305 lines
14 KiB
Markdown
305 lines
14 KiB
Markdown
---
|
||
allowed-tools: Bash(bq query:*), Bash(bq wait:*), Bash(tee:*), Write(/tmp/**), Edit(/tmp/**), Read(/tmp/**)
|
||
description: "BigQueryクエリのパフォーマンスを分析し、2倍以上の性能改善を目標とした最適化を提案します。"
|
||
---
|
||
|
||
## 前提条件
|
||
- **リージョン**: US（region-us）固定
|
||
- **プロジェクト**: デフォルトプロジェクト（`gcloud config get-value project`で設定済み）
|
||
- **権限**: INFORMATION_SCHEMAへのアクセス権限あり
|
||
- **スキャン量削減**: INFORMATION_SCHEMAは直近7日間のみ検索（creation_timeで絞り込み）
|
||
- クエリの`FROM`句にバッククオートの付与は禁止
|
||
- バッククオートを付与すると、Bash toolがコマンドと勘違いをする
|
||
- そのため、毎回ユーザーの許可が必要になってしまうため
|
||
|
||
## 分析対象
|
||
- 入力: $ARGUMENTS(SQLファイルパス `.sql`)
|
||
- SQLのファイルのみで最適化内容を判断するのではなく、実際にクエリを実行してジョブ情報を取得し、ボトルネック分析を行う
|
||
|
||
## 実行手順
|
||
|
||
### 1. クエリ実行とジョブIDの取得
|
||
|
||
**前提**: `$ARGUMENTS`は最適化対象のSQLクエリが記述された`.sql`ファイルのパスです
|
||
|
||
1. クエリを実行してジョブIDを取得
|
||
- `cat "$ARGUMENTS" | bq query --nosync --use_legacy_sql=false --use_cache=false --format=json | jq -r '.jobReference.jobId'`
|
||
- 取得したジョブIDを`JOB_ID`として以降の分析で使用
|
||
- `JOB_ID`をシェル変数として設定する必要はありません
|
||
|
||
2. ジョブの完了を待機
|
||
- `bq wait "<JOB_ID>"`でジョブが完了するまで待機
|
||
|
||
### 2. 全体ボトルネックの特定
|
||
|
||
#### 基本情報の収集
|
||
- 以下のクエリで元のクエリと基本メトリクス(スロット時間、スキャン量)を取得
|
||
|
||
```bash
|
||
bq query --use_legacy_sql=false --format=json --parameter="job_id:STRING:<JOB_ID>" "
|
||
SELECT query, total_slot_ms, total_bytes_processed
|
||
FROM region-us.INFORMATION_SCHEMA.JOBS_BY_PROJECT
|
||
WHERE job_id = @job_id AND creation_time >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 7 DAY)
|
||
" | tee /tmp/job_info.json | head -n 10
|
||
```
|
||
|
||
- 元クエリと基本メトリクスを保存
|
||
- `cat /tmp/job_info.json | jq -r '.[0].query' | tee /tmp/original_query.sql`
|
||
|
||
#### 最大のボトルネックステージを特定
|
||
**目的**: 全体のスロット時間の80%以上を占める真のボトルネックを見つける
|
||
|
||
```bash
|
||
bq query --use_legacy_sql=false --format=pretty --parameter="job_id:STRING:<JOB_ID>" "
|
||
SELECT
|
||
stage.name as stage_name,
|
||
CAST(stage.slot_ms AS INT64) as slot_ms,
|
||
ROUND(100.0 * stage.slot_ms / SUM(stage.slot_ms) OVER(), 1) as pct_of_total
|
||
FROM region-us.INFORMATION_SCHEMA.JOBS_BY_PROJECT,
|
||
UNNEST(job_stages) AS stage
|
||
WHERE job_id = @job_id
|
||
AND creation_time >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 7 DAY)
|
||
ORDER BY stage.slot_ms DESC
|
||
LIMIT 5
|
||
"
|
||
```
|
||
|
||
**この結果から上位1-3ステージ（合計80%以上）を特定し、以降はそれらのみを分析対象とする**
|
||
|
||
### 3. ボトルネック根本原因の分析
|
||
|
||
**前提**: セクション2で特定したボトルネックステージ（TOP1-3）のみを詳細分析する
|
||
|
||
#### 根本原因の診断
|
||
|
||
1. **ボトルネックステージの詳細メトリクスを取得**
|
||
- セクション2で特定したボトルネックステージ（TOP1-3）に対して以下のクエリを実行:
|
||
|
||
```bash
|
||
bq query --use_legacy_sql=false --format=pretty --parameter="job_id:STRING:<JOB_ID>" "
|
||
SELECT
|
||
stage.name,
|
||
CAST(stage.slot_ms AS INT64) as slot_ms,
|
||
ROUND(stage.wait_ratio_max * 100, 1) as wait_pct,
|
||
ROUND(stage.read_ratio_max * 100, 1) as read_pct,
|
||
ROUND(stage.compute_ratio_max * 100, 1) as compute_pct,
|
||
ROUND(stage.write_ratio_max * 100, 1) as write_pct,
|
||
ROUND(CAST(stage.shuffle_output_bytes AS INT64) / 1048576, 1) as shuffle_mb
|
||
FROM region-us.INFORMATION_SCHEMA.JOBS_BY_PROJECT,
|
||
UNNEST(job_stages) AS stage
|
||
WHERE job_id = @job_id
|
||
AND creation_time >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 7 DAY)
|
||
AND stage.name IN ('特定されたボトルネックステージ名1', '名前2', '名前3')
|
||
ORDER BY stage.slot_ms DESC
|
||
"
|
||
```
|
||
|
||
2. **ステージの処理内容を特定**
|
||
- 各ステージがどの種類の処理を行っているかを以下のクエリで確認:
|
||
|
||
```bash
|
||
bq query --use_legacy_sql=false --format=pretty --parameter="job_id:STRING:<JOB_ID>" "
|
||
SELECT
|
||
stage.name,
|
||
CASE
|
||
WHEN EXISTS(SELECT 1 FROM UNNEST(stage.steps) AS step WHERE step.kind = 'READ') THEN 'READ処理'
|
||
WHEN EXISTS(SELECT 1 FROM UNNEST(stage.steps) AS step WHERE step.kind = 'WRITE') THEN 'WRITE処理'
|
||
WHEN EXISTS(SELECT 1 FROM UNNEST(stage.steps) AS step WHERE step.kind = 'COMPUTE') THEN 'COMPUTE処理'
|
||
WHEN EXISTS(SELECT 1 FROM UNNEST(stage.steps) AS step WHERE step.kind = 'FILTER') THEN 'FILTER処理'
|
||
WHEN EXISTS(SELECT 1 FROM UNNEST(stage.steps) AS step WHERE step.kind = 'JOIN') THEN 'JOIN処理'
|
||
WHEN EXISTS(SELECT 1 FROM UNNEST(stage.steps) AS step WHERE step.kind = 'AGGREGATE') THEN 'AGGREGATE処理'
|
||
WHEN EXISTS(SELECT 1 FROM UNNEST(stage.steps) AS step WHERE step.kind = 'ANALYTIC') THEN 'ANALYTIC処理'
|
||
WHEN EXISTS(SELECT 1 FROM UNNEST(stage.steps) AS step WHERE step.kind = 'SORT') THEN 'SORT処理'
|
||
WHEN EXISTS(SELECT 1 FROM UNNEST(stage.steps) AS step WHERE step.kind = 'LIMIT') THEN 'LIMIT処理'
|
||
ELSE 'その他'
|
||
END as primary_operation
|
||
FROM region-us.INFORMATION_SCHEMA.JOBS_BY_PROJECT,
|
||
UNNEST(job_stages) AS stage
|
||
WHERE job_id = @job_id
|
||
AND creation_time >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 7 DAY)
|
||
ORDER BY stage.slot_ms DESC
|
||
LIMIT 5
|
||
"
|
||
```
|
||
|
||
#### 元クエリとの対応付けと分析結果記録
|
||
|
||
1. **元クエリを確認**
|
||
- `cat "$ARGUMENTS"`で元クエリの内容を表示
|
||
|
||
2. **ボトルネック分析結果ファイルの初期化**
|
||
- Writeツールを使って`/tmp/bottleneck_analysis.md`を以下の内容で作成:
|
||
|
||
```markdown
|
||
## 特定されたボトルネックステージ:
|
||
<!-- 例: - S02_Join+: 99000ms (全体の45%) -->
|
||
<!-- 例: - S03_Aggregate: 55000ms (全体の25%) -->
|
||
|
||
## 根本原因分析:
|
||
<!-- 例: - S02_Join+の支配的要素: Write (shuffle_mb: 151MB), wait_pct: 5%, compute_pct: 35% -->
|
||
<!-- 例: - S03_Aggregateの支配的要素: Compute (compute_pct: 80%), read_pct: 15% -->
|
||
|
||
## 対応するSQL箇所:
|
||
<!-- 例: - S02_Join+に対応: INNER JOIN users u ON c.user_id = u.id (行11-12) -->
|
||
<!-- 例: - S03_Aggregateに対応: GROUP BY category, date (行18) -->
|
||
```
|
||
|
||
3. **分析結果の記録**
|
||
- 上記bqクエリ結果を参照し、Editツールで各セクションに情報を追記
|
||
|
||
### 4. ボトルネック対応の最適化パターン選択
|
||
|
||
**特定されたボトルネック要因に基づいて、2倍改善を狙える最適化パターンを選択**
|
||
|
||
#### Input段階のボトルネック → データ読み込み最適化
|
||
- **パーティション絞り込み**: WHERE句での日付/地域等の限定
|
||
- **クラスタリング活用**: JOIN/GROUP BYキーでの事前ソート
|
||
- **列選択最適化**: SELECT *を避けて必要列のみ
|
||
|
||
#### Join段階のボトルネック → 結合処理最適化
|
||
- **JOIN前データ削減**: 事前フィルタリング/集約で行数削減
|
||
- **JOIN順序最適化**: 小テーブル→大テーブルの順序
|
||
- **EXISTS/IN変換**: 相関サブクエリから効率的な形式へ
|
||
|
||
#### Aggregate/Sort段階のボトルネック → 集約処理最適化
|
||
- **段階的集約**: 複数CTEでの事前集約
|
||
- **LIMIT早期適用**: TOP-N処理での不要計算回避
|
||
- **ウィンドウ関数最適化**: PARTITION BY句の最適化
|
||
|
||
**最適化パターンの選択と記録**:
|
||
|
||
1. **ボトルネック診断結果を参照**
|
||
- `/tmp/bottleneck_analysis.md`の内容を確認
|
||
|
||
2. **最適化パターンファイルの初期化**
|
||
- Writeツールを使って`/tmp/applied_optimizations.md`を以下の内容で作成:
|
||
|
||
```markdown
|
||
## 適用する最適化パターン
|
||
<!-- 例: 1. JOIN前データ削減: users テーブルの事前フィルタリング (期待効果: 60%削減) -->
|
||
<!-- 例: 2. JOIN順序最適化: 小テーブル first (期待効果: 25%削減) -->
|
||
```
|
||
|
||
3. **最適化パターンの記録**
|
||
- ボトルネック要因に対応するパターンを選択
|
||
- 各パターンの期待効果を計算し、2倍改善の見込みを確認
|
||
- Editツールで具体的な最適化内容を追記
|
||
|
||
### 5. 最適化クエリの実装
|
||
1. **元クエリを確認**
|
||
- `cat "$ARGUMENTS"`で元クエリの内容を確認
|
||
2. **最適化クエリの生成と保存**
|
||
- セクション4で選択した最適化パターンを適用
|
||
- Writeツールを使って`/tmp/optimized_query.sql`に最適化後のクエリを保存
|
||
- 最適化例:
|
||
|
||
```sql
|
||
-- 例: JOIN前データ削減
|
||
WITH filtered_users AS (
|
||
SELECT * FROM users WHERE active = true
|
||
)
|
||
SELECT ...
|
||
FROM comments c
|
||
INNER JOIN filtered_users u ON c.user_id = u.id
|
||
```
|
||
|
||
3. **最適化内容の確認**
|
||
- `cat /tmp/optimized_query.sql`で保存した最適化クエリを表示
|
||
|
||
### 6. リファクタリング結果の同一性検証
|
||
- **重要**: 最適化は性能改善のみで、出力結果は完全に同一である必要がある
|
||
- **注意**: `BIT_XOR`と`FARM_FINGERPRINT`は行の順序に依存しないため、結果の同一性を検証できる
|
||
|
||
**BigQueryチェックサムによる検証手順**:
|
||
|
||
1. **元クエリの結果テーブル名を取得してチェックサムを計算**
|
||
- `JOB_ID`(セクション1で取得済み)から以下のコマンドを実行し、`DESTINATION_TABLE`として設定
|
||
- `bq query --use_legacy_sql=false --format=json --parameter="job_id:STRING:<JOB_ID>" "SELECT destination_table FROM region-us.INFORMATION_SCHEMA.JOBS_BY_PROJECT WHERE job_id = @job_id AND creation_time >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 7 DAY)" | jq -r '.[0].destination_table | [.project_id, .dataset_id, .table_id] | join(".")'`
|
||
- `DESTINATION_TABLE`に対して、チェックサムを計算
|
||
- `bq query --use_legacy_sql=false --format=json "SELECT BIT_XOR(FARM_FINGERPRINT(TO_JSON_STRING(t))) as checksum FROM <DESTINATION_TABLE> AS t" | jq -r '.[0].checksum'`
|
||
- チェックサム値（整数文字列）を記録
|
||
|
||
2. **最適化クエリの結果テーブル名を取得してチェックサムを計算**
|
||
- `NEW_JOB_ID`(セクション6で取得)から以下のコマンドを実行し、`DESTINATION_TABLE`として設定
|
||
- `bq query --use_legacy_sql=false --format=json --parameter="job_id:STRING:<NEW_JOB_ID>" "SELECT destination_table FROM region-us.INFORMATION_SCHEMA.JOBS_BY_PROJECT WHERE job_id = @job_id AND creation_time >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 7 DAY)" | jq -r '.[0].destination_table | [.project_id, .dataset_id, .table_id] | join(".")'`
|
||
- `DESTINATION_TABLE`に対して、チェックサムを計算
|
||
- `bq query --use_legacy_sql=false --format=json "SELECT BIT_XOR(FARM_FINGERPRINT(TO_JSON_STRING(t))) as checksum FROM <DESTINATION_TABLE> AS t" | jq -r '.[0].checksum'`
|
||
- チェックサム値（整数文字列）を記録
|
||
|
||
3. **チェックサム値を比較**
|
||
- 2つのチェックサム値が完全に一致することを確認
|
||
- 不一致の場合は最適化を中止し、原因を調査
|
||
|
||
### 7. 性能改善効果の測定
|
||
- 最適化後のクエリを実行し、同様にジョブIDを取得してメトリクスを収集
|
||
- `cat /tmp/optimized_query.sql | bq query --nosync --use_legacy_sql=false --use_cache=false --format=json | jq -r '.jobReference.jobId'`
|
||
- 取得したジョブIDを`NEW_JOB_ID`として以降の分析で使用
|
||
- `NEW_JOB_ID`をシェル変数として設定する必要はありません
|
||
- `bq wait "<NEW_JOB_ID>"`でジョブが完了するまで待機
|
||
- 元のスロット時間を取得（セクション2で保存したjsonから）
|
||
- !`cat /tmp/job_info.json | jq -r '.[0].total_slot_ms'`
|
||
- 以下のコマンドで、最適化後のスロット時間を取得
|
||
|
||
```bash
|
||
bq query --use_legacy_sql=false --format=json --parameter="job_id:STRING:<NEW_JOB_ID>" "
|
||
SELECT total_slot_ms
|
||
FROM region-us.INFORMATION_SCHEMA.JOBS_BY_PROJECT
|
||
WHERE job_id = @job_id AND creation_time >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 7 DAY)
|
||
" | jq -r '.[0].total_slot_ms'
|
||
```
|
||
|
||
#### 改善率の計算と判定:
|
||
- 元のスロット時間と最適化後のスロット時間を比較し、改善率を計算
|
||
- `bc`コマンドなどは使用せず、Agent自身が計算を行う
|
||
- 2倍以上の改善が達成されたかを判定
|
||
- 改善率が2倍以上であれば成功とし、最適化プロセスを終了
|
||
- 達成されていない場合は、セクション3で特定したボトルネックに戻り、セクション4-6を繰り返す
|
||
|
||
### 8. 最終レポート生成
|
||
|
||
**目的**: 2倍改善達成の根拠と再現可能な手順を記録
|
||
|
||
1. **必要な情報を収集**
|
||
- 元のスロット時間: `cat /tmp/job_info.json | jq -r '.[0].total_slot_ms'`で取得
|
||
- 最適化後のスロット時間: セクション7で取得済み
|
||
- 改善率: Agent自身が計算
|
||
- 目標達成状況: 改善率が2.0倍以上かを判定
|
||
|
||
2. **最終レポートの生成**
|
||
- Writeツールを使って`/tmp/optimization_report.md`を以下の構造で作成:
|
||
|
||
```markdown
|
||
# BigQuery最適化レポート
|
||
|
||
## 実行サマリー
|
||
- **元クエリファイル**: <$ARGUMENTSの値>
|
||
- **元ジョブID**: <JOB_ID>
|
||
- **元スロット時間**: <ORIGINAL_SLOT_MS>ms
|
||
- **最終改善率**: <IMPROVEMENT_RATIO>x
|
||
- **目標達成**: <達成状況（✅ 達成 or ❌ 未達成）>
|
||
|
||
## 特定されたボトルネック
|
||
<bottleneck_analysis.mdの内容をReadツールで読み込んで転記>
|
||
|
||
## 適用した最適化手法
|
||
<applied_optimizations.mdの内容をReadツールで読み込んで転記>
|
||
|
||
## 最適化後のクエリ
|
||
|
||
\`\`\`sql
|
||
<optimized_query.sqlの内容をReadツールで読み込んで転記>
|
||
\`\`\`
|
||
|
||
## 検証結果
|
||
- **結果一致**: ✅ チェックサム一致で完全同一
|
||
- **性能改善**: <ORIGINAL_SLOT_MS>ms → <NEW_SLOT_MS>ms
|
||
```
|
||
|
||
3. **レポートの確認**
|
||
- `cat /tmp/optimization_report.md`でレポート内容を表示
|
||
|
||
**完了条件**:
|
||
- 2倍以上の改善達成 OR 5回の反復完了
|
||
- 結果の同一性確認済み
|
||
- 再現可能な最適化手順の記録
|