为了方便用户操作Transactional Table 2.0，MaxCompute计算引擎对SQL全套的数据查询DQL语法和数据操作DML语法进行了支持，并且SQL引擎内核模块包括Compiler、Optimizer、Runtime等都做了专门适配开发以支持相关功能和优化。本文为您介绍数据查询DQL和数据操作DML的架构设计核心要点。
数据查询DQL
在功能支持上，主要针对TimeTravel查询和增量查询的场景进行了适配开发优化。
在查询效率上，跟查询普通表最大的不同在于，读取源表数据文件时，可能会涉及大量DeltaFile的合并以及数据历史中间状态的消除，详情可参见TimeTravel查询设计，从而极大影响读取效率，因此对于查询频率和效率要求比较高的业务场景，设置合理的周期做Compaction操作是有必要的，能够有效减少DeltaFile的数量和消除数据中间状态，从而极大提升查询效率，但Compaction操作本身也有计算和存储成本，因此，这些策略存在一定的tradeoff，用户需要结合自己的场景配置合理的策略。
从节省计算成本的角度，还需要特别说明一个典型场景，在后付费的SQL查询场景中，由于Transactional Table 2.0源表数据可能存在大量中间状态的记录，即Update/Delete记录，而Storage Reader会读取出来所有的中间状态记录进行Merge，只输出最后状态的记录参与后续的计算，但计算费用使用的Size是按照真正读取的IO量来计算的，这会包含中间状态记录的Size，为了有效节省查询的计算费用，对于Update/Delete比较频繁，且查询比较多的场景，也推荐及时做COMPACTION操作来消除中间状态，这样真正读取的IO Size会减少很多，从而节省整体查询费用，也能提高查询性能。
数据操作DML
数据批量写入以及数据批量修改，都可通过SQL DML执行。SQL引擎对于操作Transactional Table 2.0的DML语法也是做了专门的改造开发，包括特定语法的解析，特定算子的Planner优化，针对pk列的去重逻辑，以及runtime构造Upsert格式数据并发写入等等。
数据处理完成之后，会由Meta Service来执行事务冲突检测，原子更新数据文件元信息等，保障读写隔离和事务一致性，详情请参考事务管理。
- 本页导读 （1）