分布式数据库通过将数据分散存储在多个存储节点,以实现数据存储的水平扩展。同时也因为多个物理节点所带来高并行度的特性,性能上也有大幅度地提升。但是也正是因为数据分散的特性,分布式数据库在数据检索的过程中,往往需要将分散在多个存储节点的数据或者计算结果,并汇集传输到同一个节点（交互节点）进行统一的整合和过滤。在数据向交互节点汇集的过程中,无法避免的产生了大量的网络传输,带来了延迟。在对数据库性能分析研究中发现,数据传输所带来的延迟,在一定程度上可以抵消分布式计算带来的性能提升。所以本文基于Volcano优化器模型和Cascade优化器模型,提出基于缓存优化规则的查询优化器模型,以及两种特定场景的缓存优化规则（长事务检索优化规则和主键检索优化规则）,该模型用以减少在数据检索查询过程中,分布式数据库内部之间不必要的网络传输。在本文设计的优化器模型以及两种优化规则能在保证分布式场景下的数据一致性和数据有效性的同时,进行数据缓存优化。具体的研究内容如下:（1）通过分析分布式数据库中多种数据汇集的模式,合理选择缓存策略的应用场景。内容包括但不限于事务中数据插入更新场景、事务中数据主键查询等具体场景的底层数据收集流程。（2）在选定两种的应用场景（长事务检索查询和主键检索查询）中,提出能保证分布式场景下数据一致性的缓存优化规则。（3）通过分析Volcano优化器模型和Cascade优化器模型的设计架构,以及第二点中设计的两种缓存优化规则,提出基于缓存优化规则的查询优化器模型。本文将基于缓存优化规则的查询优化器模型应用在国产分布式数据库系统中,并通过SYSBENCH压力测试程序进行性能分析对比。测试结果表明,基于缓存优化规则的查询优化器模型下能在保证分布式场景下的数据一致性和数据正确性同时,有着更好的查询性能优势。