1）人工调优。 主要依赖于人，效率低下；要求操作者完全理解常识所依赖的原理，还需要对应用、数据库管理系统、操作系统以及硬件有广泛而深刻的理解。 

2）基于案例的调优。 总结典型应用案例情况中数据库参数的推荐配置值、数据逻辑层设计等情况，从而为用户的调优工作提供一定的参考和借鉴。但这种方式忽略了系统的动态性和不同系统间存在的差异。 

3）自调优。

为数据库系统建立一个模型，根据“影响数据库系统性能效率的因素”，数据库系统自动进行参数的配置。一些商业数据库，实现了部分自调优技术。

查询优化技术的分类：①查询重用、②查询重写规则、③查询算法优化、④并行查询优化、⑤分布式查询优化、⑥其他优化技术

1）查询重用：是指尽可能利用先前的执行结果，以达到节约查询计算全过程的时间并减少资源消耗的目的。

主要分为以下两种类型：

a）查询结果的重用。在缓存区中分配一块缓冲块，存放该SQL 语句文本和最后的结果集，当同样的SQL输入时，直接把结果返回。查询结果的重用技术节约了查询计划生成时间，减少了查询执行全过程的资源消耗。

b）查询计划的重用。缓存一条查询语句的执行计划及其相应语法树结构。查询计划的重用技术减少了查询计划生成的时间和资源消耗。

2）查询重写：是查询语句的一种等价转换，即对于任何相关模式的任意状态都会产生相同的结果。

查询优化技术类型：

a）语法级。查询语言层的优化，基于语法进行优化。

b）代数级。查询使用形式逻辑进行优化，运用关系代数的原理进行优化。

c）语义级。根据完整性约束，对查询语句进行语义理解，推知一些可优化的操作。

d）物理级。物理优化技术，基于代价估算模型，比较得出各种执行方式中代价最小的。

查询重写是基于语法级、代数级、语义级的优化，可以统一归属到逻辑优化的范畴：基于代价估算模型是物理层面的优化，是从连接路径中选择代价最小的路径的过程。

查询优化重写思路：

a）将过程性查询转换为描述性的查询，如视图重写。

b）将复杂的查询（如嵌套子查询、外连接消除、嵌套连接消除）尽可能转换为多表连接查询。

c）将效率低的谓词转换为等价的效率高的谓词（如等价谓词重写）。

3）查询优化算法：求解给定查询语句的高效执行计划的过程。也就是查询计划，也称为查询树，它由一系列内部的操作符组成，这些操作符按一定的运算关系构成查询的一个执行方案。

生成最优查询计划的策略：

a）基于规则优化。

根据经验或一些已经探知或被证明有效的方式，定义为“规则”（如根据关系代数得知的规则、根据经验得知的规则等），用这些规则化简查询计划生成过程中符合可被化简的操作，使用启发式规则排除一些明显不好的存取路径，这就是基于规则的优化。

b）基于代价优化。

根据一个代价评估模型，在生成查询计划的过程中，计算每条存取路径（存取路径主要包括上述三个“关系结点”）的花费，然后选择代价最小的作为子路径，这样直至所有表连接完毕得到一个完整的路径。主流数据库都采用了基于规则和基于代价的技术。

4）并行查询优化：在并行数据库系统中，查询优化的目标是寻找具有最小响应时间的查询执行计划，这需要把查询工作分解为一些可以并行运行的子工作。一些商业数据库提供了并行查询的功能，用以优化查询执行操作。

在同一个SQL内，查询并行可以分为：

a）操作内并行。将同一操作如单表扫描操作、两表连接操作、排序操作等分解成多个独立的子操作，由不同的CPU同时执行。

b）操作间并行。一条SQL查询语句可以分解成多个子操作，由多个CPU执行。

5）分布式查询优化：在分布式数据库系统中, 查询策略优化是查询优化的重点。主要是数据传输策略，A、B两结点的数据进行连接，是A结点数据传输到B结点或是从B到A或是先各自进行过滤然后再传输等）和局部处理优化（传统的单结点数据库的查询优化技术）。

在分布式数据库系统中，代价估算模型为：

总代价 = I/O代价 + CPU代价 + 通信代价