Größte Tabellen / Collections auflisten

Oracle

SELECT segment_name, segment_type,
       ROUND(bytes/1024/1024, 1) AS mb
FROM dba_segments
WHERE segment_type IN ('TABLE','TABLE PARTITION')
ORDER BY bytes DESC
FETCH FIRST 10 ROWS ONLY;

Den Filter segment_type entfernen, um auch Indizes zu sehen.

PostgreSQL

SELECT relname AS table,
       pg_size_pretty(pg_total_relation_size(relid)) AS total
FROM pg_catalog.pg_statio_user_tables
ORDER BY pg_total_relation_size(relid) DESC
LIMIT 10;

pg_total_relation_size ist die Summe aus Tabelle + Indizes + TOAST; nur für die Tabelle pg_relation_size verwenden.

MySQL

SELECT table_name,
       ROUND((data_length + index_length)/1024/1024, 1) AS mb
FROM information_schema.tables
WHERE table_schema = DATABASE()
ORDER BY (data_length + index_length) DESC
LIMIT 10;

Für ein bestimmtes Schema WHERE table_schema = 'name' verwenden.

SQL Server

SELECT TOP 10 OBJECT_NAME(object_id) AS table_name,
       SUM(reserved_page_count) * 8 / 1024 AS mb
FROM sys.dm_db_partition_stats
GROUP BY object_id
ORDER BY mb DESC;

reserved_page_count umfasst alle reservierten Seiten (Daten + Indizes).

MongoDB

db.getCollectionNames()
  .map(c => ({ name: c, mb: +(db[c].stats().storageSize/1048576).toFixed(1) }))
  .sort((a, b) => b.mb - a.mb)
  .slice(0, 10)

storageSize ist die komprimierte Größe auf der Platte. stats() ist auch bei großen Collections günstig.

Redis

redis-cli --bigkeys
# To rank by memory (bytes): redis-cli --memkeys

Beide durchsuchen den gesamten Keyspace mit SCAN (sie blockieren den Server nicht, erzeugen aber Last); der Unterschied ist die Metrik: --bigkeys meldet die größten Keys je Typ nach Elementanzahl/Länge, --memkeys nach Speicherverbrauch über MEMORY USAGE. Für einen einzelnen Key MEMORY USAGE <key> verwenden.