关系型数据库查询中的优化确保数据检索和操作尽可能高效地进行。当执行查询时，数据库必须决定访问和处理数据的最佳方式，这涉及到评估多个执行计划。例如，连接两个表的查询可以通过扫描一个表并使用另一个表的索引来处理，或者通过对两个表进行全扫描来处理。优化器的作用是估算每种方法的成本（基于数据大小、索引和硬件资源等因素），并选择计算开销最低的计划。没有优化，即使是简单的查询也可能花费数量级以上的时间才能完成，尤其是在数据集不断增长的情况下。
优化器通过分析查询结构、可用索引以及数据的统计元数据来实现这一目标。例如，如果查询包含一个通过特定值过滤行的 WHERE 子句，优化器可能会使用该列上的索引来快速定位匹配的行，而不是扫描整个表。类似地，在连接表时，它会根据数据集的大小和现有索引决定使用嵌套循环连接（nested loop join）、哈希连接（hash join）还是合并连接（merge join）。表行数、不同值分布和索引选择性等统计信息有助于优化器做出明智的决策。例如，如果一个表有 10,000 行，但某列中只有 5 个不同的值，优化器可能会在某些查询中避免使用该列上的索引，因为它不够有选择性。
开发者可以通过编写与数据库优势相符的查询来影响优化。例如，避免在 SELECT * 中使用不必要的列，在 WHERE 子句中使用索引列，以及构建连接以利用主键/外键关系。执行计划分析工具（例如 PostgreSQL 中的 EXPLAIN）可帮助开发者了解优化器如何解释其查询，从而让他们能够调整模式或重写查询以获得更好的性能。虽然现代数据库大多能自动处理优化，但糟糕的模式设计或过于复杂的查询仍然可能导致次优计划。定期维护索引、更新统计信息和测试替代查询结构是确保优化器有效工作的实用步骤。