查询一张上亿数据的MySQL表，并在不分页的情况下实现毫秒级响应，通常需要结合一系列技术和策略：

1. **数据库优化**：

- **索引设计**：为经常用于查询、排序和过滤的字段创建合适且高效的索引，例如B树索引、哈希索引或全文索引等。

- **分区表**：根据业务场景将大表进行水平或垂直分区，减少单个查询涉及的数据量。

- **存储引擎优化**：选择适合OLAP（在线分析处理）的存储引擎，如InnoDB对事务处理支持良好，而MyRocks或TokuDB等可能更适合大规模读写。

2. **硬件与架构增强**：

- **分布式部署**：采用分布式数据库系统，如TiDB（提到过的NewSQL HTAP数据库），可以在集群中分散查询负载并提供水平扩展能力。

- **高速存储**：使用SSD或者更高级别的存储设备来提升I/O性能。

- **内存加速**：利用缓存技术，如MySQL的InnoDB缓冲池或专门的内存数据库系统，将热点数据常驻内存以减少磁盘IO。

3. **查询优化**：

- **避免全表扫描**：确保每个查询都尽可能利用索引，避免不必要的全表扫描。

- **合理编写SQL**：简化查询复杂度，避免嵌套循环连接，优先考虑使用JOIN语句时的驱动表以及联接条件上的索引优化。

- **预计算与聚合**：对于频繁使用的复杂聚合查询，可以考虑使用物化视图或预计算聚合结果。

4. **HTAP解决方案**：

- 使用混合事务/分析处理（HTAP）数据库系统，它们能够同时处理事务和分析查询，比如HybridDB for MySQL，能够在一份数据上进行实时分析。

5. **实时数据同步与近实时分析**：

- 对于实时性要求高的场景，可通过数据流处理和实时分析技术，将热数据同步到一个快速响应的子系统，从而实现查询加速。

6. **列式存储与压缩**：

- 对于分析型查询，如果数据是面向列的，列式存储数据库能大幅提高查询速度，尤其在只查询部分列时，通过列压缩还能降低存储空间需求，加快磁盘IO。

总之，要实现上亿级别数据表毫秒级查询响应，往往需要综合运用上述多种策略和技术手段，并紧密结合具体业务需求和数据特点来进行定制化的数据库设计和调优。