Sentry با یه coding agent و traceهای خودش صدها میلیون کوئری رو حذف کرد
خلاصهٔ کاملتر
نویسنده که تو تیم Sentry کار میکنه، میگه چند هفته از یه coding agent (اینجا Claude با مدل Opus 5.5) کمک گرفته تا مشکلات پرفورمنس بکاند Sentry رو پیدا و درست کنه. نقطهٔ شروع، traceهایی بود که خود Sentry برای خودش میفرسته. agent به Sentry MCP وصل شد (یعنی یه رابط که بهش اجازه میده مستقیم دادههای Sentry رو بخونه) و ازش خواسته شد hot pathها رو پیدا کنه، یعنی مسیرهایی از کد که خیلی زیاد اجرا میشن.
agent اسپنها (یعنی تکههای زمانبندیشدهٔ داخل یه trace، مثل یه کوئری یا یه فراخوانی کش) رو بر اساس تعداد اجرا و مدت زمان مرتب کرد. برای هر مورد، فایل و خط کد، حجم تخمینی هفتگی و لینک یه trace نمونه رو میداد. نویسنده میگه با مدلهای جدید لازم نیست پرامپت خیلی دقیق باشه؛ پرامپتهاش بیشتر سؤالهای کوتاه بودن مثل «این تغییر ریسکی نیست؟». بعد agent کد و تاریخچهٔ git رو میخوند، میگفت چی ممکنه خراب شه و اگه همهچی درست بود یه draft PR باز میکرد. به گفتهٔ نویسنده، اینکه agent بتونه تغییرها رو روی یه کپی read-only از دیتابیس تست کنه، نتیجه رو خیلی بهتر میکنه.
instrumentation خودکار Sentry Django SDK شروع خوبی بود: اسپنهای کوئری متن SQL رو دارن و گاهی فایل و خطی که کوئری رو زده. مثلاً از فیلد user_agent معلوم شد یه endpoint شلوغ بیشتر از طرف دستور sentry-cli set-commits --auto صدا زده میشه؛ یه سازمان با حدود ۱۶ هزار ریپو تقریباً هر ۴۰ ثانیه همهٔ ریپوهاش رو صفحهبهصفحه میخوند. نتیجه شد یه تغییر تو CLI و یه index سمت سرور.
برای تغییرهای SQL، agent قبل و بعد از تغییر EXPLAIN ANALYZE رو روی کپی read-only اجرا میکرد. واضحترین مثال کوئری GroupHistory بود (جدولی که هر تغییر وضعیت یه issue رو ثبت میکنه). کوئری قبلی جدیدترین ردیف رو بین چند تا status میخواست و Postgres مجبور بود همهٔ ردیفها رو بخونه و مرتب کنه. نسخهٔ جدید برای هر status جدا یه کوئری کوچیک میزنه و بیشترینش رو تو Python حساب میکنه:
-- after: one probe per status, take the max in Python
(SELECT date_added FROM sentry_grouphistory
WHERE group_id = %s AND status = 1
ORDER BY date_added DESC LIMIT 1)
UNION ALL ...برای شلوغترین گروه، زمان این کوئری از ۹۳۵ میلیثانیه به ۰٫۴ میلیثانیه رسید. بقیهٔ نتیجهها هم قابل توجه بودن: یه UPDATE که حدود ۱۰ هزار بار در ثانیه اجرا میشد تقریباً حذف شد، استفادهٔ دوباره از project لودشده حدود ۱۴۳ میلیون SELECT اضافه در هفته رو حذف کرد، و با یه index جدید زمان اجرای کوئری صفحهبندی ریپوها حدود ۶۹ درصد کم شد. نویسنده تأکید میکنه این عددها تخمینیان و بر اساس اسپنهای نمونهبرداریشده حساب شدن.
نکات کلیدی:
- agent به Sentry MCP وصل بود و اسپنها رو بر اساس تعداد اجرا و زمان اولویتبندی میکرد.
- کوئری GroupHistory با شکستن به یه کوئری برای هر status از ۹۳۵ms به ۰٫۴ms رسید.
- استفادهٔ دوباره از project لودشده حدود ۱۴۳ میلیون SELECT در هفته رو حذف کرد.
- p95 تابع save_issue_occurrence از حدود ۹۵ms به ۶۱ms رسید.
- نوشتن تو کش با bulk_set بهجای یکییکی، زمان رو از حدود ۵۱ms به ۱٫۲ms رسوند.
- هر تغییر SQL قبلش با EXPLAIN ANALYZE روی یه کپی read-only دیتابیس بررسی میشد.




