归纳

这类型问题可以称为：Query Optimization，从清华AI4DB的paper list中，该类问题大致可以分为：

• Query Rewriter
• Cardinality Estimation
• Cost Estimation
• Plan Optimization

从中文的角度理解那就是：

• 查询重写
• 基数估计
• 成本估计
• 执行计划优化

sql本身的优化

可以发现，这类型的优化问题，大多数从sql本身，或者说从执行计划本身入手，通过执行计划本身的优化来提升sql的性能。比如，数据库优化器给出某条sql的执行计划，但是由于数据库本身对于基数估计不准确，所以产生了次优的执行计划，这时候查询重写技术通过对执行计划进行优化，修改join order条件，达到更优的执行计划，从而提升sql的执行效率。

数据库层面的优化

但还有一类型的优化，并不从sql的本身出发，或者说不是那么直接的sql层面出发，而是从数据库层面入手，就有很多优化技术：如，参数调优、物化视图等技术。
以spark-sql为例，它有很多参数，而每次执行的结果和对应的参数密切相关，参数调优的目的就是找到一组最佳的参数去调高sql执行效率，它不从sql层面入手，但是却也达到了sql优化的效果。