知识卡片
解释计划与剪枝
解释计划:展示优化器如何确定成本最低的执行方式、用到了哪些对象(表、索引、缓存),以及每个阶段的资源消耗和性能统计。有些数据库提供可视化,有些用 EXPLAIN 命令。
还要持续监控: - 磁盘、内存、网络等关键资源的使用; - 数据加载时间与处理时间; - 查询执行时间、记录数、扫描数据大小、重分配(shuffle)的数据量; - 可能争夺资源的竞争性查询; - 已用并发连接数与可用连接数——并发连接过多会让一些用户连不上数据库。
避免全表扫描:经验法则是只查询你需要的数据。不带谓词的 SELECT * 会扫描并检索每一行每一列,在按扫描字节或计算资源收费的数据库上既低效又昂贵。
尽量剪枝,行式和列式策略不同: - 列式库:只选需要的列;对 TB 级大表可定义集群键排序数据(Snowflake、BigQuery),BigQuery 还能分区只查特定部分。注意:不恰当的聚类和键分配会降低性能; - 行式库:以表索引为中心,为最敏感的查询建索引,但不要建太多索引以免拖慢性能。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第8章 查询、建模和转换 · 查看原书依据
作为一个经验法则,你应该只查询你需要的数据。
参考来源
- 位置:《数据工程之道:设计和构建健壮的数据系统》第08章《第8章 查询、建模和转换》8.1.4 优化查询性能(使用解释计划并了解你的查询性能;避免全表扫描)(源文件:extracted/数据工程之道-设计和构建健壮的数据系统/_epub-src/EPUB/xhtml/Section0014.xhtml,来源项目 book-sources)
- 结论依据:8.1.4节介绍用解释计划理解优化器选择、监控资源与并发连接等查询性能指标,以及避免全表扫描、在列式库和行式库中采用不同剪枝策略。
- 原始内容:作为一个经验法则,你应该只查询你需要的数据。