Saltar al contenido

Lección 25 de 25 · Lectura y práctica

Evaluación Final del Proyecto

Tipo de lección: QuizConcepto claveEn aplicaciones de alta concurrencia como sistemas de reservas, PostgreSQL debe manejar múltiples transacciones simultáneas manteniendo consistencia y rendimiento. El concepto central es el.

Del concepto a la práctica

Taller de esta lección

Explicación: una evaluación sólida debe comprobar el invariante de capacidad: las reservas confirmadas nunca pueden superar las plazas disponibles, incluso ante concurrencia. La decisión clave es actualizar el contador solo si aún hay capacidad y mantener esa comprobación dentro de una transacción.

Ejemplo resuelto

Estado inicial de event_slots: id=7, capacity=2, booked=0. Para cada cliente se ejecuta:

sql
BEGIN;
WITH ganado AS (
  UPDATE event_slots
  SET booked = booked + 1
  WHERE id = 7 AND booked < capacity
  RETURNING id
)
INSERT INTO reservations(slot_id, customer_id)
SELECT id, 101 FROM ganado
RETURNING slot_id, customer_id;
COMMIT;

Con clientes 101 y 102, el contador termina en 2. Para 103, UPDATE no devuelve filas y la aplicación debe hacer ROLLBACK, sin insertar.

Este SQL inserta únicamente desde una fila ganada: copiar un INSERT incondicional tras UPDATE0 creaba reservas sin capacidad. Si el INSERT falla, revierte toda la transacción. Define capacity/bookedNOT NULL con CHECK(booked>=0 AND booked<=capacity), foreign key de reservations y unicidad(idempotencia) de la solicitud. Para el ejercicio booked1 inicial corresponde a UNA reserva previa de cliente200; añade201/202/203/204 y comprueba dos NUEVAS, tres totales. Usa un slot nuevo o reinicia el fixture seguro entre ejemplo capacity2 y ejercicio capacity3, y aplica el customer_id de cada intento.

Pruébalo

  1. Crea una plaza con capacidad 3 y booked=1.

  2. Ejecuta el patrón para clientes 201, 202 y 203.

  3. Repite el intento con cliente 204.

  4. Consulta el contador y las reservas confirmadas.

Comprueba tu resultado

Error frecuente: verificar capacidad antes de iniciar la transacción; dos sesiones pueden observar el mismo valor. Corrígelo haciendo la comprobación en el UPDATE atómico. Resultado esperado: solo dos de los cuatro intentos se confirman, booked=3 y existen exactamente dos nuevas reservas.

Tablas de clientes y pedidos: INNER JOIN conserva coincidencias y LEFT JOIN conserva también a Luis sin pedidos.
CursaloMapa de práctica
Relacionar tablas sin perder filas

Una clave conecta cada pedido con su cliente. INNER JOIN devuelve las coincidencias y puede producir varias filas por cliente. LEFT JOIN conserva también los clientes sin pedido y representa los campos ausentes con NULL.

Ver la infografía en tamaño completo ↗

Tipo de lección: Quiz

Concepto clave

En aplicaciones de alta concurrencia como sistemas de reservas, PostgreSQL debe manejar múltiples transacciones simultáneas manteniendo consistencia y rendimiento. El concepto central es el control de concurrencia multiversión (MVCC), que permite lecturas sin bloquear escrituras mediante snapshots de datos. Imagina una biblioteca donde varios lectores pueden consultar libros mientras otros los actualizan, sin interferir entre sí.

La optimización requiere equilibrar ACID con throughput. En reservas de alta demanda, transacciones cortas y bien aisladas previenen conflictos como dobles reservas. El MVCC usa versiones de filas y marcas de tiempo para aislar transacciones, similar a cómo un sistema de tickets asigna números secuenciales para evitar choques.

Cómo funciona en la práctica

Considera un sistema de reservas de asientos para conciertos. Paso 1: Diseña un esquema con tablas para eventos, asientos y reservas, usando tipos de datos optimizados como SMALLINT para IDs y TIMESTAMPTZ para marcas temporales. Paso 2: Implementa transacciones con BEGIN y COMMIT para agrupar operaciones críticas, como verificar disponibilidad y crear reserva. Paso 3: Usa niveles de aislamiento como REPEATABLE READ para evitar lecturas sucias en picos de demanda.

Ejemplo: Un usuario reserva un asiento mientras otro consulta disponibilidad. Con MVCC, la consulta ve un snapshot anterior hasta que la reserva se confirma, evitando bloqueos innecesarios. Esto se logra con versiones de filas y el sistema de vacuum para limpiar datos obsoletos.

Codigo en accion

Antes: Consulta lenta sin indexación adecuada.

-- Consulta que escanea toda la tabla de reservas
SELECT * FROM reservas WHERE evento_id = 100 AND fecha_reserva > '2024-01-01';
-- Sin índice, PostgreSQL realiza un sequential scan, lento en tablas grandes.

Después: Optimización con índice compuesto y consulta refinada.

-- Crear índice compuesto para acelerar búsquedas frecuentes
CREATE INDEX idx_reservas_evento_fecha ON reservas(evento_id, fecha_reserva);

-- Consulta optimizada usando el índice
SELECT asiento_id, usuario_id FROM reservas 
WHERE evento_id = 100 AND fecha_reserva > '2024-01-01' 
ORDER BY fecha_reserva DESC LIMIT 10;
-- El índice permite un index scan, reduciendo tiempo de respuesta en alta concurrencia.

Errores comunes

  • Bloqueos innecesarios: Usar SELECT FOR UPDATE en todas las transacciones, causando cuellos de botella. Solución: Aplicar solo en filas críticas y usar timeouts.
  • Índices redundantes: Crear múltiples índices en las mismas columnas, aumentando overhead de escritura. Solución: Analizar queries con EXPLAIN ANALYZE y consolidar.
  • Niveles de aislamiento incorrectos: Usar SERIALIZABLE por defecto, limitando concurrencia. Solución: Evaluar necesidades y optar por READ COMMITTED o REPEATABLE READ.
  • Falta de monitoreo: Ignorar métricas como locks o deadlocks en producción. Solución: Configurar alertas y revisar logs regularmente.
  • Transacciones largas: Mantener transacciones abiertas por mucho tiempo, bloqueando recursos. Solución: Dividir en transacciones más cortas y usar savepoints.

Checklist de dominio

  1. ¿Has diseñado índices compuestos para queries frecuentes en el sistema de reservas?
  2. ¿Implementaste niveles de aislamiento apropiados para evitar anomalías en alta concurrencia?
  3. ¿Configuraste replication con streaming para alta disponibilidad y balanceo de carga?
  4. ¿Optimizaste queries usando EXPLAIN ANALYZE para reducir tiempos de ejecución?
  5. ¿Manejaste deadlocks con retry logic o timeouts en la aplicación?
  6. ¿Ajustaste parámetros de PostgreSQL como max_connections y work_mem para el entorno de producción?
  7. ¿Validaste la consistencia de datos después de operaciones concurrentes masivas?

Optimización de un Sistema de Reservas Concurrentes

En este ejercicio, mejorarás un sistema de reservas PostgreSQL para manejar picos de alta demanda. Sigue estos pasos:

  1. Clona la base de datos de prueba proporcionada con tablas de eventos, asientos y reservas.
  2. Analiza las queries más lentas usando EXPLAIN ANALYZE e identifica cuellos de botella.
  3. Crea índices estratégicos (compuestos o parciales) para acelerar búsquedas de disponibilidad.
  4. Implementa un script de simulación que genere 1000 reservas concurrentes y mida el tiempo de respuesta.
  5. Configura replication básica entre un primary y un standby para pruebas de failover.
  6. Documenta las mejoras en rendimiento y propone ajustes adicionales.
Pistas
  • Usa pg_stat_statements para identificar queries críticas.
  • Considera particionar la tabla de reservas por fecha para mejorar mantenimiento.
  • Prueba con diferentes niveles de aislamiento para balancear consistencia y rendimiento.

Evalua tu comprension

Completa el quiz interactivo de arriba para ganar XP.

Sigue con PostgreSQL Avanzado: Optimización para Aplicaciones de Alta Concurrencia

Esta lección forma parte de un curso de Cursalo. Revisa su programa y elige entre la compra individual o el acceso a toda la escuela.

Si ya tenías acceso a este curso, entra con tu cuenta: tus derechos y tu progreso se conservan. No necesitas comprarlo de nuevo.

01 / ELEGIR UNA RUTA

El próximo paso

Aprende IA mientras construyes algo que sí necesitas.

Empieza por el curso inicial o explora el catálogo para encontrar una práctica alineada con tu trabajo.