五大优化技术
1.查询重用
查询重用是指尽可能利用先前的执行结果，以达到节约查询计算全过程的时间并减少资源消耗的目的。
目前查询重用技术主要集中在两个方面：
1）查询结果重用
在缓存区中分配一块缓冲区，存放该SQL语句文本和最后的结果集，当同样的SQl输入时，立即把结果返回。
2）查询计划的重用
缓存一条查询语句的执行计划及其相应语法树结构。
查询重用利弊：
1）利端：节约了CPU和IO消耗
2）弊端：消耗很大的内存资源，同样的SQL不同用户获取的结果集可能不同
2.查询重写
查询重写思路：
1.将过程性查询转换为描述性的查询，如视图重写
2.将复杂的查询（如嵌套子查询、外连接消除、嵌套连接消除）尽可能转换为多表连接查询
3.将效率低的谓词转换为等价的效率高的谓词（如等价谓词重写）
4.利用等式和不等式的性质，简化WHERE、HAVING条件
查询重写有很多方法，这些是没有确定的、统一的规律，但重写的核心一定是“等价转换”，只有等价才能转换，这是需要特别强调的。
3.查询优化算法
什么是查询计划？
查询计划也称为查询树，它由一系列内部的操作符组成，这些操作符按一定的运算关系构成查询的一个执行方案。举个例子，我们想关联A、B、C等多表，可以采取表A和表B连接得到中间结果，然后再和另外的表C连接得到新的中间方式，直至所有表都被连接完毕。
查询计划，二叉树上的不同结点：
单表结点：
考虑单表的数据获取方式：
1.直接通过IO获得数据
2.通过索引获取数据
3.通过索引定位数据的位置再经过IO到数据块中获取数据
这是一个从物理存储到内存解析成逻辑字段的过程，即符合冯诺依曼体系结构的要求（外存数据读入内存才能被处理）
两表结点（两表连接结点）
多表结点：
考虑多表连接顺序如何构成代价最少的“执行计划”。决定是AB先连接还是BC先连接。
许多数据库采用左深树、右深树、紧密树三种方式或其中一部分对多表进行连接得到多种连接途径。
生成最优查询计划的策略：
1.基于规则优化
2.基于代价优化 总代价=CPU代价+IO代价
在生成查询计划的过程中，计算每条存取路径（存取路径主要包括以上三个“关系结点”）的花费，然后选择代价最小的作为子路径，这样直至所有表连接完毕得到一个完整的路径。Mysql和PostgreSQL就采取了基于规则和代价估算的查询优化策略。
4.并行查询
查询优化并行的条件：
1.系统中的可用资源
2.CPU的数目
3.运算中的特定代数运算符
在同一个SQL内，查询并行分为操作内并行和操作间并行
5.分布式查询
在分布式数据库系统中，查询策略优化是查询优化的重点
主要是数据传输策略，A，B两结点的数据进行连接（是A结点数据传输到B结点或是从B到A或是先各自进行过滤然后再传输等）和局部处理优化（传统的单结点数据库的查询优化技术）
数据的通信开销是优化算法考虑的主要因素，代价估算模型：总代价=I/O代价+CPU代价+通信代价