云数据仓库ADB如何优化？

"MySQL控制台智能助手工具：
要优化ADB（AnalyticDB）MySQL数据库的查询性能，可以遵循以下建议：

添加索引列：确保在where子句中频繁使用的列上有索引，这能显著减少扫描行数，提升查询速度。

利用全列索引：ADB MySQL默认开启全列索引，它能自动覆盖查询中的所有列，无需额外创建单列索引。如果未自动开启，手动创建以优化查询。

检查数据类型匹配：确保查询条件的数据类型与表列类型相匹配，避免因类型不一致而导致的性能问题。

限制IN查询的元素数量：IN子句中的元素过多会影响性能，尽量减少元素数量或考虑其他查询策略，如JOIN或exists子句。

收集统计信息：ADB MySQL自动收集统计信息以辅助查询优化器，但新表可能需要手动收集一次。使用SELECT * FROM information_schema.column_statistics;检查统计信息状态，并按需手动收集。

调整Join Order：虽然ADB MySQL通常能自动选择最佳的Join顺序，但在特定情况下，手动调整Join顺序可能有益于性能。使用Hint /+ reorder_joins=true/false /来控制是否手动调整。

精简查询列：避免使用SELECT *，仅查询实际需要的列，因为返回列的数量直接影响性能。

合理使用索引和扫描策略：对于复杂的查询条件，识别哪些条件适合索引过滤，哪些适合扫描，并适当使用Hint控制执行策略，比如/+ no_index_columns=[] /。

避免索引失效的场景：注意函数转换、类型转换、后缀like查询等可能导致索引失效的操作，调整查询语句以维持索引的有效性。

去除冗余的is not null条件：确认列上已有合适的过滤条件时，移除不必要的is not null检查。

，此回答整理自钉群“云数据仓库ADB-开发者群”
这些策略结合使用，能有效提升ADB MySQL数据库的查询性能。"

编写和优化SQL的经验总结如下：

SQL编写原则为追求简单

一般情况下，数据库性能会随SQL复杂度而下降。例如，单表查询（冗余设计）优于表关联查询。

SQL优化核心方法是减少I/O

尽可能少的进行列扫描，返回最小数据量，减少I/O同时也减少内存开销。

分布式计算，本地计算&并行计算

大数据计算情况下，本地计算时充分利用分布式多计算资源的能力，避免数据跨节点。

高QPS，分区裁剪

业务系统要求高QPS、毫秒级RT时，表和SQL必须设计为分区裁剪模式。

参考文档https://help.aliyun.com/zh/analyticdb-for-mysql/use-cases/best-practices-for-data-query?spm=a2c4g.11186623.0.i34