Databasproblem i AI-genererade appar

Vad går fel med databasen?

AI genererar ett databasschema som ser korrekt ut vid första anblick. Du har tabeller, kolumner, data sparas. Problemet är att schemat är platt. Kundens namn, e-post och telefonnummer lagras direkt på varje beställning istället för att länkas till en användartabell. Med 10 testposter märker ingen något. Med riktig trafik börjar saker gå sönder.

Dataduplicering finns överallt. Att ändra en kunds e-post innebär att uppdatera hundratals rader istället för en. Det är klassiska uppdateringsanomalier — ett problem som löstes inom databasteknik för decennier sedan, men AI vet inte om det eftersom den genererar kod som "fungerar," inte kod som är korrekt.

Dessutom saknas index. En fråga som borde ta 50ms tar 3 sekunder. Databasen skannar hela tabellen rad för rad för att ingen sa åt AI att lägga till ett index på kolumnen du filtrerar på.

Hur du fixar det

1. Schemagranskning. Vi går igenom hela databasen och identifierar platta strukturer, saknade relationer och duplicerad data. Vi designar ett normaliserat schema som eliminerar uppdateringsanomalier.
2. Lägga till index. Vi analyserar frågor och lägger till index på kolumner som används i WHERE, JOIN och ORDER BY. En fråga som tog 3 sekunder börjar köra på 50ms.
3. Fixa N+1-frågor. Vi ersätter loopar som gör enskilda frågor med effektiva JOIN:ar eller batch-frågor. 101 frågor blir en.
4. Connection pooling. Vi konfigurerar en anslutningspool så att databasen inte dränks av nya anslutningar vid varje förfrågan.
5. Databasmotorbyte. Om den nuvarande databasen inte passar användningsfallet (t.ex. SQLite i produktion), migrerar vi till PostgreSQL eller MySQL — motorer designade för att hantera samtidig trafik.