在大数据计算平台如MaxCompute（也称为ODPS）中遇到执行速度缓慢的问题，即使增加了参数优化，仍然可能面临性能瓶颈。这种情况可能由多种因素导致，包括但不限于数据量大小、查询复杂度、集群负载、资源分配、网络延迟等。以下是一些解决MaxCompute执行缓慢问题的步骤和建议：
1. 分析查询计划
首先，查看并分析查询的执行计划（Explain Plan），这可以帮助你了解查询是如何被分解和执行的，以及是否存在不必要的全表扫描、数据倾斜等问题。
2. 优化查询逻辑
减少数据扫描：确保查询只扫描必要的表和分区。
避免复杂的JOIN和子查询：尽量使用简单的JOIN类型和子查询，或者使用WITH语句来优化复杂的子查询。
使用有效的过滤条件：在WHERE子句中添加尽可能多的有效过滤条件，以减少需要处理的数据量。
聚合和排序优化：合理使用GROUP BY和ORDER BY子句，并考虑是否可以在数据写入时就进行预聚合或排序。
3. 调整资源分配
增加资源配额：如果可能，向你的项目管理员申请增加资源配额，如CPU、内存和磁盘空间。
设置合理的优先级：在提交作业时设置合理的优先级，确保关键任务能够优先执行。
4. 分区与索引
利用分区：确保表已经根据合适的列进行了分区，这样查询时就可以只扫描相关的分区。
考虑索引：虽然MaxCompute本身不直接支持传统意义上的索引，但你可以通过设计良好的分区和表结构来模拟索引的效果。
5. 并发控制
控制并发作业数：如果可能，限制同时运行的作业数，以避免对集群资源的过度竞争。
避免高峰时段：尽量在非高峰时段运行作业，以减少集群负载和网络延迟的影响。
6. 监控与调优
监控作业状态：使用MaxCompute的控制台或API监控作业的执行状态和性能指标。
调整配置参数：根据监控结果调整查询配置参数，如Mapper和Reducer的数量、内存限制等。
7. 咨询支持
联系技术支持：如果以上步骤都无法解决问题，建议联系MaxCompute的技术支持团队，他们可以提供更专业的帮助和建议。
8. 考虑硬件升级
虽然这不是用户可以直接控制的，但如果你的组织经常遇到性能瓶颈，并且已经尝试了所有软件层面的优化措施，那么可能需要考虑升级集群的硬件资源。
请注意，解决大数据计算中的性能问题通常需要综合考虑多个方面，并根据具体情况进行定制化的优化策略。