프트 작성 **팁: 메트릭을 포함하세요** ```text theme={null} # 좋은 예 @tony analyze queries with execution time >2 seconds running >100 times daily # 피해야 할 예 @tony make database faster ``` **팁: 플랫폼을 명시하세요** ```text theme={null} # 좋은 예 @tony optimize MySQL 8.0 for read-heavy workloads with 10k concurrent connections # 피해야 할 예 @tony check the database ``` *** ## 연결 요구사항 Tony는 성능 메트릭 접근 권한이 있는 데이터베이스 연결이 필요합니다: | 플랫폼 | 필요한 접근 권한 | | -------------- | ----------------------------------------- | | **PostgreSQL** | `pg_stat_statements`, 쿼리 로그, 성능 스키마 | | **MySQL** | Performance Schema, 슬로우 쿼리 로그, 상태 변수 | | **RDS/Aurora** | Enhanced Monitoring, Performance Insights | | **MongoDB** | 프로파일러, `serverStatus`, 작업 로그 | *** ## 일반적인 워크플로우 ### 성능 위기 대응 ```text theme={null} # 1단계: 식별 @tony identify top 10 slowest queries in last hour # 2단계: 분석 @tony analyze execution plans for problematic queries # 3단계: 최적화 @tony #recommend index changes and query rewrites # 4단계: 모니터링 @tony #dashboard real-time query performance ``` ### 사전 최적화 ```text theme={null} # 1단계: 기준선 설정 @tony #dashboard current performance metrics # 2단계: 분석 @tony identify optimization opportunities across all databases # 3단계: 우선순위 지정 @tony #recommend optimizations ranked by impact and effort # 4단계: 자동화 @tony #schedule weekly performance review ``` ### 용량 계획 ```text theme={null} # 1단계: 성장 분석 @tony analyze database growth patterns over last 6 months # 2단계: 예측 @tony predict storage and compute needs for next year # 3단계: 계획 @tony #recommend scaling strategy with cost analysis ``` *** ## 다음 단계 Tony를 PostgreSQL 데이터베이스에 연결 Tony를 MySQL 데이터베이스에 연결 Tony가 데이터베이스 관련 인시던트를 자동으로 조사하는 방식 인프라 + 데이터베이스 비용 최적화를 위해 Tony와 [Alex](/ko/guide/agents/alex)를 조율