首页
/ TensorZero项目中的查询优化实践:countEpisodes性能提升

TensorZero项目中的查询优化实践:countEpisodes性能提升

2025-06-18 15:01:41作者:劳婵绚Shirley

在TensorZero项目中,开发团队近期对一个名为countEpisodes的查询进行了性能优化,通过重构SQL查询语句和利用ClickHouse特有的聚合函数,实现了约20%的性能提升。本文将详细介绍这次优化的技术细节和背后的思考。

原始查询分析

最初的查询实现使用了两个表的UNION ALL操作,然后对合并结果进行COUNT DISTINCT计算:

SELECT toUInt32(COUNTDistinct(episode_id)) AS count
FROM
(
    SELECT episode_id
    FROM ChatInference
    UNION ALL
    SELECT episode_id
    FROM JsonInference
)

这种实现存在几个潜在的性能问题:

  1. 需要扫描两个完整的表(ChatInference和JsonInference)
  2. 使用UNION ALL操作会产生中间结果集
  3. COUNT DISTINCT操作在大数据集上性能较差

优化后的查询

优化后的查询直接使用了一个预聚合表InferenceByEpisodeId,并采用了ClickHouse特有的uniqExact函数:

SELECT toUInt32(uniqExact(episode_id_uint)) AS count
FROM InferenceByEpisodeId

这个优化带来了几个显著优势:

  1. 避免了多表扫描和合并操作
  2. 使用专门为精确去重计数优化的uniqExact函数
  3. 直接操作预聚合表,减少了数据处理量

进一步优化方向

项目成员还讨论了未来可能的进一步优化方案:

  1. 近似计数方案:对于超过100万条记录的数据集,可以考虑使用uniqCombined函数进行近似计数,结果显示为"~XX.XM"格式,这在超大规模数据集上能显著提升性能。

  2. 物化视图方案:使用ClickHouse的SummingMergeTree表和物化视图(Materialized View)可以实现真正的实时计数,无需全表扫描。这种方案类似于ClickHouse官方文档中展示的增量物化视图示例。

技术选型思考

在数据库查询优化中,通常需要在精确性和性能之间做出权衡。TensorZero团队的选择体现了几个重要的优化原则:

  1. 预聚合优先:尽可能使用预计算好的聚合数据,避免实时计算
  2. 专用函数优势:利用数据库特有的优化函数(如uniqExact)替代通用SQL函数
  3. 渐进式优化:先实现简单有效的优化,再考虑更复杂的架构改进

总结

这次优化展示了在数据分析系统中常见的性能优化模式:通过重构查询逻辑、利用数据库特性和考虑近似计算,可以在不改变功能的前提下显著提升系统性能。TensorZero团队的做法为类似场景下的查询优化提供了很好的参考范例。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
143
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
927
551
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8