1、打造极致速度的分析型数据库，我们需要聚焦关键点。首先，预计算与现场计算/是基石，物化视图（Materialized View）和预聚合策略加速数据处理，减少实时计算压力。资源利用方面，索引是加速器，通过避免大量读取，直接定位数据，显著提升查询效率。而缓存则存储常用查询结果，降低重复计算，提升命中率。
2、近似与精确计算在处理大数据或探索性分析时，近似计算成为加速手段，通过牺牲一定程度的精确性换取效率。性能测试性能测试是确保持续性能提升的关键，通过多维度的测试来防止性能回退，是数据库开发中不可或缺的环节。
3、极速数据分析：介绍了统一 OLAP 分析的趋势及 StarRocks 极速查询分析的核心能力。从 Hadoop 生态演变，到为实时分析而生的 Flink，展现了从批处理到实时处理的转变。随着 OLAP 分析产品的发展，数据的分析需求从管理层扩展到基层。
应尽量避免在 where 子句中使用！=或操作符，否则将引擎放弃使用索引而进行全表扫描。 对查询进行优化，应尽量避免全表扫描，首先应考虑在 where 及 order by 涉及的列上建立索引。
offset+limit方式的分页查询，当数据表超过100w条记录，性能会很差。主要原因是offset limit的分页方式是从头开始查询，然后舍弃前offset个记录，所以offset偏移量越大，查询速度越慢。比如： 读第10000到10019行元素（pk是主键/唯一键）.使用order by id可以在查询时使用主键索引。
首先，数据量大的时候，应尽量避免全表扫描，应考虑在 where 及 order by 涉及的列上建立索引，建索引可以大大加快数据的检索速度。 但是，有些情况索引是不会起效的：应尽量避免在 where 子句中使用！=或操作符，否则将引擎放弃使用索引而进行全表扫描。
索引规范：设计合理的索引，可以加快查询速度和排序效率，提高数据检索的精度和效率。数据类型规范：对于数据存储类型，我们应该尽量选择文件存储空间小、效率高的类型。优化MySQL服务器的查询语句 查询语句是MySQL服务器的关键部分。
在上述查询语句中，WHERE子句根据上一页查询结果中最后一个id值，提高了查询效率。 避免使用函数 函数是MySQL中常用的数据处理方式之一，但对于大数据量的查询，使用函数可能会占用很多时间。因此，在查询时，应尽可能减少函数的使用。
1、其次，主关键字能够加快数据库的操作速度。在数据库查询操作中，通过主关键字进行快速定位和检索，显著提高查询效率。此外，主关键字作为数据表的唯一标识符，有助于优化索引，进一步提升数据库查询性能。在数据库表中添加新记录时，Access系统会自动检查新记录的主键值，确保其不与表中现有记录的主键值重复。
2、主关键字（primary key）是表中的一个或多个字段，它的值用于唯一的标识表中的某一条记录。在两个表的关系中，主关键字用来在一个表中引用来自于另一个表中的特定记录。主关键字是一种唯一关键字，表定义的一部分。一个表的主键可以由多个关键字共同组成，并且主关键字的列不能包含空值。
3、作用不同 主关键字：用来在一个表中引用来自于另一个表中的特定记录。是一种唯一关键字，表定义的一部分。外关键字：公共关键字在一个关系中是主关键字，那么这个公共关键字被称为另一个关系的外关键字。
调整数据库SQL语句。应用程序的执行最终将归结为数据库中的SQL语句执行，因此SQL语句的执行效率最终决定了ORACLE数据库的性能。调整服务器内存分配。内存分配是在信息系统运行过程中优化配置的。调整硬盘I/O，这一步是在信息系统开发之前完成的。
推荐方案：用其他相同功能的操作运算代替，如：a is not null改为a0或a’‘等。及操作大于或小于一般情况不用调整，因为它有索引就会采用索引查找，但有的情况下可以对它进行优化。如一个表有100万记录，那么执行2与=3的效果就有很大区别了。
包括网络、硬件、操作系统、数据库参数和应用程序。数据库的优化通常可以通过对网络、硬件、操作系统、数据库参数和应用程序的优化来进行。最常见的优化手段就是对硬件的升级。
NoSQL：有一些场景，可以抛弃MySQL等关系型数据库，拥抱NoSQL；比如：统计类、日志类、弱结构化的数据；事务要求低的场景。
Swap 交换分区 OS 内核参数和网络问题 应用程序方面：应用程序稳定性 SQL 语句性能 串行访问资源 性能欠佳会话管理 这个应用适不适合用 MySQL 数据库优化方面：内存 数据库结构（物理&逻辑）实例配置 说明：不管是设计系统、定位问题还是优化，都可以按照这个顺序执行。
