性能与调优
Apache Doris 的自适应优化器和 Pipeline 执行引擎可以让大多数业务开箱即用，但生产环境通常还需要系统化的性能调优。建议先按照调优方法论定位瓶颈，再针对查询或导入侧的具体场景进行优化；遇到难以解释的执行计划时，可以查阅优化技术原理来理解其背后的机制。
调优方法论
查询性能
表结构与索引优化
通过表模型、分区分桶、Key 列设计与索引选择（前缀索引、BloomFilter、NGram、倒排）确定查询性能上限。
物化视图
使用同步或异步物化视图预计算结果，结合透明改写让已有 SQL 无需修改即可享受加速。
Join 优化
使用 Colocation Join 消除 Shuffle，借助 Distribute 与 Leading Hint 在优化器决策不理想时手动调整 Join 计划。
缓存加速
组合使用 SQL Cache、Condition Cache 与外表文件缓存，在重复查询中复用结果、过滤计算与远端数据。
执行调优
基于 Profile 中的运行时瓶颈，调整并行度、RuntimeFilter 等待时间、数据倾斜以及 CBO 规则。
高并发与点查询
通过行存、短路执行让 Unique Key 表支持高 QPS 主键查询，并使用字典表替代维表 Join 加速 KV 查询。
去重计数
使用 BITMAP 实现精确去重，或在可接受 1%–2% 误差时使用 HLL 进行近似 UV 计算，显著降低内存与存储开销。
查询 Profile
通过 Profile 分析 Scan、Exchange、Join、聚合等算子的耗时分布，快速定位查询的最慢阶段。
导入性能
优化技术原理
查询优化器
介绍 Nereids 优化器的规则改写与代价模型，包括基于规则的等价变换以及基于代价的 Join Enumeration。
Pipeline 执行引擎
介绍 Pipeline 模型、调度机制以及 Morsel-Driven 并行执行，构成 Doris 的执行层基础。
Runtime Filter
介绍 RuntimeFilter 在 Join 构建侧生成、并下推到探测侧来跳过无关数据的执行机制。
TopN 优化
介绍 ORDER BY ... LIMIT 场景下的短路执行与部分排序优化，跳过大部分数据快速返回 TopN。
统计信息
介绍表、列与直方图等统计信息的采集与使用，是基于代价的查询优化器选择计划的基础。
