查阅了一下网上资料，关于pgsql 大数据量的查询优化文章还是很多的。此处简单罗列，毕竟需要学习和了解的还很多。希望以后能够结合实际业务都能运用的上。
1.根据一定的条件进行分区（年月日等）
2.增加内存大小
3.根据不同的条件合理的时候相应的索引结构。
4.硬件上的优化支持
记一次百万数据量查询sql 优化问题描述问题分析过程总结问题描述数据库用的是pgsql。sql 中用到了表连接，group by ，count以及sum 函数，现场测试的时候由于有定时任务在跑，所以数据库中一直有增量。当数据达到200万条时，页面加载时间非常慢，达到40s。问题分析过程本人开发小白一个，之前没有接触过太大数据量的业务，只有面试的时候自己看过相关的sql优化知识，而实践还是头...
CREATE INDEX f_invoice_item_order_item_id_idx ON ins_dw_prd12.f_invoice_item USING btree (order_item_id)
CREATE INDEX f_invoice_ite
收到疯狂的慢查询及请求超时报警，通过metrics分析出来自mysql请求的异常，cli —> show proceslist 看到很多慢查询。 先前该sql是没有的，后面因为数据量的增长才出现了这问题。 虽然feeds表大到一个亿，但因为feeds流信息有近期热的特征，所以不是因为 innodb_buffer_pool_size 低效引起的io频繁。 后来经过进一步explain执行计划分析得出了原因，mysql查询优化器选择了他认为高效的索引。
mysql查询优化器大多数情况是靠谱的! 但是你的sql语言含有多个索引时就要注意了，往往最后的结果令人有些彷徨了。因为mys
用php处理百万级以上的数据提高查询速度的方法：
1.应尽量避免在 where 子句中使用!=或
2.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。
3.应尽量避免在 where 子句中对字段进行 null 值判断，否则将导致引擎放弃使用索引而进行全表扫描，如：
select id from t where num is nu
这两天，越来越觉得自己做的玩家历史表，查询速度很慢，开始还以为是网络的问题，然后持续了一两天很快pass了这个想法。很可能是自己的查询速度慢，于是进入数据库看了一下，发现历史记录已经达到了600多万条了。随着dau的上升，玩家越来越多，乃至于历史记录也成倍的增长，虽然自己做了定时删除七天以前的记录，但还是承受不住巨量的人数增长带来的历史数据剧增。
因此，本人操作数据库直接测试了一下查询历史记录的
--查询语句
SELECT * FROM Table_Name1 left join Table_Name2 on columns_name1=columns_name2 WHERE columns_name1=2906332
Table_Name1 、Table_Name2 均为 数据表 ，且数据量都不太小，执行查询特别慢。
--给两张表添加索引 Table_Name1 的...
大数据时代，人们使用数据库系统处理的数据量越来越大，请求越来越复杂，对数据库系统的大数据处理能力和混合负载能力提出更高的要求。PostgreSQL 作为世界上最先进的开源数据库，在大数据处理方面做了很多工作，如并行和分区。
PostgreSQL 从 2016 年发布的 9.6 开始支持并行，在此之前，PostgreSQL 仅能使用一个进程处理用户的请求，无法充分利用资源，亦无法很好地满足大数据量、复杂查询下的性能需求。2018 年 10 月发布的 PostgreSQL 11，在并行方面做了大量工作，支持了并
Mybatis-Plus分页查询优化主要有以下几点：
1. 使用分页插件：Mybatis-Plus提供了一个分页插件，可以方便地实现分页查询。使用分页插件可以减少代码量，提高开发效率。
2. 合理设置分页参数：在进行分页查询时，需要设置分页参数，包括当前页码、每页显示的记录数等。合理设置分页参数可以减少查询时间，提高查询效率。
3. 使用缓存：Mybatis-Plus支持缓存功能，可以将查询结果缓存到内存中，下次查询时直接从缓存中获取数据，避免重复查询数据库，提高查询效率。
4. 优化SQL语句：在进行分页查询时，需要编写SQL语句。优化SQL语句可以减少查询时间，提高查询效率。可以使用索引、避免使用子查询等方式优化SQL语句。
5. 分批查询：如果查询结果集非常大，可以考虑分批查询，将查询结果分成多个批次查询，每次查询一部分数据，避免一次性查询大量数据，提高查询效率。
