不管是读流量、还是写流量都可以通过添加节点快速方便的进行扩展。 TiDB 设计的目标就是针对 MySQL 单台容量限制而被迫做的分库分表的场景，或者需要强一致性和完整分布式事务 的场景。它的优势是通过尽量下推到存储节点进行并行计算。对于小表（比如千万级以下），不适合 TiDB，因为数 据量少，Region 有限，发挥不了并行的优势，最极端的就是计数器表，几行记录高频更新，这几行在 TiDB 里，会 3.4.17 使用 Raft

的性能没有 MySQL 性能那么好？ TiDB 设计的目标就是针对 MySQL 单台容量限制而被迫做的分库分表的场景，或者需要强一致性和完整分布 式事务的场景。它的优势是通过尽量下推到存储节点进行并行计算。对于小表（比如千万级以下），不适合 TiDB，因为数据量少，Region 有限，发挥不了并行的优势。其中最极端的例子就是计数器表，几行记录高频更 新，这几行在 TiDB 里，会变成存储引擎上的几个 @XuHuaiyu – 修复由于查询超出 tidb_mem_quota_query 设定的内存使用限制，导致终止查询时可能卡住的问题 #55042 @yibin87 – 修复 HashAgg 算子在并行计算过程中因落盘导致查询结果不正确的问题 #55290 @xzhangxian1008 – 修复从 YEAR 转换为 JSON 格式时 JSON_TYPE 错误的问题 #54494 @YangKeao 果没有指定行结束符，可能导致 CSV 文件数据解析异常。#37338 @lance6716 • 将变量 tidb_enable_parallel_hashagg_spill 的默认值从 ON 修改为 OFF，以避免落盘导致并行计算过 程中查询结果出错的问题。对于从 v8.0.0 或 v8.1.0 升级到 v8.1.1 的集群，升级后该变量会保持之前的默认 值 ON，建议将其手动修改为 OFF。#55290 @xzhangxian1008

的性能没有 MySQL 性能那么好？ TiDB 设计的目标就是针对 MySQL 单台容量限制而被迫做的分库分表的场景，或者需要强一致性和完整分布 式事务的场景。它的优势是通过尽量下推到存储节点进行并行计算。对于小表（比如千万级以下），不适合 TiDB，因为数据量少，Region 有限，发挥不了并行的优势。其中最极端的例子就是计数器表，几行记录高频更 新，这几行在 TiDB 里，会变成存储引擎上的几个 @XuHuaiyu – 修复由于查询超出 tidb_mem_quota_query 设定的内存使用限制，导致终止查询时可能卡住的问题 #55042 @yibin87 – 修复 HashAgg 算子在并行计算过程中因落盘导致查询结果不正确的问题 #55290 @xzhangxian1008 – 修复从 YEAR 转换为 JSON 格式时 JSON_TYPE 错误的问题 #54494 @YangKeao 果没有指定行结束符，可能导致 CSV 文件数据解析异常。#37338 @lance6716 • 将变量 tidb_enable_parallel_hashagg_spill 的默认值从 ON 修改为 OFF，以避免落盘导致并行计算过 程中查询结果出错的问题。对于从 v8.0.0 或 v8.1.0 升级到 v8.1.1 的集群，升级后该变量会保持之前的默认 值 ON，建议将其手动修改为 OFF。#55290 @xzhangxian1008

的性能没有 MySQL 性能那么好？ TiDB 设计的目标就是针对 MySQL 单台容量限制而被迫做的分库分表的场景，或者需要强一致性和完整分布 式事务的场景。它的优势是通过尽量下推到存储节点进行并行计算。对于小表（比如千万级以下），不适合 TiDB，因为数据量少，Region 有限，发挥不了并行的优势。其中最极端的例子就是计数器表，几行记录高频更 新，这几行在 TiDB 里，会变成存储引擎上的几个 果没有指定行结束符，可能导致 CSV 文件数据解析异常。#37338 @lance6716 • 将变量 tidb_enable_parallel_hashagg_spill 的默认值从 ON 修改为 OFF，以避免落盘导致并行计算过 程中查询结果出错的问题。对于从 v8.0.0 或 v8.1.0 升级到 v8.1.1 的集群，升级后该变量会保持之前的默认 值 ON，建议将其手动修改为 OFF。#55290 @xzhangxian1008 MQ) 或 存 储 服 务 时 直 接 输 出 原 始 事 件 #11211 @CharlesCheung96 16.6.1.4 错误修复 • TiDB – 修复 HashAgg 算子在并行计算过程中因落盘导致查询结果不正确的问题 #55290 @xzhangxian1008 – 修复当 SQL 异常中断时，INDEX_HASH_JOIN 无法正常退出的问题 #54688 @wshwsh12

的性能没有 MySQL 性能那么好？ TiDB 设计的目标就是针对 MySQL 单台容量限制而被迫做的分库分表的场景，或者需要强一致性和完整分布 式事务的场景。它的优势是通过尽量下推到存储节点进行并行计算。对于小表（比如千万级以下），不适合 TiDB，因为数据量少，Region 有限，发挥不了并行的优势。其中最极端的例子就是计数器表，几行记录高频更 新，这几行在 TiDB 里，会变成存储引擎上的几个 • TiFlash 引入新的存储格式 PageStorage V3，提升稳定性和性能。 • 实现细粒度数据交换 (shuffle) 使窗口函数 (Window function) 可以利用多线程并行计算。 • 引入新的 DDL 并行执行框架，减少 DDL 阻塞，大幅提升执行效率。 • TiKV 支持自适应调整 CPU 使用率，确保数据库稳定高效运行。 • 支持point-in-time recovery 手动调整的方法，进而提升此场景下的 SQL 性能。 用户文档 #36209 @time-and-fate • 支持窗口函数下推到 TiFlash 进行多线程并行计算 通过实现执行过程中的细粒度的数据交换 (shuffle) 能力，窗口函数的计算由单线程变为多线程并行计算， 成倍降低查询响应时间。此性能改进不改变用户使用行为。你可以通过控制变量tiflash_fine_grained �→ _shuffle_batch_size

的性能没有 MySQL 性能那么好？ TiDB 设计的目标就是针对 MySQL 单台容量限制而被迫做的分库分表的场景，或者需要强一致性和完整分布 式事务的场景。它的优势是通过尽量下推到存储节点进行并行计算。对于小表（比如千万级以下），不适合 TiDB，因为数据量少，Region 有限，发挥不了并行的优势。其中最极端的例子就是计数器表，几行记录高频更 新，这几行在 TiDB 里，会变成存储引擎上的几个 • TiFlash 引入新的存储格式 PageStorage V3，提升稳定性和性能。 • 实现细粒度数据交换 (shuffle) 使窗口函数 (Window function) 可以利用多线程并行计算。 • 引入新的 DDL 并行执行框架，减少 DDL 阻塞，大幅提升执行效率。 • TiKV 支持自适应调整 CPU 使用率，确保数据库稳定高效运行。 • 支持point-in-time recovery 手动调整的方法，进而提升此场景下的 SQL 性能。 用户文档 #36209 @time-and-fate • 支持窗口函数下推到 TiFlash 进行多线程并行计算 通过实现执行过程中的细粒度的数据交换 (shuffle) 能力，窗口函数的计算由单线程变为多线程并行计算， 成倍降低查询响应时间。此性能改进不改变用户使用行为。你可以通过控制变量tiflash_fine_grained �→ _shuffle_batch_size

的性能没有 MySQL 性能那么好？ TiDB 设计的目标就是针对 MySQL 单台容量限制而被迫做的分库分表的场景，或者需要强一致性和完整分布 式事务的场景。它的优势是通过尽量下推到存储节点进行并行计算。对于小表（比如千万级以下），不适合 TiDB，因为数据量少，Region 有限，发挥不了并行的优势。其中最极端的例子就是计数器表，几行记录高频更 新，这几行在 TiDB 里，会变成存储引擎上的几个 • TiFlash 引入新的存储格式 PageStorage V3，提升稳定性和性能。 • 实现细粒度数据交换 (shuffle) 使窗口函数 (Window function) 可以利用多线程并行计算。 • 引入新的 DDL 并行执行框架，减少 DDL 阻塞，大幅提升执行效率。 • TiKV 支持自适应调整 CPU 使用率，确保数据库稳定高效运行。 • 支持point-in-time recovery 手动调整的方法，进而提升此场景下的 SQL 性能。 用户文档 #36209 @time-and-fate • 支持窗口函数下推到 TiFlash 进行多线程并行计算 通过实现执行过程中的细粒度的数据交换 (shuffle) 能力，窗口函数的计算由单线程变为多线程并行计算， 成倍降低查询响应时间。此性能改进不改变用户使用行为。你可以通过控制变量tiflash_fine_grained �→ _shuffle_batch_size

的性能没有 MySQL 性能那么好？ TiDB 设计的目标就是针对 MySQL 单台容量限制而被迫做的分库分表的场景，或者需要强一致性和完整分布 式事务的场景。它的优势是通过尽量下推到存储节点进行并行计算。对于小表（比如千万级以下），不适合 TiDB，因为数据量少，Region 有限，发挥不了并行的优势。其中最极端的例子就是计数器表，几行记录高频更 新，这几行在 TiDB 里，会变成存储引擎上的几个 • TiFlash 引入新的存储格式 PageStorage V3，提升稳定性和性能。 • 实现细粒度数据交换 (shuffle) 使窗口函数 (Window function) 可以利用多线程并行计算。 • 引入新的 DDL 并行执行框架，减少 DDL 阻塞，大幅提升执行效率。 • TiKV 支持自适应调整 CPU 使用率，确保数据库稳定高效运行。 • 支持point-in-time recovery 手动调整的方法，进而提升此场景下的 SQL 性能。 用户文档 #36209 @time-and-fate • 支持窗口函数下推到 TiFlash 进行多线程并行计算 通过实现执行过程中的细粒度的数据交换 (shuffle) 能力，窗口函数的计算由单线程变为多线程并行计算， 成倍降低查询响应时间。此性能改进不改变用户使用行为。你可以通过控制变量tiflash_fine_grained �→ _shuffle_batch_size

的性能没有 MySQL 性能那么好？ TiDB 设计的目标就是针对 MySQL 单台容量限制而被迫做的分库分表的场景，或者需要强一致性和完整分布 式事务的场景。它的优势是通过尽量下推到存储节点进行并行计算。对于小表（比如千万级以下），不适合 TiDB，因为数据量少，Region 有限，发挥不了并行的优势。其中最极端的例子就是计数器表，几行记录高频更 新，这几行在 TiDB 里，会变成存储引擎上的几个 • TiFlash 引入新的存储格式 PageStorage V3，提升稳定性和性能。 • 实现细粒度数据交换 (shuffle) 使窗口函数 (Window function) 可以利用多线程并行计算。 • 引入新的 DDL 并行执行框架，减少 DDL 阻塞，大幅提升执行效率。 • TiKV 支持自适应调整 CPU 使用率，确保数据库稳定高效运行。 • 支持point-in-time recovery 手动调整的方法，进而提升此场景下的 SQL 性能。 用户文档 #36209 @time-and-fate • 支持窗口函数下推到 TiFlash 进行多线程并行计算 通过实现执行过程中的细粒度的数据交换 (shuffle) 能力，窗口函数的计算由单线程变为多线程并行计算， 成倍降低查询响应时间。此性能改进不改变用户使用行为。你可以通过控制变量tiflash_fine_grained �→ _shuffle_batch_size

的性能没有 MySQL 性能那么好？ TiDB 设计的目标就是针对 MySQL 单台容量限制而被迫做的分库分表的场景，或者需要强一致性和完整分布 式事务的场景。它的优势是通过尽量下推到存储节点进行并行计算。对于小表（比如千万级以下），不适合 TiDB，因为数据量少，Region 有限，发挥不了并行的优势。其中最极端的例子就是计数器表，几行记录高频更 新，这几行在 TiDB 里，会变成存储引擎上的几个 • TiFlash 引入新的存储格式 PageStorage V3，提升稳定性和性能。 • 实现细粒度数据交换 (shuffle) 使窗口函数 (Window function) 可以利用多线程并行计算。 • 引入新的 DDL 并行执行框架，减少 DDL 阻塞，大幅提升执行效率。 • TiKV 支持自适应调整 CPU 使用率，确保数据库稳定高效运行。 • 支持point-in-time recovery 手动调整的方法，进而提升此场景下的 SQL 性能。 用户文档 #36209 @time-and-fate • 支持窗口函数下推到 TiFlash 进行多线程并行计算 通过实现执行过程中的细粒度的数据交换 (shuffle) 能力，窗口函数的计算由单线程变为多线程并行计算， 成倍降低查询响应时间。此性能改进不改变用户使用行为。你可以通过控制变量tiflash_fine_grained �→ _shuffle_batch_size