SQL查询优化器通过规则优化和代价优化协同提升执行效率：规则优化基于语法结构应用启发式改写（如谓词下推、投影裁剪），代价优化依赖统计信息与成本模型选择最低开销物理计划，二者分层配合缩小搜索空间并精细比选。
SQL查询优化器通过规则优化和代价优化协同工作，提升执行效率。规则优化快速应用启发式经验，代价优化则依赖统计信息与成本模型做更精准选择。
规则优化：基于语法结构的快速改写
规则优化不依赖数据分布，而是依据预定义的等价变换规则重写查询树，目标是简化结构、提前过滤、消除冗余。常见规则包括：
- 谓词下推：把WHERE条件尽可能下推到扫描或连接节点，减少中间结果集大小
- 投影列裁剪：只保留最终需要的列，避免读取和传输无关字段
- 外连接转内连接：当外连接的ON条件与WHERE条件共同保证非空时，可安全转换
- 常量折叠：在编译期计算确定表达式（如
1 + 2 * 3），减少运行时开销 - 视图展开：将视图定义内联为子查询，使优化器能跨视图边界做整体优化
代价优化：基于统计信息的最优路径选择
代价优化在规则优化后的候选计划中，估算每个执行路径的I/O、CPU、内存和网络开销，选择总代价最低的物理执行计划。关键依赖包括：
- 表行数、列基数、数据倾斜度等统计信息（需定期
ANALYZE或UPDATE STATISTICS） - 索引存在性与选择性（如B+树深度、范围扫描预估行数）
- 连接算法代价模型（嵌套循环 vs 哈希连接 vs 归并连接，受内存与排序成本影响）
- 并行度配置与资源限制（如最大工作线程数、临时表空间大小）
规则与代价的协作关系
两者并非先后顺序，而是分层配合：规则优化缩小搜索空间，代价优化在精简后的空间中精细比选。例如：
成新网络商城购物系统
下载
使用模板与程序分离的方式构建，依靠专门设计的数据库操作类实现数据库存取，具有专有错误处理模块，通过 Email 实时报告数据库错误，除具有满足购物需要的全部功能外，成新商城购物系统还对购物系统体系做了丰富的扩展，全新设计的搜索功能，自定义成新商城购物系统代码功能代码已经全面优化，杜绝SQL注入漏洞前台测试用户名：admin密码：admin888后台管理员名：admin密码：admin888
- 先用“谓词下推”生成多个逻辑等价子计划，再对每个子计划估算不同连接顺序的成本
- 某些规则（如“索引适用性判断”）本身会调用代价估算，决定是否启用索引扫描而非全表扫描
- 数据库可能设置“优化级别”（如PostgreSQL的
optimizer_mode），控制规则应用深度与代价估算粒度
实际调优中的关注点
理解这两类优化有助于定位性能瓶颈：
- 若执行计划未使用已建索引，检查统计信息是否过期，或谓词是否导致索引失效（如对索引列使用函数）
- 若JOIN顺序明显不合理，确认连接列是否有准确的基数统计，或尝试用
JOIN ORDER HINT引导规则阶段 - 避免过度依赖规则优化——它无法替代良好的索引设计、分区策略或数据建模
- 代价模型是近似值，实际性能受缓存命中率、锁竞争、硬件IO能力等影响，需结合
EXPLAIN ANALYZE验证
规则提供方向，代价给出刻度；二者结合，才让SQL从“能运行”走向“高效运行”。
