$graphLookup 与层次结构建模
系统对比父引用、物化路径与祖先数组三种层次结构建模方式，详解 $graphLookup 的语法参数与递归遍历机制、组织架构与类目树的实战查询、性能限制与索引要求，并给出与图数据库之间的清晰选型边界与判断标准，附可运行的聚合管道示例与索引优化建议
tag
查询优化
共 10 篇文章。
MongoDB 查询计划与 explain 深度剖析
拆解 MongoDB 查询优化器挑选 winningPlan 的完整流程，详解 explain 的三种 verbosity、执行阶段树、totalKeysExamined 等关键指标、计划缓存与 SBE 执行器，并给出常见慢计划反模式的修复方法与实战案例
JOIN 高级技巧与优化：哈希连接、全局表与关联陷阱
JOIN 是分析查询最容易写错也最容易写慢的算子。本文深入 JOIN 的哈希连接内存模型、单机与分布式 JOIN 的差异、Global Join 广播机制、字典替代 JOIN 的低延迟方案、JOIN 键类型匹配与空值语义陷阱、子查询改写，以及跨场景的选择策略。
查询裁剪：主键索引、分区裁剪与数据跳过索引
查询为什么快？因为 ClickHouse 不必读所有数据。本文系统讲解查询裁剪三件套：稀疏主键索引如何跳过 granule、分区裁剪如何跳过整个目录、跳数索引（minmax/set/bloom_filter/ngrambf）如何二次过滤，以及用 EXPLAIN indexes 与 PIPELINE 观察裁剪效果、排查裁剪失效的完整方法论。
SQL 查询优化：从执行计划到吞吐调优
深入解析 SQL 查询优化：读懂执行计划（EXPLAIN/EXPLAIN ANALYZE）与代价模型、索引设计（B+树/覆盖索引/联合索引）、分区裁剪与分桶优化、谓词下推与投影下推、Join 策略（Hash/Merge/Nested Loop）与数据倾斜、聚合与窗口函数优化、大表扫描与列存优化、慢查询定位方法，以及数仓 SQL 调优的工程实践。
图查询优化与执行计划：Cypher 优化器、EXPLAIN/PROFILE 与慢查询诊断
系统讲解图查询优化：Cypher 优化器的两阶段规划（逻辑→物理）、代价估算与启发式规则、Eager/Lazy 评估、模式匹配的执行策略、EXPLAIN 与 PROFILE 读法、慢查询诊断方法、索引设计与查询写法优化、统计信息与基数估算、以及计划缓存与调优流程，帮助把图查询从慢调快。
《AI Agent 工程实战》5.3 查询优化：EXPLAIN 定位慢查询并加索引
会话内拉最近 N 条消息是 ResearchCopilot 最热的查询。本节造 5 万条真实规模数据，用 EXPLAIN (ANALYZE, BUFFERS) 真跑，看它从 Seq Scan（8.8 ms、扫描 718 个页）变成 Index Scan（0.07 ms、只读 4 个页），并给出该加与不该加的索引清单。
查询优化器与执行引擎深入
深入 ClickHouse 查询引擎：向量化执行与列式内存布局、数据块（Block）流式管道、EXPLAIN 执行计划、优化器规则（谓词下推/主键裁剪/常量折叠）、多线程并行执行、内存限制与外部聚合，以及基于 system.query_log 与 ProfileEvents 的性能分析实战。
07. 查询优化与执行计划
深入数据库查询优化器：基于代价的优化（CBO）原理、EXPLAIN 执行计划分析、索引选择策略与慢 SQL 优化实战。
03. MongoDB 索引类型与查询优化
MongoDB 索引全解: 单键、复合、多键、文本、TTL、稀疏与部分索引，Explain 分析与查询优化