TensorZero项目中的查询优化实践:countEpisodes性能提升
2025-06-18 22:52:06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:
- 需要扫描两个完整的表(ChatInference和JsonInference)
- 使用UNION ALL操作会产生中间结果集
- 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:
- 避免了多表扫描和合并操作
- 使用专门为精确去重计数优化的uniqExact函数
- 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:
-
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。
-
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:
- 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
- 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
- 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
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
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!C0299- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
260

🎉 (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
858
507

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

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
255
299

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

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
331
1.08 K

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
397
370

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

deepin linux kernel
C
21
5