Backend এর বেশিরভাগ performance সমস্যা আসলে database সমস্যা। Default পছন্দ হিসেবে PostgreSQL নাও; নির্দিষ্ট কারণ থাকলে তবেই অন্য database। SQL নিজে লিখতে পারা আর query plan পড়তে পারা mid/senior level এর আসল পার্থক্য।
SQL যা অবশ্যই জানতে হবে
- JOIN (INNER, LEFT), GROUP BY + HAVING, subquery, CTE (
WITH), window function (ROW_NUMBER,RANK,SUM() OVER)। - Constraint: PRIMARY KEY, FOREIGN KEY, UNIQUE, NOT NULL, CHECK। Data integrity database এই রাখো, শুধু app code এ না।
- Normalization (1NF–3NF): একই data এক জায়গায় রাখো। Read দ্রুত করতে ইচ্ছা করে denormalize করা যায়, কিন্তু তখন sync রাখার দায়িত্ব তোমার।
-- প্রতিটা customer এর সর্বশেষ order
SELECT * FROM (
SELECT o.*, ROW_NUMBER() OVER (PARTITION BY customer_id ORDER BY created_at DESC) AS rn
FROM orders o
) t WHERE rn = 1;
Index
Index (সাধারণত B-tree) বইয়ের সূচিপত্রের মতো: read দ্রুত করে, কিন্তু write একটু ধীর করে আর জায়গা নেয়।
- WHERE, JOIN, ORDER BY এ ব্যবহৃত column এ index দাও। Foreign key column এ Postgres নিজে index বানায় না।
- Composite index
(user_id, created_at): বাম থেকে ডানে ব্যবহার হয় (leftmost prefix rule)। - Column এ function দিলে (
WHERE LOWER(email) = ...) index ব্যবহার হয় না, expression index লাগে।LIKE '%abc'এও হয় না। - Partial index, covering index (
INCLUDE), full-text এর জন্য GIN। EXPLAIN ANALYZEদিয়ে দেখো: Seq Scan নাকি Index Scan, আসল সময় কত।
Transaction, ACID আর isolation
ACID: Atomicity (সব বা কিছুই না), Consistency (constraint মানে), Isolation (একসাথে চলা transaction একে অপরকে নষ্ট করে না), Durability (commit হলে হারায় না)।
| Isolation level | আটকায় | মন্তব্য |
|---|---|---|
| Read Committed | Dirty read | Postgres এর default |
| Repeatable Read | Non-repeatable read | MySQL InnoDB এর default |
| Serializable | Phantom সহ সব anomaly | সবচেয়ে নিরাপদ, retry লাগে |
- Race condition (দুইজন একসাথে শেষ ticket কিনছে):
SELECT ... FOR UPDATE(pessimistic lock), বাversioncolumn দিয়ে optimistic lock, বা atomic updateUPDATE ... SET stock = stock - 1 WHERE stock > 0। - Connection pooling: প্রতি request এ নতুন connection না; pool (বা PgBouncer) ব্যবহার করো। Serverless এ এটা খুব জরুরি।
N+1 problem
১টা query তে ১০০ post, তারপর প্রতিটা post এর author এর জন্য আলাদা query, মোট ১০১টা। সমাধান: JOIN বা eager loading (Prisma include, SQLAlchemy selectinload), GraphQL এ DataLoader।
SQL vs NoSQL
| Database | ভালো | উদাহরণ |
|---|---|---|
| PostgreSQL / MySQL | Relation, transaction, জটিল query | Order, payment, user |
| MongoDB (document) | Flexible schema, nested data | Content, catalog, log |
| Redis (key-value, in-memory) | Cache, session, rate limit, queue, leaderboard | Cache layer |
| Elasticsearch / OpenSearch | Full-text search | Product search |
| Vector DB (pgvector, Pinecone) | Embedding similarity | AI semantic search, RAG |
| Cassandra / DynamoDB | বিশাল write scale, key-based access | IoT, event data |
ORM আর migration
- TypeScript: Prisma (schema-first, সহজ), Drizzle (SQL-এর কাছাকাছি, হালকা), TypeORM (NestJS এ পুরনো project)। Python: SQLAlchemy + Alembic।
- Schema বদলাবে শুধু migration দিয়ে, version control এ রেখে।
- Zero-downtime migration: আগে নতুন column যোগ করো, দুটোতেই লেখো, data copy করো, পড়া নতুনটায় সরাও, সবশেষে পুরনোটা মোছো (expand and contract)।
Scaling
- Read replica: read traffic replica তে, write primary তে; replication lag এর কারণে নতুন data দেরিতে দেখা যেতে পারে।
- Partitioning: একটা বিশাল table কে তারিখ অনুযায়ী ভাগ। Sharding: data কে একাধিক database server এ ভাগ (shard key বেছে নেওয়াই আসল চ্যালেঞ্জ)।
- আগে index, query optimization আর cache; sharding সবশেষে।
Interview প্রশ্ন
- Index কীভাবে কাজ করে? কখন index ক্ষতি করে? Composite index এ column order কেন জরুরি?
- ACID কী? Isolation level গুলো বোঝাও।
- N+1 problem কী আর কীভাবে ধরবে?
- SQL না NoSQL: একটা e-commerce app এর জন্য কোনটা, কেন?
- Live SQL: দ্বিতীয় সর্বোচ্চ salary, department অনুযায়ী top 3, duplicate email খোঁজা।