Database Optimization

Trong kỷ nguyên dữ liệu bùng nổ, tối ưu hóa cơ sở dữ liệu (Database Optimization) không chỉ là một kỹ thuật mà còn là yếu tố sống còn đối với hiệu năng hệ thống. Một truy vấn chậm, một bảng thiết kế kém, hoặc một chỉ số bị bỏ quên có thể kéo theo sự trì trệ cho toàn bộ ứng dụng.

I. Tại sao Database Optimization lại quan trọng?

Hiệu năng: Truy vấn nhanh hơn, giảm độ trễ.
Khả năng mở rộng: Tối ưu tốt giúp hệ thống phục vụ hàng triệu request mà không cần mở rộng phần cứng quá nhiều.
Chi phí: Giảm tải phần cứng, tiết kiệm chi phí hạ tầng đám mây.
Trải nghiệm người dùng: Hệ thống phản hồi nhanh tạo ra UX tốt hơn.

II. Nguyên tắc nền tảng của Database Optimization

1. Thiết kế lược đồ (Schema Design)

Mọi tối ưu đều bắt đầu từ thiết kế. Một lược đồ hợp lý có thể giảm 80% vấn đề hiệu năng sau này.

Chuẩn hóa (Normalization): Loại bỏ dư thừa, đảm bảo tính toàn vẹn.
Phi chuẩn hóa (Denormalization): Cân nhắc khi cần tốc độ đọc cao, ví dụ các hệ thống báo cáo.
Chia bảng (Partitioning): Ngang (Horizontal) hoặc dọc (Vertical).

2. Indexing (Chỉ mục)

Index là “trái tim” của tối ưu hóa. Không có index phù hợp, truy vấn sẽ quét toàn bộ bảng (Full Table Scan) – điều cực kỳ tốn kém khi dữ liệu đạt tới hàng triệu hoặc hàng tỷ bản ghi.

B-Tree Index, Hash Index, Bitmap Index.
Composite Index (nhiều cột).
Covering Index để tránh truy xuất bảng.
Lưu ý: Index quá nhiều cũng gây chậm khi INSERT/UPDATE/DELETE.

3. Tối ưu hóa truy vấn (Query Optimization)

Dùng EXPLAIN, EXPLAIN ANALYZE để phân tích Execution Plan.
Tránh SELECT *, chỉ lấy những cột cần thiết.
Thay đổi câu lệnh SQL để tận dụng index.
JOIN hợp lý, tránh JOIN nhiều cấp không cần thiết.
Dùng CTE, materialized view khi cần.

III. Các kỹ thuật nâng cao

Trong thực tế, khi cơ sở dữ liệu phát triển đến mức hàng chục triệu hay hàng tỷ bản ghi, các kỹ thuật tối ưu hóa cơ bản như indexing, query rewrite hay caching không còn đủ để đáp ứng nhu cầu. Lúc này, chúng ta cần đến những kỹ thuật nâng cao nhằm tối ưu hiệu năng ở mức hệ thống, kiến trúc và thuật toán. Dưới đây là những kỹ thuật quan trọng bậc nhất mà các chuyên gia thường áp dụng.

1. Partitioning (Phân vùng dữ liệu)

Partitioning là việc chia một bảng lớn thành nhiều phần nhỏ hơn (partition) dựa trên một tiêu chí như giá trị cột, dải thời gian hoặc băm (hash). Việc phân vùng giúp hệ thống chỉ truy cập vào một phần dữ liệu thay vì toàn bộ bảng, từ đó giảm I/O và tăng tốc độ truy vấn.

Range Partitioning: phân vùng dựa trên khoảng giá trị, ví dụ phân vùng dữ liệu khách hàng theo năm sinh.
List Partitioning: phân vùng dựa trên danh sách giá trị cụ thể (ví dụ, tỉnh/thành phố).
Hash Partitioning: dùng hàm băm để phân tán dữ liệu đồng đều, hữu ích trong môi trường phân tán.
Composite Partitioning: kết hợp nhiều loại partition để đạt hiệu quả cao hơn.

Kịch bản thực tế: Một hệ thống log lưu trữ hàng tỷ sự kiện mỗi ngày có thể sử dụng range partitioning theo ngày. Khi cần truy vấn log trong 7 ngày, cơ sở dữ liệu chỉ đọc đúng 7 partition thay vì toàn bộ bảng.

2. Sharding (Phân mảnh ngang)

Sharding là việc chia dữ liệu thành nhiều cơ sở dữ liệu hoặc nhiều máy chủ khác nhau. Khác với partitioning (trong một database), sharding giúp hệ thống mở rộng theo chiều ngang (horizontal scaling).

Mỗi shard có thể được lưu trên một server riêng, giúp phân tải và tăng khả năng xử lý song song.
Sharding thường áp dụng cho các hệ thống có lượng người dùng cực lớn (Facebook, Twitter, Shopee).
Cần có cơ chế định tuyến (shard key) để xác định dữ liệu nằm ở shard nào.

Lưu ý: Sharding giúp tăng hiệu năng nhưng cũng làm phức tạp hóa việc join dữ liệu, backup/restore và consistency.

3. Materialized Views

Materialized View là dạng bảng lưu trữ kết quả của một truy vấn phức tạp (thường xuyên được sử dụng). Khác với view thông thường (chỉ là alias của query), materialized view có dữ liệu thực sự, có thể làm mới (refresh) định kỳ.

Điều này đặc biệt hữu ích với các báo cáo phân tích, nơi query thường phải join nhiều bảng và tính toán nặng.

Kịch bản: Trong hệ thống thương mại điện tử, mỗi ngày cần báo cáo doanh thu theo tỉnh/thành. Thay vì join dữ liệu từ nhiều bảng order, customer, product, hệ thống duy trì một materialized view tổng hợp sẵn, giảm tải query từ phút sang mili-giây.

4. Index nâng cao

Bên cạnh các index truyền thống (B-Tree, Hash), các hệ quản trị cơ sở dữ liệu hiện đại cung cấp nhiều loại index nâng cao:

Bitmap Index: phù hợp cho các cột có số lượng giá trị phân biệt ít (low cardinality) như giới tính, trạng thái.
Full-text Index: tối ưu cho tìm kiếm văn bản, hỗ trợ truy vấn ngôn ngữ tự nhiên.
Spatial Index: dùng cho dữ liệu không gian (GIS), bản đồ.
Expression/Function-based Index: index dựa trên biểu thức thay vì cột gốc, ví dụ: LOWER(email).

5. Concurrency Control và Locking Tinh vi

Trong hệ thống đa người dùng, cơ chế khóa (locking) là yếu tố quyết định đến hiệu năng. Các kỹ thuật nâng cao bao gồm:

MVCC (Multi-Version Concurrency Control): cho phép nhiều transaction đọc/ghi song song mà không khóa cứng bản ghi.
Optimistic Concurrency Control: giả định xung đột ít xảy ra, chỉ kiểm tra khi commit.
Fine-grained Locking: khóa ở mức dòng thay vì toàn bảng.

Điều này giúp tránh tình trạng deadlock hoặc contention khi số lượng transaction lớn.

6. Caching nhiều tầng (Multi-layered Caching)

Không chỉ cache ở ứng dụng, nhiều hệ thống hiện đại áp dụng caching ở nhiều tầng:

Query Cache: cache kết quả query trong database engine.
Application-level Cache: sử dụng Redis/Memcached để lưu trữ kết quả phổ biến.
Materialized Cache: kết hợp với materialized views để làm mới dữ liệu theo chu kỳ.

Kịch bản: Một ứng dụng social media có trang profile người dùng được truy cập hàng triệu lần/ngày. Việc cache profile và danh sách bạn bè trên Redis giúp giảm tải database hàng trăm lần.

7. Parallel Query và Distributed Execution

Các hệ quản trị cơ sở dữ liệu tiên tiến như Oracle, SQL Server, PostgreSQL có khả năng thực thi query song song (parallel execution). Điều này giúp:

Chia nhỏ một query phức tạp thành nhiều sub-task chạy song song trên nhiều CPU core.
Khai thác cluster database (MPP – Massively Parallel Processing) để xử lý dữ liệu hàng TB/PB.

Ví dụ: Một query phân tích hành vi khách hàng trên 10 tỷ bản ghi có thể chạy trong vài phút thay vì vài giờ nhờ parallel query.

8. Adaptive Query Optimization

Các hệ quản trị hiện đại như Oracle 12c, SQL Server 2019, PostgreSQL 14 đã có khả năng tối ưu hóa thích ứng. Query optimizer sẽ học từ lịch sử thực thi để chọn plan tối ưu hơn trong lần chạy tiếp theo.

Adaptive Joins: tự động chọn Nested Loop Join, Hash Join hoặc Merge Join dựa trên dữ liệu thực tế.
Statistics Feedback: nếu ước lượng cardinality sai, hệ thống sẽ cập nhật và điều chỉnh.

Đây là bước tiến lớn từ query optimization tĩnh sang tối ưu động, dựa trên machine learning.

9. Compression và Columnar Storage

Trong Data Warehouse, việc lưu trữ theo column-oriented thay vì row-oriented mang lại lợi ích lớn:

Giảm kích thước dữ liệu nhờ khả năng nén cao.
Tối ưu cho analytical queries vốn chỉ cần đọc một số cột nhất định.

Ví dụ: Amazon Redshift, Google BigQuery, ClickHouse, Vertica đều dùng columnar storage để đạt tốc độ đọc dữ liệu gấp hàng chục lần so với RDBMS truyền thống.

10. Kết hợp AI/ML trong tối ưu hóa

Xu hướng mới là áp dụng Machine Learning để tối ưu cơ sở dữ liệu:

Automatic Index Tuning: hệ thống tự tạo hoặc xóa index dựa trên workload.
Query Plan Recommendation: AI gợi ý cách viết lại query hoặc chọn execution plan.
Anomaly Detection: phát hiện truy vấn bất thường gây nghẽn hệ thống.

Ví dụ: Microsoft Azure SQL Database tích hợp AI để tự động điều chỉnh index và thống kê mà không cần DBA can thiệp.

IV. Các công cụ và hệ quản trị hỗ trợ tối ưu hóa nâng cao

Khi đã hiểu và áp dụng các kỹ thuật nâng cao để tối ưu hóa cơ sở dữ liệu, việc lựa chọn công cụ hỗ trợ và tận dụng các tính năng tối ưu sẵn có từ hệ quản trị cơ sở dữ liệu (DBMS) là bước quan trọng để biến kiến thức lý thuyết thành hiệu quả thực tiễn. Mỗi hệ quản trị như Oracle, SQL Server, PostgreSQL, MySQL, MongoDB hay Redis đều có những cơ chế, tiện ích và công cụ đi kèm nhằm giúp DBA (Database Administrator) và nhà phát triển (Developer) thực hiện tối ưu hóa ở mức hệ thống. Phần này sẽ phân tích chuyên sâu các công cụ cũng như đặc thù từng hệ quản trị.

1. Công cụ phân tích truy vấn (Query Analyzer / Execution Plan Viewer)

Hầu hết các DBMS hiện đại đều cung cấp cơ chế để hiển thị execution plan – bản đồ cho thấy cách hệ thống thực thi một truy vấn SQL. Thông qua công cụ này, ta có thể nhìn thấy chi tiết:

Các bước quét bảng (Table Scan, Index Scan, Index Seek) và chi phí ước lượng.
Các phép toán Join (Nested Loop, Merge Join, Hash Join) và hiệu suất thực tế.
Thứ tự sắp xếp, nhóm (Sort, Group by) và các điểm nghẽn tiềm ẩn.

Các công cụ tiêu biểu:

SQL Server Management Studio (SSMS): cung cấp Estimated Execution Plan và Actual Execution Plan.
Oracle SQL Developer: tích hợp SQL Tuning Advisor và Explain Plan.
PostgreSQL: dùng lệnh EXPLAIN hoặc EXPLAIN ANALYZE.
MySQL: dùng EXPLAIN để phân tích chiến lược tối ưu hóa.

Việc khai thác triệt để các công cụ này là nền tảng cho tối ưu hóa nâng cao, bởi không có execution plan, DBA sẽ không thể đánh giá hiệu suất thực sự.

2. Công cụ giám sát hiệu năng và thống kê (Performance Monitoring)

Ngoài việc phân tích từng truy vấn, tối ưu hóa cơ sở dữ liệu đòi hỏi phải quan sát toàn bộ hệ thống. Các công cụ giám sát cung cấp khả năng:

Theo dõi mức sử dụng CPU, RAM, I/O khi chạy workload thực tế.
Đo lường chỉ số Wait Events (chờ khóa, chờ I/O, latch contention).
Phân tích "Top Queries" tiêu tốn tài nguyên nhiều nhất.
Xem thống kê index sử dụng, tỉ lệ cache hit, buffer pool efficiency.

Ví dụ điển hình:

Oracle Automatic Workload Repository (AWR): tạo báo cáo chi tiết hiệu năng theo chu kỳ, cùng với ADDM (Automatic Database Diagnostic Monitor).
SQL Server Profiler và Extended Events: cho phép theo dõi truy vấn và hiệu năng hệ thống ở mức granular.
PostgreSQL pg_stat_statements: extension mạnh mẽ để phân tích tần suất và chi phí truy vấn.
Percona Monitoring and Management (PMM): công cụ mã nguồn mở giám sát hiệu năng cho MySQL, PostgreSQL, MongoDB.

3. Cơ chế tối ưu hóa tự động của DBMS

Một số DBMS hiện nay tích hợp AI/ML hoặc rule engine để tự động gợi ý và áp dụng tối ưu hóa:

Oracle SQL Tuning Advisor: tự động phân tích truy vấn và gợi ý index, materialized view, hoặc rewrite câu lệnh SQL.
SQL Server Database Engine Tuning Advisor: đề xuất index và partition dựa trên workload thực tế.
PostgreSQL Autovacuum: cơ chế tự động dọn dẹp bloat và cập nhật thống kê cho query planner.
MySQL InnoDB Adaptive Hash Index: tự động tạo index trong bộ nhớ để tăng tốc độ truy vấn.

Sử dụng các tính năng này giúp giảm đáng kể gánh nặng thủ công cho DBA, đồng thời tận dụng được "trí tuệ nội tại" của DBMS.

4. Công cụ Benchmarking và Stress Testing

Tối ưu hóa không thể hoàn tất nếu không kiểm tra khả năng chịu tải (load test). Các công cụ này cho phép giả lập hàng ngàn kết nối đồng thời, khối lượng truy vấn lớn để kiểm chứng cấu hình:

SysBench: thường dùng cho MySQL/PostgreSQL để test insert/update/select với tải cao.
pgBench: công cụ benchmark tích hợp trong PostgreSQL.
HammerDB: hỗ trợ benchmark đa nền tảng (Oracle, SQL Server, PostgreSQL, MySQL).

Các bài test này giúp phát hiện bottleneck tiềm ẩn, từ đó tinh chỉnh buffer, pool, hoặc cơ chế replication/sharding.

5. Công cụ hỗ trợ quản lý chỉ mục và phân mảnh

Quản lý index là một trong những yếu tố cốt lõi của tối ưu hóa nâng cao:

SQL Server: cung cấp Index Fragmentation Report và Rebuild/Reorganize Index.
Oracle: sử dụng DBMS_STATS và Segment Advisor để quản lý index.
PostgreSQL: hỗ trợ REINDEX và công cụ pg_repack để giảm bloat.

Quản lý tốt index đồng nghĩa với việc duy trì execution plan hiệu quả theo thời gian.

6. NoSQL và NewSQL – công cụ tối ưu hóa theo mô hình phi quan hệ

Trong kỷ nguyên dữ liệu lớn (Big Data), tối ưu hóa không chỉ giới hạn trong RDBMS. Các hệ quản trị NoSQL và NewSQL cũng cung cấp cơ chế đặc thù:

MongoDB: cung cấp explain() để phân tích query, cơ chế sharding để tối ưu phân phối dữ liệu.
Cassandra: tối ưu thông qua cơ chế compaction strategy, cache, và partition key design.
Google Spanner, CockroachDB: tích hợp phân tán và tối ưu hóa theo giao dịch toàn cầu.

Những công cụ này cho phép tối ưu hóa ở quy mô petabyte, nơi RDBMS truyền thống gặp giới hạn.

V. Case Study thực tế về tối ưu hóa Database

Để làm rõ hơn các nguyên tắc và kỹ thuật tối ưu hóa đã đề cập ở các phần trước, phần này sẽ đi sâu vào một số case study thực tế trên các hệ quản trị cơ sở dữ liệu phổ biến: Oracle, SQL Server, PostgreSQL, và MySQL. Những ví dụ này phản ánh những tình huống thường gặp trong môi trường sản xuất, cách các DBA (Database Administrator) và developer phát hiện vấn đề, cũng như các bước tối ưu hóa đã được áp dụng.

1. Oracle Database – Tối ưu hóa hệ thống Billing

Trong một hệ thống billing (tính cước viễn thông) lớn của một nhà mạng, cơ sở dữ liệu Oracle chứa hơn 20 tỷ bản ghi phân bổ theo nhiều partition. Người dùng phản ánh rằng các báo cáo thống kê tháng chạy rất chậm (mất hơn 2 giờ). Sau quá trình phân tích, DBA đã thực hiện các bước:

Phân tích Execution Plan: Phát hiện query thường xuyên thực hiện full table scan thay vì sử dụng index, do bộ lọc WHERE export_date BETWEEN ... chưa khớp với cấu trúc index hiện tại.
Tối ưu Partitioning: Chia bảng dữ liệu billing theo RANGE PARTITION trên trường EXPORT_DATE, giúp query chỉ quét đúng phân vùng liên quan thay vì toàn bộ dữ liệu.
Materialized View: Tạo materialized view cho các báo cáo định kỳ (daily, monthly) để lưu sẵn dữ liệu đã tổng hợp, giảm thời gian query từ hàng chục phút xuống chỉ vài giây.
Parallel Query: Kích hoạt parallel execution cho phép nhiều CPU xử lý song song trên các partition.

Kết quả: Thời gian chạy báo cáo tháng giảm từ 2 giờ xuống còn 45 giây. Người dùng có thể truy vấn ad-hoc mà không ảnh hưởng đến OLTP chính.

2. SQL Server – Tối ưu hóa hệ thống ERP

Một hệ thống ERP trên SQL Server gặp tình trạng deadlock thường xuyên khi nhiều giao dịch update đồng thời. Sau khi bật SQL Server Extended Events và phân tích:

Deadlock Graph: Cho thấy nhiều transaction giữ khóa IX (Intent Exclusive) trên bảng lớn và chờ lẫn nhau.
Tối ưu Index: Thêm non-clustered index phù hợp để các truy vấn update chỉ lock đúng subset dữ liệu thay vì toàn bảng.
Row Versioning: Bật READ_COMMITTED_SNAPSHOT để giảm tranh chấp khi đọc/ghi đồng thời.
Refactor Transaction: Viết lại logic trong stored procedure để commit nhanh hơn, tránh giữ khóa quá lâu.

Kết quả: Deadlock giảm 90%, số lượng transaction xử lý mỗi giây tăng gấp đôi, hệ thống ERP vận hành ổn định hơn.

3. PostgreSQL – Tối ưu hóa hệ thống phân tích dữ liệu

Một công ty phân tích dữ liệu sử dụng PostgreSQL để xử lý log web với hơn 5 TB dữ liệu. Các vấn đề chính:

Query chậm: Các câu SELECT với JOIN phức tạp chạy trên bảng hàng tỷ dòng mất nhiều giờ.
Vacuum/Analyze: Autovacuum không kịp dọn dẹp, khiến bloat tăng và query planner chọn kế hoạch sai.

Giải pháp:

Partitioning bằng declarative partition: Dữ liệu log chia theo tháng, giúp query chỉ quét đúng partition.
BRIN Index: Dùng BRIN index cho dữ liệu log time-series, giảm đáng kể dung lượng index so với B-Tree.
Parallel Query & CTE tối ưu: Viết lại query tránh CTE materialization không cần thiết.
TimescaleDB Extension: Chuyển log sang hypertable của TimescaleDB để có performance tối ưu cho dữ liệu chuỗi thời gian.

Kết quả: Các báo cáo phân tích log giảm thời gian từ 5 tiếng xuống còn 10 phút, chi phí lưu trữ giảm 40% nhờ BRIN index.

4. MySQL – Tối ưu hóa hệ thống eCommerce

Một website thương mại điện tử lớn gặp tình trạng query checkout bị nghẽn khi traffic tăng vào giờ cao điểm. Điều tra bằng slow query log cho thấy:

Nhiều query SELECT ... FOR UPDATE bị lock lâu.
Sử dụng JOIN phức tạp trên bảng orders và order_items (hơn 500 triệu bản ghi).

Các bước tối ưu hóa:

Index Covering: Thêm composite index (customer_id, status) cho phép query chỉ đọc index mà không cần truy cập bảng.
Read/Write Splitting: Sử dụng MySQL Replication, đọc từ slave, ghi vào master để giảm tải.
Sharding: Chia bảng orders theo customer_id hash, phân phối qua nhiều node.
Query Rewrite: Thay vì JOIN nhiều bảng khi checkout, dùng pre-aggregated table để giảm tải OLTP.

Kết quả: Checkout throughput tăng từ 200 TPS (transaction per second) lên hơn 1200 TPS, hệ thống vận hành ổn định trong mùa sale.

VI. Tối ưu hóa theo từng hệ quản trị cơ sở dữ liệu

Mỗi hệ quản trị cơ sở dữ liệu (Database Management System – DBMS) có kiến trúc, cơ chế lưu trữ, và công cụ tối ưu riêng. Do đó, việc tối ưu hóa không chỉ dừng ở các nguyên lý chung (như lập chỉ mục, tối ưu truy vấn, phân vùng dữ liệu) mà cần bám sát đặc thù của từng hệ quản trị. Dưới đây là các phương pháp chuyên sâu cho 4 hệ thống phổ biến: Oracle, SQL Server, PostgreSQL, và MySQL/MariaDB.

1. Oracle Database

Oracle nổi tiếng với khả năng xử lý giao dịch khổng lồ, cơ chế tối ưu hóa truy vấn đa dạng, và hỗ trợ nhiều tính năng chuyên sâu. Một số kỹ thuật tối ưu quan trọng:

Cost-Based Optimizer (CBO): Luôn đảm bảo thống kê (statistics) được cập nhật chính xác thông qua DBMS_STATS. CBO của Oracle dựa rất nhiều vào thống kê để chọn kế hoạch truy vấn tối ưu.
Partitioning: Oracle cung cấp các cơ chế partition mạnh mẽ như range, list, hash, composite. Khi dữ liệu quá lớn, partition giúp tối ưu quét dữ liệu và song song hóa xử lý.
Index nâng cao: Ngoài B-Tree, Oracle hỗ trợ Bitmap Index (phù hợp cho dữ liệu ít giá trị phân biệt, ví dụ: giới tính, trạng thái), Function-based Index, và Index Compression.
Parallel Query & RAC: Tận dụng Real Application Clusters (RAC) và Parallel Execution để chia tải, tăng throughput trên hệ thống phân tán.
Materialized View & Query Rewrite: Tăng tốc báo cáo và BI bằng cách lưu kết quả tính toán phức tạp để tái sử dụng.

2. Microsoft SQL Server

SQL Server tập trung mạnh vào môi trường doanh nghiệp với hệ sinh thái tích hợp cùng Microsoft. Một số kỹ thuật tối ưu hóa đặc thù:

Execution Plan & Query Store: Luôn phân tích Execution Plan để nhận diện các vấn đề như table scan, nested loop quá mức. Query Store cho phép theo dõi hiệu năng truy vấn theo thời gian và phát hiện regression.
Index chiến lược: SQL Server hỗ trợ Clustered Index, Non-clustered Index, Filtered Index, Columnstore Index (tối ưu cho OLAP/warehouse).
In-Memory OLTP (Hekaton): Tăng tốc các giao dịch OLTP nhờ cơ chế in-memory table, latch-free index, và compilation truy vấn gốc (native compilation).
Partitioning & Filegroups: Tách dữ liệu sang nhiều filegroup để tối ưu IO, kết hợp partition table để truy vấn nhanh hơn trên khối dữ liệu lớn.
Lock & Isolation: Sử dụng Read Committed Snapshot Isolation (RCSI) để giảm deadlock và tăng throughput đọc.

3. PostgreSQL

PostgreSQL nổi tiếng với tính năng mở rộng, tính toàn vẹn dữ liệu, và tối ưu hóa phức tạp. Các kỹ thuật chuyên sâu:

Autovacuum & Analyze: Đảm bảo dọn dẹp bloat và cập nhật statistics thường xuyên để Query Planner đưa ra quyết định tối ưu.
Index đa dạng: PostgreSQL hỗ trợ B-Tree, Hash, GiST, SP-GiST, GIN, BRIN. Ví dụ, GIN index cực mạnh cho full-text search, BRIN phù hợp cho dữ liệu log khổng lồ.
Parallel Query & JIT Compilation: PostgreSQL hỗ trợ parallelism và Just-In-Time compilation (từ v11), giúp tăng tốc đáng kể trên các truy vấn phân tích nặng.
Partitioning: Native partitioning từ v10 trở đi, hỗ trợ declarative syntax, hiệu quả hơn inheritance cũ.
Extension & FDW: Các extension như pg_stat_statements hỗ trợ theo dõi truy vấn chậm, cstore_fdw để tạo cột-lưu trữ.

4. MySQL / MariaDB

MySQL (và fork MariaDB) phổ biến trong các ứng dụng web, có tốc độ cao và hệ sinh thái rộng. Các kỹ thuật tối ưu chuyên sâu:

Engine lựa chọn: InnoDB nên là lựa chọn mặc định cho hầu hết use-case nhờ hỗ trợ transaction, row-level locking, MVCC. MyISAM chỉ nên dùng cho workload chỉ đọc.
Index & Covering Index: InnoDB tận dụng Primary Key Clustered Index. Covering Index giúp truy vấn chỉ đọc dữ liệu trong index, không cần quay lại bảng.
Partitioning: Hỗ trợ range, list, hash, key partitioning. Tuy nhiên, nên thận trọng vì hạn chế trong query optimizer.
Buffer Pool & Caching: Tối ưu InnoDB Buffer Pool (chiếm 60–70% RAM server) để giảm disk IO. Kết hợp query cache (hoặc layer caching như ProxySQL/Redis).
Replication & Sharding: Dùng replication master-slave/master-master để scale đọc, kết hợp sharding ở cấp ứng dụng để xử lý dữ liệu cực lớn.