# فصل ۰۸ — پروژه: یک پرسشِ کند را با عدد سریع کن

<div dir="rtl">

# فصل ۰۸ — پروژه: یک پرسشِ کند را با عدد سریع کن

## در این فصل چه یاد می‌گیری

هیچ ابزارِ تازه‌ای. یک پرسشِ گزارشیِ واقعی داریم که حدودِ هشتاد میلی‌ثانیه طول می‌کشد، و **چهار فرضیه را یکی‌یکی امتحان می‌کنیم و هر بار یک باندِ زمانی و یک نقشه چاپ می‌کنیم.**

یکی از آن چهار فرضیه **پرسش را کندتر می‌کند**، یکی **هیچ تفاوتِ قابلِ اندازه‌گیری‌ای نمی‌سازد و بعداً حکمش وارونه می‌شود**، و آخری همان ده سطر را با همان مقدارها **حدودِ چهار برابر سریع‌تر** تحویل می‌دهد — و در پایانِ فصل، روی هم، از باندِ هشتادی به باندِ نُهی می‌رسیم.

![یک میزِ کار با چهار ابزارِ متفاوت که هر چهار روی یک قطعهٔ یکسان امتحان شده‌اند و یکی از چهار جای قطعه را خراب کرده](/lesson-assets/t5-s08-project-tuning/prompt/01-image-four-tools-one-part.png)

آخر این فصل می‌توانی:

- یک پرسشِ کند را با نقشهٔ اجرا تشخیص بدهی، نه با حدس
- فرضیه بنویسی، تغییر بدهی، و با یک باندِ زمانی داوری کنی
- ثابت کنی پاسخ بعد از هر تغییر عوض نشده
- نتیجهٔ منفی را با همان جزئیاتِ نتیجهٔ مثبت گزارش کنی

## قبل از شروع

**همهٔ هفت فصلِ قبل.** هیچ چیزِ تازه‌ای اینجا نیست.

**دانه‌بندیِ نتیجه:** یک سطر از جدولِ نهایی **یک کتاب** است، و ستونِ `n` تعدادِ **رویدادهای بردنِ** آن کتاب در بازهٔ سه‌ماهه است — نه تعدادِ امانت‌های تمام‌شده، و نه تعدادِ نفرات.

> 📓 **نوت‌بوک:** [نوت‌بوک این فصل را در Colab باز کن](/notebooks/avand/term-5-performance/session-08-project-tuning.ipynb) — همهٔ کدهای این فصل آماده و به‌ترتیب داخلش هست.

</div>

| جدول | تعدادِ سطر | زمانِ ساخت |
|---|---|---|
| `events` | ۴۰۰٬۰۰۰ | چند ثانیه |
| `books` | ۴۰٬۰۰۰ | کمتر از یک ثانیه |
| `members` | ۱۲٬۰۰۰ | آنی |
| `branches` | ۸ | آنی |

<div dir="rtl">

## ۱. پرسش، و پاسخی که نباید عوض شود

**«در سه‌ماههٔ اولِ سالِ دوم، پرتردّدترین ده کتاب کدام‌اند و از کدام شعبه؟»**

</div>

```python
REPORT = """
    SELECT b.id AS book_id, b.title, br.name AS branch, COUNT(*) AS n
    FROM events AS e
    JOIN books AS b ON b.id = e.book_id
    JOIN branches AS br ON br.id = b.branch_id
    WHERE e.happened_at >= ? AND e.happened_at < ? AND e.kind = ?
    GROUP BY b.id, b.title, br.name
    ORDER BY n DESC, b.id
    LIMIT 10
"""
WINDOW = ("2023-01-01", "2023-04-01", "out")

answer = q(REPORT, WINDOW)
print(answer)
print()
print("رویدادهای بردن در این بازه:",
      int(q("""
          SELECT COUNT(*) AS n FROM events
          WHERE happened_at >= ? AND happened_at < ? AND kind = ?
      """, WINDOW).iloc[0, 0]))
```

```text
   book_id             title branch  n
0      674        آینه و باد  آفتاب  5
1    15056       پل در باران   پویا  5
2    23183     پنجره پشت آتش   بهار  5
3    23245    بازگشت به جنگل   پویا  5
4    24010        روزهای ابر   کوشا  5
5    29841  در جست‌وجوی خانه   پویا  5
6    34022        خانه و خاک  مرکزی  5
7      197      باد در باران   دانش  4
8      216   بازگشت به باران   دانش  4
9     2846      روزهای ستاره   پویا  4

رویدادهای بردن در این بازه: 17017
```

<div dir="rtl">

**این جدول از حالا تا آخرِ فصل نباید حتی یک سلولش عوض شود.** متغیرِ `answer` را نگه داشتیم تا بعد از هر تغییر با آن بسنجیم.

و **قبل از هر بهینه‌سازی، یک هشدارِ صادقانه دربارهٔ خودِ عدد:** بیشترین مقدارِ `n` پنج است و فاصلهٔ کتابِ اول تا دهم یک واحد. **روی چنین عددهای کوچکی «پرترددترین» بیشتر شبیهِ قرعه است تا محبوبیت** — و ترمِ ۶ فصلِ ۵ نشان می‌دهد چطور همین را با یک باند اندازه بگیری. این جمله باید در گزارش بیاید، مستقل از اینکه پرسش چقدر سریع اجرا شود.

## ۲. اندازه‌گیریِ پایه

فصلِ ۱ گفت یک عدد شاهد نیست. پس از اینجا به بعد هر اندازه‌گیری **سه میانه** است، نه یک عدد:

</div>

```python
def band(sql, params=()):
    """سه میانهٔ مستقل — تا بشود گفت تفاوتِ دو حالت واقعی است یا نوسان."""
    return [timed(sql, params, repeat=3) for _ in range(3)]


baseline = band(REPORT, WINDOW)
show_plan(REPORT, WINDOW)
print()
print("باندِ پایه:", baseline)
```

```text-approx
 id  parent                                        detail
 10       0                                        SCAN e
 18       0  SEARCH b USING INTEGER PRIMARY KEY (rowid=?)
 21       0 SEARCH br USING INTEGER PRIMARY KEY (rowid=?)
 24       0                  USE TEMP B-TREE FOR GROUP BY
 71       0                  USE TEMP B-TREE FOR ORDER BY

باندِ پایه: [74.53, 81.9, 81.15]
```

<div dir="rtl">

نقشه سه چیز می‌گوید و هر سه فرضیه می‌سازند:

1. **`SCAN e`** — هر ۴۰۰٬۰۰۰ رویداد خوانده می‌شود تا ۱۷٬۰۱۷ تای موردِ نظر پیدا شوند.
2. **دو `SEARCH` روی کلیدِ اصلی** — این‌ها ارزان‌اند و کاری‌شان نمی‌شود کرد.
3. **دو `TEMP B-TREE`** — یکی برای گروه‌بندی و یکی برای مرتب‌سازی.

## ۳. فرضیهٔ ۱: `index` روی تاریخ

**فرضیه:** اگر `SCAN e` به `SEARCH` تبدیل شود، فیلترِ تاریخ به‌جای ۴۰۰٬۰۰۰ سطر فقط سطرهای بازه را می‌خواند.

</div>

```python
pages_start = con.execute("PRAGMA page_count").fetchone()[0]
con.execute("CREATE INDEX idx_events_time ON events(happened_at)")
con.commit()

time_band = band(REPORT, WINDOW)
print("پاسخ دقیقاً همان است:", answer.equals(q(REPORT, WINDOW)))
print("صفحه‌هایی که این index گرفت:",
      con.execute("PRAGMA page_count").fetchone()[0] - pages_start)
```

```text
پاسخ دقیقاً همان است: True
صفحه‌هایی که این index گرفت: 2737
```

```python
show_plan(REPORT, WINDOW)
print()
print("پایه       :", baseline)
print("با index تاریخ:", time_band)
```

```text-approx
 id  parent                                                                 detail
 11       0 SEARCH e USING INDEX idx_events_time (happened_at>? AND happened_at<?)
 23       0                           SEARCH b USING INTEGER PRIMARY KEY (rowid=?)
 26       0                          SEARCH br USING INTEGER PRIMARY KEY (rowid=?)
 29       0                                           USE TEMP B-TREE FOR GROUP BY
 76       0                                           USE TEMP B-TREE FOR ORDER BY

پایه       : [74.53, 81.9, 81.15]
با index تاریخ: [44.23, 50.38, 47.34]
```

<div dir="rtl">

**دو باند هیچ هم‌پوشانی ندارند، پس بهبود واقعی است — ولی کمتر از انتظار.** `SCAN` رفت و زمان کمی کمتر از دو برابر بهتر شد؛ هنوز هر ۱۷٬۰۱۷ سطر به `books` و `branches` پیوند می‌خورند و وارد دو `TEMP B-TREE` می‌شوند.

## ۴. فرضیهٔ ۲: `index` روی `kind` — نتیجه‌ای که منفی نبود، بدتر بود

**فرضیه:** شرطِ دوم روی `kind` است؛ شاید `index` روی آن هم کمک کند.

</div>

```python
con.execute("CREATE INDEX idx_events_kind ON events(kind)")
con.commit()
kind_band = band(REPORT, WINDOW)
print("پاسخ همچنان همان است:", answer.equals(q(REPORT, WINDOW)))
```

```text
پاسخ همچنان همان است: True
```

```python
show_plan(REPORT, WINDOW)
print()
print("با index تاریخ       :", time_band)
print("به‌علاوهٔ index kind :", kind_band)
```

```text-approx
 id  parent                                        detail
 11       0 SEARCH e USING INDEX idx_events_kind (kind=?)
 22       0  SEARCH b USING INTEGER PRIMARY KEY (rowid=?)
 25       0 SEARCH br USING INTEGER PRIMARY KEY (rowid=?)
 28       0                  USE TEMP B-TREE FOR GROUP BY
 75       0                  USE TEMP B-TREE FOR ORDER BY

با index تاریخ       : [44.23, 50.38, 47.34]
به‌علاوهٔ index kind : [95.75, 87.49, 91.24]
```

<div dir="rtl">

**پرسش از زمانِ پایه هم بدتر شد، و نقشه دقیقاً می‌گوید چرا: `SQLite` `index` تازه را انتخاب کرد و `index` تاریخ را رها کرد.**

بدونِ آمار، پایگاه داده حدس می‌زند هر شرطِ `=` گزینشگر است — و شرطِ `kind = 'out'` نصفِ جدول را برمی‌گرداند. فصلِ ۴ همین را نشان داد؛ اینجا روی یک گزارشِ واقعی اتفاق افتاد. **پس اول آمار می‌سازیم:**

</div>

```python
con.execute("ANALYZE")
con.commit()
analyzed_band = band(REPORT, WINDOW)
print("پاسخ همچنان همان است:", answer.equals(q(REPORT, WINDOW)))
print(q("SELECT idx, stat FROM sqlite_stat1 WHERE tbl = ? ORDER BY idx", ("events",)))
```

```text
پاسخ همچنان همان است: True
               idx           stat
0  idx_events_kind  400000 200000
1  idx_events_time       400000 1
```

```python
show_plan(REPORT, WINDOW)
print()
print("قبل از ANALYZE:", kind_band)
print("بعد از ANALYZE:", analyzed_band)
```

```text-approx
 id  parent                                                                 detail
 11       0 SEARCH e USING INDEX idx_events_time (happened_at>? AND happened_at<?)
 23       0                           SEARCH b USING INTEGER PRIMARY KEY (rowid=?)
 26       0                          SEARCH br USING INTEGER PRIMARY KEY (rowid=?)
 29       0                                           USE TEMP B-TREE FOR GROUP BY
 76       0                                           USE TEMP B-TREE FOR ORDER BY

قبل از ANALYZE: [95.75, 87.49, 91.24]
بعد از ANALYZE: [48.59, 49.04, 46.5]
```

<div dir="rtl">

**`ANALYZE` انتخاب را درست کرد و به همان باندِ فرضیهٔ ۱ برگشتیم.**

**پس نتیجهٔ فرضیهٔ ۲ این است: صفر بهبود، و در عوض حجم و کندیِ نوشتن** — فصلِ ۴ همین `index` را روی همین داده ساخت و شمرد که ۱٬۱۲۵ صفحه می‌گیرد. چنین `index`ی نگه داشتنی نیست:

</div>

```python
con.execute("DROP INDEX idx_events_kind")
con.execute("ANALYZE")
con.commit()
print("پاسخ بعد از حذف:", answer.equals(q(REPORT, WINDOW)))
print("index‌های باقی‌مانده:",
      list(q("""
          SELECT name FROM sqlite_master
          WHERE type = ? AND name NOT LIKE 'sqlite_%' ORDER BY name
      """, ("index",))["name"]))
```

```text
پاسخ بعد از حذف: True
index‌های باقی‌مانده: ['idx_events_time']
```

<div dir="rtl">

## ۵. فرضیهٔ ۳: `index` پوشاننده — و باندهایی که هم‌پوشانی دارند

**فرضیه:** پرسش از `events` فقط سه ستون می‌خواهد — `happened_at` و `kind` و `book_id`. اگر هر سه در یک `index` باشند، دیگر لازم نیست برای هر یک از ۳۲٬۷۷۶ سطرِ این بازه به جدول سر بزند؛ `idx_events_time` ستونِ `kind` را ندارد، پس فیلترِ `out` که این تعداد را به ۱۷٬۰۱۷ می‌رساند تا حالا روی خودِ جدول انجام می‌شد.

</div>

```python
pages_before_cover = con.execute("PRAGMA page_count").fetchone()[0]
con.execute("CREATE INDEX idx_events_cover ON events(happened_at, kind, book_id)")
con.execute("ANALYZE")
con.commit()
cover_band = band(REPORT, WINDOW)
print("پاسخ دقیقاً همان است:", answer.equals(q(REPORT, WINDOW)))
print("صفحه‌هایی که این index گرفت:",
      con.execute("PRAGMA page_count").fetchone()[0] - pages_before_cover)
```

```text
پاسخ دقیقاً همان است: True
صفحه‌هایی که این index گرفت: 2284
```

```python
show_plan(REPORT, WINDOW)
print()
print("بدون index پوشاننده:", analyzed_band)
print("با index پوشاننده  :", cover_band)
```

```text-approx
 id  parent                                                                           detail
 10       0 SEARCH e USING COVERING INDEX idx_events_cover (happened_at>? AND happened_at<?)
 21       0                                     SEARCH b USING INTEGER PRIMARY KEY (rowid=?)
 24       0                                    SEARCH br USING INTEGER PRIMARY KEY (rowid=?)
 27       0                                                     USE TEMP B-TREE FOR GROUP BY
 74       0                                                     USE TEMP B-TREE FOR ORDER BY

بدون index پوشاننده: [48.59, 49.04, 46.5]
با index پوشاننده  : [51.39, 49.39, 47.5]
```

<div dir="rtl">

**نقشه عوض شد و `COVERING` گرفت، ولی دو باند هم‌پوشانی دارند.**

این دقیقاً همان حالتی است که فصلِ ۱ برایش قاعده گذاشت: **بهبودی که از پهنای نوسان کوچک‌تر است، بهبود نیست — یک عددِ خوش‌شانس است.** و در طرفِ دیگرِ ترازو حجمِ این `index` نشسته. عددِ ۲٬۲۸۴ رشدِ فایل است، نه اندازهٔ `index`: اول ۱٬۱۲۵ صفحه‌ای مصرف شد که با حذفِ `idx_events_kind` آزاد شده بود، پس اندازهٔ واقعی‌اش ۳٬۴۰۹ صفحه است.

**پس حکمِ فرضیهٔ ۳ فعلاً «رد» است.** حذفش می‌کنیم و در بخشِ بعد، **بعد از اینکه خودِ پرسش عوض شد، دوباره امتحانش می‌کنیم.**

</div>

```python
con.execute("DROP INDEX idx_events_cover")
con.execute("ANALYZE")
con.commit()
print("پاسخ بعد از حذف:", answer.equals(q(REPORT, WINDOW)))
```

```text
پاسخ بعد از حذف: True
```

<div dir="rtl">

## ۶. فرضیهٔ ۴: اول بشمار، بعد بپیوند

**فرضیه:** پیوند به `books` و `branches` روی **همهٔ** سطرهای بازه انجام می‌شود، در حالی که ما فقط ده کتابِ آخر را می‌خواهیم. اگر اول در خودِ `events` بشماریم و ده تای اول را برداریم، پیوند فقط روی **ده سطر** انجام می‌شود.

</div>

```python
REWRITTEN = """
    SELECT b.id AS book_id, b.title, br.name AS branch, top.n
    FROM (SELECT book_id, COUNT(*) AS n
            FROM events
           WHERE happened_at >= ? AND happened_at < ? AND kind = ?
           GROUP BY book_id
           ORDER BY n DESC, book_id
           LIMIT 10) AS top
    JOIN books AS b ON b.id = top.book_id
    JOIN branches AS br ON br.id = b.branch_id
    ORDER BY top.n DESC, b.id
"""
rewritten_band = band(REWRITTEN, WINDOW)
print("پاسخ دقیقاً همان است:", answer.equals(q(REWRITTEN, WINDOW)))
print(q(REWRITTEN, WINDOW))
```

```text
پاسخ دقیقاً همان است: True
   book_id             title branch  n
0      674        آینه و باد  آفتاب  5
1    15056       پل در باران   پویا  5
2    23183     پنجره پشت آتش   بهار  5
3    23245    بازگشت به جنگل   پویا  5
4    24010        روزهای ابر   کوشا  5
5    29841  در جست‌وجوی خانه   پویا  5
6    34022        خانه و خاک  مرکزی  5
7      197      باد در باران   دانش  4
8      216   بازگشت به باران   دانش  4
9     2846      روزهای ستاره   پویا  4
```

```python
show_plan(REWRITTEN, WINDOW)
print()
print("پرسشِ اصلی  :", analyzed_band)
print("پرسشِ بازنوشته:", rewritten_band)
```

```text-approx
 id  parent                                                                      detail
  2       0                                                              CO-ROUTINE top
 11       2 SEARCH events USING INDEX idx_events_time (happened_at>? AND happened_at<?)
 23       2                                                USE TEMP B-TREE FOR GROUP BY
 63       2                                                USE TEMP B-TREE FOR ORDER BY
 73       0                                                                    SCAN top
 76       0                                SEARCH b USING INTEGER PRIMARY KEY (rowid=?)
 79       0                               SEARCH br USING INTEGER PRIMARY KEY (rowid=?)
 89       0                                                USE TEMP B-TREE FOR ORDER BY

پرسشِ اصلی  : [48.59, 49.04, 46.5]
پرسشِ بازنوشته: [10.82, 11.2, 11.54]
```

<div dir="rtl">

**بزرگ‌ترین برد از یک `index` نیامد، از یک بازنویسی آمد.**

نقشه دلیلش را می‌گوید: گروه‌بندی و مرتب‌سازی حالا **داخلِ** زیرپرسش و فقط روی `events` انجام می‌شوند. `SCAN top` هم ترسناک نیست — آن جدولِ موقت **ده سطر** دارد.

و حالا فرضیهٔ ۳ را دوباره امتحان می‌کنیم، **این بار روی پرسشِ تازه:**

</div>

```python
con.execute("CREATE INDEX idx_events_cover ON events(happened_at, kind, book_id)")
con.execute("ANALYZE")
con.commit()
final_band = band(REWRITTEN, WINDOW)
print("پاسخ دقیقاً همان است:", answer.equals(q(REWRITTEN, WINDOW)))
```

```text
پاسخ دقیقاً همان است: True
```

```python
show_plan(REWRITTEN, WINDOW)
print()
print("بازنوشته، بدون index پوشاننده:", rewritten_band)
print("بازنوشته، با index پوشاننده  :", final_band)
```

```text-approx
 id  parent                                                                                detail
  2       0                                                                        CO-ROUTINE top
 10       2 SEARCH events USING COVERING INDEX idx_events_cover (happened_at>? AND happened_at<?)
 21       2                                                          USE TEMP B-TREE FOR GROUP BY
 61       2                                                          USE TEMP B-TREE FOR ORDER BY
 71       0                                                                              SCAN top
 74       0                                          SEARCH b USING INTEGER PRIMARY KEY (rowid=?)
 77       0                                         SEARCH br USING INTEGER PRIMARY KEY (rowid=?)
 87       0                                                          USE TEMP B-TREE FOR ORDER BY

بازنوشته، بدون index پوشاننده: [10.82, 11.2, 11.54]
بازنوشته، با index پوشاننده  : [9.46, 9.24, 8.66]
```

<div dir="rtl">

**این بار دو باند از هم جدا هستند، و حکمِ فرضیهٔ ۳ وارونه می‌شود: نگهش می‌داریم.**

**درسِ اصلیِ کلِ این پروژه همین یک وارونگی است.** آن `index` عوض نشد؛ **پرسش عوض شد.** هر حکمی که دربارهٔ یک `index` می‌دهی، حکمِ آن `index` برای **آن پرسش، آن داده، و آن لحظه** است.

> ✅ **چک کن:** در هر شش مرحله خطِ `answer.equals(...)` چاپ شد و هر شش بار `True` بود. **این تنها چیزی است که یک بهینه‌سازی را از یک خرابکاری جدا می‌کند.** اگر روزی این خط `False` شد، آن تغییر — هر چقدر هم سریع — رد است.

> 🔧 **اگر کار نکرد:** موقعِ ساختنِ `index` نامِ ستون را غلط تایپ کردن از هر خطای دیگری رایج‌تر است:

</div>

```python
try:
    con.execute("CREATE INDEX idx_bad ON events(happend_at)")
except Exception as error:
    print(type(error).__module__ + "." + type(error).__name__)
    print(error)
```

```text
sqlite3.OperationalError
no such column: happend_at
```

<div dir="rtl">

**و بدترین حالتش این است که غلط ننویسی، فقط ستونِ اشتباه را بنویسی** — آن‌وقت `index` بی‌صدا ساخته می‌شود، حجم می‌گیرد، نوشتن را کند می‌کند، و هیچ پرسشی از آن استفاده نمی‌کند. تنها راهِ کشفش همان نقشهٔ اجراست.

## ۷. گزارشِ نهایی

</div>

| فرضیه | باندِ قبل | باندِ بعد | نقشهٔ اجرا | تصمیم |
|---|---|---|---|---|
| ۱ — `index` روی `happened_at` | ~۷۵ تا ۸۲ | ~۴۴ تا ۵۰ | `SCAN e` ← `SEARCH ... USING INDEX` | نگه داشته شد |
| ۲ — `index` روی `kind` | ~۴۴ تا ۵۰ | ~۸۷ تا ۹۶ | انتخابِ `idx_events_kind` | **حذف شد** |
| ۲ب — `ANALYZE` | ~۸۷ تا ۹۶ | ~۴۷ تا ۴۹ | برگشت به `idx_events_time` | نگه داشته شد |
| ۳ — `index` پوشاننده، روی پرسشِ اصلی | ~۴۷ تا ۴۹ | ~۴۸ تا ۵۱ | `USING COVERING INDEX` | **رد شد — هم‌پوشانی** |
| ۴ — تجمیع قبل از پیوند | ~۴۷ تا ۴۹ | ~۱۱ تا ۱۲ | گروه‌بندی داخلِ `CO-ROUTINE` | نگه داشته شد |
| ۳ب — همان `index` پوشاننده، روی پرسشِ بازنوشته | ~۱۱ تا ۱۲ | ~۹ | `USING COVERING INDEX` | **پذیرفته شد** |

<div dir="rtl">

**جمع‌بندی: از باندِ هشتادی به باندِ نُهی، و پاسخ در هر شش اندازه‌گیری کاملاً یکسان ماند.**

</div>

```python
final_pages = con.execute("PRAGMA page_count").fetchone()[0]
print("صفحه‌های ابتدای فصل:", pages_start)
print("صفحه‌های الان      :", final_pages)
print("سهم index‌ها       :", final_pages - pages_start, "صفحه")
print("index‌های نهایی    :",
      list(q("""
          SELECT name FROM sqlite_master
          WHERE type = ? AND name NOT LIKE 'sqlite_%' ORDER BY name
      """, ("index",))["name"]))
```

```text
صفحه‌های ابتدای فصل: 4886
صفحه‌های الان      : 11033
سهم index‌ها       : 6147 صفحه
index‌های نهایی    : ['idx_events_cover', 'idx_events_time']
```

<div dir="rtl">

**و آنچه هنوز نمی‌دانیم، بخشی از همین گزارش است:**

- **`idx_events_time` را نگه داشتیم بدونِ اینکه ثابت کنیم لازم است.** نقشهٔ پرسشِ نهایی فقط `idx_events_cover` را نام می‌برد. حذفش را اندازه نگرفتیم، پس نمی‌دانیم پرسشِ دیگری در سامانه به آن تکیه دارد یا نه.
- **هزینهٔ نوشتن را اندازه نگرفتیم.** فصلِ ۳ نشان داد هر `index` هر `INSERT` را گران‌تر می‌کند؛ اینجا فقط حجم را شمردیم.
- **همهٔ عددها گرم‌اند** — فصلِ ۱ نشان داد نتوانستیم حالتِ سرد بسازیم.
- **و مهم‌تر از هر سه: عددِ گزارش هنوز شکننده است.** بیشترین `n` پنج است و فاصلهٔ اول تا دهم یک واحد؛ **این فهرست را نمی‌شود مبنای هیچ تصمیمی گذاشت، هر چقدر هم سریع ساخته شود.**

> 📏 **اندازه بگیر:** **یک سطر یعنی چه؟** یک کتاب، و `n` تعدادِ رویدادهای `out` آن کتاب در سه ماه — نه امانتِ تمام‌شده و نه نفر. **با کدام شمارشِ دوم سنجیدی؟** با دوتا: شمارشِ مستقلِ رویدادهای بازه که ۱۷٬۰۱۷ شد، و `answer.equals(...)` که در هر شش مرحله `True` ماند. **چه کسی از قلم افتاد؟** کتاب‌هایی که در این بازه فقط رویدادِ `in` دارند — یعنی قبل از بازه برده شده‌اند و داخلِ بازه برگشته‌اند. آن‌ها در این سه ماه واقعاً دستِ کسی بوده‌اند و در این گزارش صفر شمرده می‌شوند.

> 🤖 **از دستیارت بپرس:** «چطور تصمیم بگیرم یک `index` را نگه دارم یا حذف کنم؟» بعد این را بپرس: **«اگر یک `index` بسازم و پرسشم کندتر شود، این یعنی چه؟»** — جوابِ درست دستِ‌کم دو احتمال را می‌گوید: بهینه‌ساز `index` بدی را انتخاب کرده (که با `ANALYZE` درست می‌شود)، یا آن `index` گزینشگر نیست. اگر جواب گفت «`index` هیچ‌وقت کند نمی‌کند»، با فرضیهٔ ۲ ردش کن.

## واژه‌های تازهٔ این فصل

</div>

| کلمه | تلفظ به حروف فارسی | یعنی چه |
|---|---|---|
| baseline | بیس‌لاین | باندِ پایه؛ عددی که همهٔ بهبودها با آن سنجیده می‌شوند |
| hypothesis | هایپوتسیس | فرضیه؛ جمله‌ای که قبل از تغییر می‌نویسی و بعدش داوری می‌شود |
| regression | ریگرشن | پس‌رفت؛ تغییری که اوضاع را بدتر کرد |
| `CO-ROUTINE` | کوروتین | مرحله‌ای که سطرهایش را کم‌کم تولید می‌کند، به‌جای اینکه اول همه را بسازد |

<div dir="rtl">

## تمرین‌ها

قبل از تمرین، بدونِ نگاه به بالا جواب بده: چرا حکمِ فرضیهٔ ۳ در بخشِ ۶ وارونه شد؟

**تمرینِ اجباری:** `idx_events_time` را حذف کن و باندِ پرسشِ بازنوشته را دوباره بگیر. **باند و خطِ `equals` را چاپ کن.** حالا جوابِ سؤالِ اصلی را بنویس: **آیا پرسشِ نهایی بدونِ آن `index` کندتر شد؟** اگر نشد، آن `index` را باید حذف کرد — و بگو چه چیزی را قبل از حذفِ نهایی در یک سامانهٔ واقعی باید بررسی کنی.

**تمرینِ ستاره‌دار ⭐:** همان گزارش را برای بازهٔ **یک‌ساله** بگیر به‌جای سه‌ماهه. **هر چهار فرضیه را دوباره اندازه بگیر و جدولِ بخشِ ۷ را از نو بساز.** حالا سؤالِ سخت را جواب بده: **آیا ترتیبِ برنده‌ها همان است؟** به‌ویژه بگو با بزرگ‌تر شدنِ بازه، فرضیهٔ ۴ نسبت به فرضیهٔ ۳ بهتر می‌شود یا بدتر — راهنمایی: تعدادِ سطرهایی که وارد گروه‌بندی می‌شوند چند برابر شده، و تعدادِ سطرهایی که به `books` پیوند می‌خورند چند؟

## در فصل بعد

ترمِ ۵ تمام شد. حالا می‌توانی یک پرسشِ کند را با نقشهٔ اجرا تشخیص بدهی، فرضیه بسازی، تغییر بدهی، و با یک باندِ زمانی داوری کنی — و می‌دانی کِی جوابِ درست «این تفاوت نویز است» یا «هیچ کاری از دستم برنمی‌آید» است.

**ولی در تمامِ این ترم یک چیز را نپرسیدیم: آیا این عدد اصلاً به دردِ کسی می‌خورد؟** جدولِ همین فصل حالا در حدودِ نُه میلی‌ثانیه ساخته می‌شود و همچنان **مبنای هیچ تصمیمی نیست**، چون فاصلهٔ اول تا دهمش یک واحد است.

ترمِ ۶ دقیقاً از همین‌جا شروع می‌کند: **از عدد تا تصمیم.**

</div>

---
Source: https://yaadestan.com/courses/avand/lessons/t5/s08-project-tuning (یادستان, Yaadestan)
