Supabase Auth中refresh_tokens索引优化实践
2025-07-07 11:14:30作者:明树来
在Supabase Auth系统的性能优化过程中,我们发现了一个关于refresh_tokens表索引使用的关键问题。这个问题直接影响用户会话管理的效率,特别是在处理用户注销或令牌刷新时的性能表现。
问题背景
refresh_tokens表是Supabase Auth系统中存储用户刷新令牌的核心表。该表原本设计了一个复合索引,包含instance_id和user_id两个字段。然而在实际查询中,系统经常仅使用user_id字段进行删除操作,导致索引无法被高效利用。
技术分析
通过EXPLAIN ANALYZE命令对查询计划进行分析,我们发现两种不同查询方式的性能差异显著:
-
仅使用user_id条件查询:执行时间约35毫秒
- 数据库虽然使用了复合索引,但由于缺少instance_id条件,导致索引扫描效率低下
- 查询计划显示需要扫描大量行(13318.67行的估算成本)
-
同时使用instance_id和user_id条件查询:执行时间仅0.271毫秒
- 数据库能够充分利用复合索引进行高效查找
- 查询计划显示扫描行数大幅减少(17.68行的估算成本)
问题根源
问题的核心在于索引设计原则与实际查询模式不匹配。复合索引的最左前缀原则要求查询必须包含索引的最左侧字段才能充分利用索引。refresh_tokens表的索引以instance_id为首字段,但实际查询经常只使用user_id条件,导致:
- 索引无法被完全利用
- 数据库退化为低效的索引扫描
- 系统资源浪费
- 用户体验下降(响应时间延长)
解决方案
针对这一问题,Supabase团队实施了以下优化措施:
- 查询优化:修改相关SQL语句,确保在删除操作中包含instance_id条件
- 索引调整:考虑是否需要调整索引结构,将更常用的查询条件放在复合索引的前面
- 代码审查:检查所有涉及refresh_tokens表的操作,确保索引被正确使用
实际效果
优化后,相关查询的性能提升了约130倍(从35ms降至0.271ms)。这一改进显著提高了:
- 用户注销体验
- 令牌刷新效率
- 系统整体响应速度
- 数据库资源利用率
经验总结
这个案例为我们提供了几个重要的数据库优化经验:
- 索引设计必须匹配查询模式:复合索引的字段顺序应根据实际查询条件的使用频率和选择性进行设计
- 定期性能分析至关重要:通过EXPLAIN ANALYZE等工具持续监控查询性能
- 全栈视角优化:数据库优化不仅涉及DBA工作,也需要开发人员在编写SQL时考虑索引使用情况
- 真实数据测试:性能测试应使用接近生产环境的数据量和分布
Supabase Auth团队通过这一优化,显著提升了系统的稳定性和响应速度,为用户提供了更流畅的认证体验。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
875
576
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
334
161
暂无简介
Dart
762
184
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.32 K
744
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
112
134