Imagine o fechamento do mês numa empresa de médio porte. O financeiro pede o relatório de vendas, clica no botão e espera. A tela gira por um minuto, depois por dois, e alguém comenta que "o sistema está pesado hoje". No dia seguinte, o mesmo relatório abre rápido. Ninguém mudou nada, mas a sensação fica: o sistema é imprevisível, e todo mundo aprende a evitar horários de pico.
Na maior parte das vezes, esse tipo de lentidão tem um culpado conhecido: o banco de dados lento. A Trilion desenvolve sites e sistemas desde 1995, são 31 anos nascidos da programação, e vemos o mesmo padrão com frequência. O código da tela está correto, o servidor tem folga, e a demora vem de uma consulta que obriga o banco a ler uma tabela inteira para encontrar poucas linhas.
Neste artigo você vai entender como reconhecer um banco de dados lento, como descobrir quais são as consultas lentas, o que são índices e o que eles custam, como a escrita da consulta e a modelagem dos dados mudam o resultado, e como decidir o que fazer primeiro. A linguagem é de negócio, e cada termo técnico é explicado na primeira vez em que aparece.
Se a cena do relatório parado lembra a sua operação, leia até a lista de verificação da conclusão e leve as perguntas para a sua equipe de tecnologia.
Banco de dados lento: o que é e como reconhecer o problema
Banco de dados lento é a situação em que consultas levam mais tempo do que o negócio aceita, quase sempre porque o banco lê dados demais para responder a uma pergunta simples.
O que é um banco de dados lento, em linguagem de negócio
Pense num arquivo com milhares de pastas sem etiqueta. Para achar o contrato de um cliente, alguém abre pasta por pasta. Funciona enquanto o arquivo é pequeno. Quando ele cresce, a mesma busca passa a ocupar a manhã inteira. O banco de dados lento é isso: o trabalho é o mesmo, mas o volume cresceu e o caminho até a resposta continua sendo a leitura de tudo.
Sinais que aparecem para o usuário
O usuário não vê o banco, vê os sintomas. Eles costumam seguir um padrão reconhecível:
- Telas que pioram com o tempo: a lista de pedidos abria rápido no primeiro ano e hoje demora, sem nenhuma mudança no código.
- Relatórios que travam o resto: enquanto um relatório pesado roda, as demais telas ficam lentas.
- Lentidão em horários de pico: muitas pessoas pedindo ao mesmo tempo fazem a fila de consultas crescer.
- Esgotamento de conexões: o sistema retorna erro porque todas as conexões ao banco estão ocupadas esperando respostas.
Por que o problema cresce junto com a empresa
Uma consulta que lê a tabela inteira custa pouco com 10 mil linhas e muito com 10 milhões. O custo cresce com o volume, e o volume cresce com o sucesso do negócio. Por isso é comum ouvir "sempre foi rápido": foi mesmo, enquanto os dados eram poucos. Esse é um dos motivos pelos quais o tema aparece em qualquer conversa sobre escalabilidade de sistemas.
O banco é mesmo o culpado?
Nem sempre. A lentidão pode vir da rede, de uma integração externa que demora, de um servidor sem memória ou de código que faz centenas de consultas onde uma bastaria. Por isso a primeira regra é não presumir. Antes de comprar um servidor maior ou trocar de tecnologia, é preciso medir onde o tempo está sendo gasto, e é isso que o próximo bloco explica.
Como encontrar as consultas lentas antes de mexer em qualquer coisa
O caminho é medir: ativar o registro de consultas lentas, escolher as que mais pesam no total e pedir ao banco o plano de execução de cada uma, que mostra como ele pretende buscar os dados.
O registro de consultas lentas
Os bancos mais usados oferecem um registro das consultas que passam de um tempo limite. Na documentação do MySQL, esse registro guarda o tempo da consulta, o tempo de espera por bloqueios, as linhas enviadas e as linhas examinadas. O ponto de atenção é que ele vem desativado por padrão, e o limite padrão de tempo é de 10 segundos, alto demais para uma tela de sistema. Ajustar esse limite faz parte do trabalho de diagnóstico.
Linhas examinadas contra linhas devolvidas
Um indicador simples ajuda muito: quantas linhas o banco examinou e quantas devolveu. Uma consulta que examina 2 milhões de linhas para devolver 20 está trabalhando 100 mil vezes mais do que precisa. Essa distância é a pista mais clara de que falta um índice ou de que a consulta está escrita de um jeito que impede o banco de usá-lo.
O plano de execução: EXPLAIN
Quase todo banco relacional tem o comando EXPLAIN, que mostra o plano de execução: a sequência de passos que o banco vai seguir. Na documentação do MySQL, o valor "ALL" na coluna de tipo indica leitura da tabela inteira e é descrito como o pior tipo de junção; a coluna "key" vazia significa que nenhum índice foi usado; e as indicações "Using filesort" e "Using temporary" apontam trabalho extra de ordenação. A estimativa de linhas é aproximada, e serve como termômetro.
Cuidado ao rodar a análise em produção
No PostgreSQL, o EXPLAIN comum apenas mostra o plano, mas o EXPLAIN ANALYZE executa a consulta de verdade e mede o tempo concreto de cada etapa. Se a consulta altera dados, a alteração acontece. A própria documentação recomenda envolver o comando numa transação e desfazê-la depois. É um bom exemplo de por que diagnóstico de banco pede método, e não improviso em horário comercial.
Passo a passo para um diagnóstico seguro
- Registrar: ative o registro de consultas lentas com um limite compatível com a sua operação.
- Agrupar: some o tempo por tipo de consulta; a mais frequente costuma pesar mais que a mais lenta.
- Escolher: selecione as 3 consultas que mais consomem tempo no total.
- Explicar: peça o plano de execução de cada uma, em ambiente de teste quando possível.
- Medir de novo: depois de cada mudança, compare o antes e o depois com o mesmo critério.
A rotina de acompanhar esses números todos os dias é assunto de observabilidade: logs, métricas e rastreamento.

Índices: o que são, o que resolvem e o que custam
Um índice é uma estrutura auxiliar que permite ao banco encontrar linhas pelo valor de uma coluna sem ler a tabela toda, como o índice remissivo de um livro, ao custo de espaço e de trabalho nas gravações.
O que é um índice de banco de dados
Quando alguém procura "índice banco de dados", a resposta curta é esta: uma estrutura ordenada que aponta para as linhas da tabela. Segundo a documentação do MySQL, a melhor forma de melhorar o desempenho de consultas de leitura é criar índices nas colunas usadas nas condições, porque as entradas do índice funcionam como ponteiros para as linhas. No PostgreSQL, o tipo padrão é a árvore B, que atende comparações como igual, maior e menor, além de intervalos.
Sem índice, o banco lê tudo
Na documentação do PostgreSQL, a leitura sequencial percorre todas as linhas da tabela, e uma condição de filtro não reduz esse trabalho: o banco ainda visita cada linha e só então descarta as que não servem. Existe uma exceção sensata: em tabelas minúsculas, ler tudo é mais barato do que usar o índice, e o banco escolhe isso sozinho. Por isso um teste com poucos dados nunca revela o problema.
O custo escondido: toda gravação atualiza os índices
Índice não é de graça. A documentação do MySQL avisa que índices desnecessários desperdiçam espaço, fazem o banco levar mais tempo para escolher qual usar e aumentam o custo de inserir, alterar e apagar, porque cada índice precisa ser atualizado. A conclusão é que o objetivo não é indexar tudo, e sim encontrar o equilíbrio entre leituras rápidas e gravações saudáveis.
Índices compostos e a ordem das colunas
Um índice composto cobre mais de uma coluna, como sobrenome e nome. A ordem importa: segundo a documentação do MySQL, o índice serve consultas que usam a primeira coluna ou as primeiras em sequência, mas não ajuda quando o filtro usa apenas a segunda. Um índice bem desenhado atende várias consultas ao mesmo tempo, e um mal ordenado fica no banco ocupando espaço sem ser usado.
Perguntas rápidas sobre índices
Criar um índice resolve tudo? Não. Ele resolve a consulta que o utiliza. Se a consulta é escrita de modo a impedir o uso, o índice existe e é ignorado, tema do próximo bloco.
Quantos índices uma tabela deve ter? Não há número certo. Depende de quais consultas existem, de quanto a tabela recebe gravações e do volume. Cada índice precisa ter uma consulta que o justifique.
Consultas lentas: como escrever de forma que o banco consiga ajudar
Muitas consultas lentas têm índice disponível e mesmo assim o ignoram, porque a forma de escrever impede o uso: função aplicada na coluna, busca por texto que começa com curinga ou pedido de dados demais.
Função aplicada à coluna indexada
Quando a consulta transforma a coluna antes de comparar, como passar o texto para maiúsculas, o banco trata o resultado como outra expressão. O site Use The Index, Luke, referência sobre o assunto, explica que o índice comum fica inutilizável nesse caso e a busca recai na leitura da tabela inteira. A saída é reescrever a condição ou criar um índice sobre a própria expressão, e o formato exato varia conforme o banco.
Busca por texto com curinga no início
Na documentação do PostgreSQL, o índice de árvore B só ajuda em buscas por padrão quando o texto fixo está no começo, como "começa com". Uma busca do tipo "contém", com curinga no início, obriga a leitura de tudo. Se o sistema precisa de busca por trechos de texto em grande volume, o caminho é uma estrutura própria para isso, avaliada caso a caso, e não mais força bruta no mesmo índice.
Pedir mais dados do que a tela mostra
Uma tela de lista que carrega todas as colunas e todas as linhas, para depois exibir 20, gasta memória, rede e tempo do banco. Pedir apenas as colunas necessárias e paginar o resultado reduz o trabalho. Em interfaces de integração, a mesma ideia aparece como paginação e limites de resposta, assunto de API REST de alto desempenho.
Muitas consultas pequenas no lugar de uma
Um padrão comum é buscar uma lista de 100 itens e, para cada item, fazer uma nova consulta para trazer o dado relacionado. São 101 idas ao banco onde 2 resolveriam. Cada ida é rápida, e a soma é lenta. Esse problema não aparece no plano de execução de uma consulta isolada; aparece no registro, como uma enxurrada de consultas parecidas, e é por isso que medir o conjunto importa tanto quanto medir cada uma.
Checklist de revisão de uma consulta
- As colunas do filtro e da ordenação têm índice que o plano de execução realmente usa?
- Há função ou conversão aplicada sobre colunas indexadas?
- A busca por texto começa com curinga?
- A consulta traz só as colunas e as linhas que a tela mostra?
- Existe repetição da mesma consulta dentro de um laço de código?
Separe hoje as 3 telas mais lentas do seu sistema e anote qual consulta alimenta cada uma. Esse é o material de partida de qualquer diagnóstico sério.

Modelagem e rotina: quando o problema está na estrutura
Se índices e consultas já foram revisados e a lentidão volta, o problema costuma estar na modelagem dos dados, no crescimento sem limpeza, nas estatísticas do banco ou no uso do banco para tarefas que não são dele.
Modelagem: como os dados estão organizados
Modelagem é o desenho das tabelas e das relações entre elas. Um desenho que obriga cada relatório a juntar 8 tabelas, ou que guarda dados diferentes numa mesma coluna de texto livre, torna toda consulta mais cara. Corrigir a modelagem é mudança de maior impacto e exige cuidado, porque o sistema inteiro depende dela. Por isso se planeja com testes, em etapas, e não de uma vez.
Estatísticas desatualizadas
O banco decide como buscar com base em estatísticas sobre os dados. Na documentação do PostgreSQL, essas estatísticas vêm de amostras aleatórias e podem mudar a cada análise, e os números do plano são estimativas. Quando a estimativa se afasta muito da realidade, o banco escolhe um caminho ruim. Uma das primeiras checagens do diagnóstico é comparar o que o banco achou que ia encontrar com o que encontrou.
Dados que só crescem
Tabelas de registro, histórico e eventos crescem sem parar quando ninguém define até quando guardar. Dados antigos, raramente consultados, aumentam o tamanho dos índices e a leitura de tudo o que está ao redor. Arquivar o histórico em outro lugar, mantendo o acesso quando necessário, costuma devolver fôlego sem tocar no código das telas.
Quando o banco está fazendo o trabalho de outro componente
Alguns bancos acumulam funções que não deveriam ser deles: filas improvisadas em tabelas, relatórios pesados rodando junto das telas de operação, cálculos que poderiam ser feitos em segundo plano. Tirar esse peso do banco principal pode ser o ganho mais barato. Dois caminhos frequentes são cache de respostas repetidas e filas e processamento assíncrono, em que a tarefa pesada sai do caminho do usuário.
Dúvida comum: então basta um servidor maior?
Aumentar o servidor ajuda quando o gargalo é capacidade. Quando o problema é uma leitura desnecessária da tabela inteira, o servidor maior apenas faz a leitura inútil mais depressa, e o custo de infraestrutura sobe. É um remédio que adia a conversa. Medir primeiro evita pagar por capacidade que o problema não pedia.
Como tratar um banco lento sem derrubar a operação
O tratamento seguro segue uma ordem: medir, corrigir o que é mais barato, testar sob carga parecida com a real e só então mexer na estrutura, sempre com plano para desfazer.
A ordem que reduz risco
- Medir: registro de consultas lentas e linhas examinadas, por alguns dias de uso normal.
- Corrigir consultas: reescrever o que está impedindo o uso de índices e reduzir o excesso de dados.
- Ajustar índices: criar os que têm consulta que os justifique e remover os que ninguém usa.
- Aliviar o banco: mover relatórios, filas e repetições para onde pertencem.
- Revisar a modelagem: só depois, em etapas, quando as fases anteriores não bastarem.
Teste antes do pico
Uma melhoria só vale se resistir ao uso real. Reproduzir a carga de um dia de fechamento em ambiente de teste mostra se a correção aguenta, e revela o próximo gargalo antes que o usuário o encontre. O método está em teste de carga e de performance.
Quando a causa é um sistema antigo
Em sistemas com anos de remendos, o banco lento é sintoma de um código difícil de mudar. Nesses casos, a correção pontual convive com uma refatoração gradual, como descrevemos em refatoração de código legado sem parar a operação. Quando o conjunto exige renovação maior, o assunto é modernização de sistemas.
Projeto completo, não alocação de pessoas
A Trilion entrega projetos completos: levantamento, diagnóstico, implementação, testes e acompanhamento. Não alugamos nem alocamos desenvolvedores. O nosso próprio site roda em PHP com MySQL, e trabalhamos com os bancos relacionais mais usados. Também não prometemos ganhos de desempenho em números antes de medir o seu sistema: o que oferecemos é um método. A proposta é escrita depois do briefing, e o valor depende de escopo, integrações, volume e prazo.
Conclusão
Um banco de dados lento raramente exige trocar de tecnologia. Quase sempre exige medir: achar as consultas que mais pesam, entender no plano de execução como o banco as resolve, criar índices que tenham motivo, escrever consultas que deixem o banco usá-los e, só depois, rever modelagem e rotina. Cada etapa reduz o risco da seguinte.
Antes de contratar ou de mexer no sistema, use esta lista de verificação:
- Sei quais 3 telas ou relatórios mais demoram e qual consulta alimenta cada um?
- O registro de consultas lentas está ativo, com um limite adequado à nossa operação?
- Comparamos linhas examinadas e linhas devolvidas nas consultas mais pesadas?
- Cada índice existente tem uma consulta que o justifique?
- Existe plano para desfazer cada mudança e teste de carga antes do próximo pico?
Se você respondeu "não" a duas ou mais, o próximo passo é montar o briefing. Conte o seu cenário em /desenvolvimento/orcamento ou conheça a frente de aplicações de alta performance. Se o texto ajudou, compartilhe com quem cuida de tecnologia na sua empresa, e deixe nos comentários qual tela do seu sistema mais pesa. Para termos como índice, latência e API, consulte também o glossário.
Sobre este texto
Este artigo foi escrito pela equipe da Trilion a partir da nossa experiência com sistemas de alto volume, com definições e comportamentos conferidos na documentação do MySQL e do PostgreSQL e em publicação especializada. Não há preços, prazos de projeto nem promessas de resultado: o objetivo é explicar o tema para quem decide. Fontes consultadas em 07/11/2026:
- MySQL, documentação, Optimization and Indexes: https://dev.mysql.com/doc/refman/8.0/en/optimization-indexes.html
- MySQL, documentação, EXPLAIN Output Format: https://dev.mysql.com/doc/refman/8.0/en/explain-output.html
- MySQL, documentação, Multiple-Column Indexes: https://dev.mysql.com/doc/refman/8.0/en/multiple-column-indexes.html
- MySQL, documentação, The Slow Query Log: https://dev.mysql.com/doc/refman/8.0/en/slow-query-log.html
- PostgreSQL, documentação, Using EXPLAIN: https://www.postgresql.org/docs/current/using-explain.html
- PostgreSQL, documentação, Index Types: https://www.postgresql.org/docs/current/indexes-types.html
- Use The Index, Luke, Case-Insensitive Search: https://use-the-index-luke.com/sql/where-clause/functions/case-insensitive-search

