@查詢優化 / 博客 RSS 訂閱

Jun 18 2024

SelectDB技術團隊 - 《SelectDB 新一代日誌存儲分析平台解決方案》白皮書重磅發佈｜立即下載

隨着信息技術的飛速進步，企業面臨着前所未有的系統複雜性和數據挑戰。在此背景下，日誌數據成為了企業洞察系統內部狀態、監控網絡安全以及分析業務動態的寶貴資源，構建高效的日誌存儲與分析平台至關重要。 作為基於 Apache Doris 打造的現代化數據倉庫，SelectDB 不拘泥於傳統數倉的限制，針對日誌數據的特點引入了多項創新性技術，使用户可基於 SelectDB 構建開放、高性能、低成本、統一的日

大數據處理 , 日誌分析 , 數據倉庫 , 查詢優化 , 數據庫

收藏 評論

Oct 29 2022

songofhawk - mysql 大數據表的分頁性能優化

最近的工作中實現了一個定時統計功能：需要按指定順序，從源表中取出數據，經過分組合並，插入目標表。 源表數據量相當大，有幾千萬行，顯然不適合一次性取出（如果是一次性的腳本，在大內存的機器上也是可以考慮的，但定時任務每次啓動都佔用數十GB內存就太誇張了），需要分頁查詢。 但最初的實現中，採用了一個封裝好的分頁庫，單純的全表查詢，純粹依賴limit子句限制結果集窗口，構成的SQL語句類似這樣： sele

大數據 , sqlalchemy , MySQL , 查詢優化 , Python

收藏 評論

Jun 10 2022

Alluxio - Meta公司新探索 | 利用Alluxio數據緩存降低Presto延遲

概要速覽📕 Meta公司（前“Facebook公司”，下文統稱“Meta”）的Presto團隊一直在與Alluxio 合作為Presto提供開源數據緩存方案。該方案被用於Meta的多個用例，來降低從諸如HDFS等遠端數據源掃描數據產生的查詢延遲。實驗證明，使用Alluxio數據緩存後，查詢延遲和IO掃描都得到了顯著優化。 我們發現，Meta架構環境中的多個用例都得益於Alluxio數據緩存。以M

大數據 , 查詢優化 , meta , 開源 , presto

收藏 評論

Nov 16 2025

Turbo_K - mysql的查詢優化器如何選擇執行計劃

MySQL 查詢優化器（Query Optimizer）負責決定如何執行一個查詢，它通過選擇最優的 執行計劃 來實現查詢的高效執行。查詢優化器的目標是根據查詢的複雜性、表的大小、索引的可用性等因素選擇最優的執行路徑。下面將詳細介紹 MySQL 查詢優化器是如何選擇執行計劃的。 1. 執行計劃概述 執行計劃 是 MySQL 查詢優化器選擇的一系列操作步驟，指明如何掃描表

MySQL , 執行計劃 , 查詢優化 , 後端開發 , JAVA

收藏 評論

Dec 02 2025

Jimaks - PostgreSQL統計信息與分析

引言 在現代數據庫管理系統中，查詢優化是決定系統性能的關鍵因素之一。PostgreSQL作為一款功能強大的開源關係型數據庫，其查詢優化器依賴於準確的統計信息來制定最優的執行計劃。統計信息就像數據庫的"眼睛"，幫助優化器瞭解數據分佈情況，從而做出明智的決策。 統計信息的重要性 PostgreSQL的查詢優化器採用基於成本的優化策略（Cost-Based Optimizer），它

數據 , MySQL , 查詢優化 , 數據庫 , postgresql

收藏 評論

Nov 06 2025

鏡舟科技 - StarRocks 向量索引如何讓大模型“記性更好”？

隨着 ChatGPT、DeepSeek 等大語言模型的普及，我們已經能夠與 AI 進行流暢的對話。然而，即使是最先進的大模型也面臨着“記憶困境”，具體表現模型只能記住訓練時接觸的知識，且這些知識在使用時很可能會過期。實際應用或在處理特定領域問題時，可能生成看似合理但實際錯誤的內容。 大模型的“知識固化”問題一定程度上限制了其在企業級應用中的價值。那麼，如何讓大模型擁有更好的“記性”，實現知識的動態

索引 , 查詢優化 , 數據庫 , starrocks , 大模型

收藏 評論

Nov 04 2025

鏡舟科技 - 什麼是 MPP 數據庫？解鎖海量數據分析的關鍵技術

為什麼需要 MPP 數據庫？ 在數據爆炸的時代，傳統數據庫處理 TB 甚至 PB 級數據時往往力不從心，查詢緩慢，無法支撐實時分析需求。這種情況下，MPP 數據庫成為解決大規模數據分析性能瓶頸的關鍵技術。 想象一下：一個電商平台在大促期間，原本穩定的系統突然卡死；一個數據彙總應用在處理全年數據時崩潰。這些都是我們在高併發、高吞吐量場景下常見的問題。為什麼會這樣？因為系統設計時沒有考慮極限情況下的數

查詢優化 , 數據庫 , starrocks , 數據分析 , 分佈式

收藏 評論