归纳为4类：开发交互、动态优化、Catalyst提升和框架更新
1 新的EXPLAIN格式
更加简洁清晰的执行计划展示。首行为操作符，次行为属性集合，通过id关联。
2 所有的关联类型提示
更加丰富的关联提示，用于提示catalyst行为。
3 自适应查询执行
使用运行时统计信息，主要优化参数：
调整reducer数量，用于减少资源浪费
版本2.4通过
spark.sql.suffle partitions（默认：200）固定分配，导致reducer间工作负载不均。版本3.0通过调整reducer数量达到负载均衡。默认关闭。
spark.sql.adaptive.enabledspark.sql.adaptive.coalescePartitions.enabled关联策略，用于提升性能
版本2.4通过表大小等统计信息选择关联策略，但是存在着中间结果（如中间表）信息在查询优化时不可用的情形。
版本3.0通过运行时信息选择，可以察觉中间结果信息。需要开启
spark.sql.adaptive.enabled调整分区数量，优化倾斜关联，避免工作负载不均
版本2.4执行时间取决于最大的分区
版本3.0可以自动切割较大分区。默认关闭
spark.sql.adaptive.enabledspark.sql.adaptive.skewJoin.enabled
4 动态分区裁剪
使用谓词下推避免读取不必要的分区。如大小表Broadcast Hash Join。
版本2.4中，大表无法使用小表的过滤条件。
版本3.0可以使用带有动态过滤的下推，减少读取大表的数据量
上图中在分区过滤阶段使用了动态分区裁剪。
5 加强的列裁剪和下推
列裁剪可用于提升嵌套列操作效率，通常用于LIMIT等操作。
版本2.4使用临时查询(ad hoc)实现。不是作为算子执行，先读取大多数列，再重分区，之后再裁减。如图列2
版本3.0可以应用列裁剪到所有的操作中。在一开始就应用了列裁剪。如图列1
版本2.4不支持嵌套列谓词下推，版本3.0支持。
6 聚合代码更新
在Spark中，通常Catalyst被翻译为Java代码。但是当代码量太大时，HotSpot将放弃将代码转换为本地代码，导致性能不理想，如聚合代码。
版本3.0拆分复杂代码为较小的方法，从而实现到本地代码的转换。
上图上侧为开启聚合更新的Spark代码和行数，下方为关闭后的情形。
7 新的Scala和Java
版本3.0支持新的语言版本Java 11和Scala 2.12。
Java 11是长期支持版本，到2026。在native coordination和垃圾收集上大幅提升。
参考资料
SQL Performance Improvements at a Glance in Apache Spark 3.0
