<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>问题排查 on 蒋大培的博客</title><link>https://ygwa.github.io/tags/%E9%97%AE%E9%A2%98%E6%8E%92%E6%9F%A5/</link><description>Recent content in 问题排查 on 蒋大培的博客</description><generator>Hugo</generator><language>en</language><lastBuildDate>Fri, 13 Dec 2024 09:46:34 +0000</lastBuildDate><atom:link href="https://ygwa.github.io/tags/%E9%97%AE%E9%A2%98%E6%8E%92%E6%9F%A5/index.xml" rel="self" type="application/rss+xml"/><item><title>SQL预编译技术与性能优化</title><link>https://ygwa.github.io/writings/performance-in-prepared-sql/</link><pubDate>Fri, 13 Dec 2024 09:46:34 +0000</pubDate><guid>https://ygwa.github.io/writings/performance-in-prepared-sql/</guid><description>&lt;p&gt;众所周知，预编译技术对于 SQL 查询具有显著的性能提升作用。具体而言，在执行 SQL 操作时，利用预编译技术可以省略编译步骤，仅需传递特定参数即可借助已准备好的执行计划快速完成查询，从而极大地提升了后端系统的查询效率。&lt;/p&gt;
&lt;p&gt;然而，预编译技术并非总是适用且无懈可击的。在实际应用中，可能会遇到一些问题和挑战。例如，在某个场景下，当系统需要处理超过1亿条记录的数据量时，即使采用了预编译技术，查询速度仍然会变得缓慢甚至导致超时现象的发生。尽管从接口层面进行了充分的优化，并建立了相应的索引以加速查询过程，但在实际运行环境中，由于数据规模的巨大差异，这些措施可能无法完全解决问题。&lt;/p&gt;</description></item></channel></rss>