GaussDB(DWS)行执行引擎详解

1.前言

 GaussDB（DWS）包含三大引擎，一是SQL执行引擎，用来解析用户输入的SQL语句，生成执行计划，供执行引擎来执行；二是执行引擎，其中包含了行执行引擎和列执行引擎，执行引擎即查询的执行者，位于优化器和存储引擎之间，负责将数据从存储引擎中读取出来，并根据计划将数据处理加工后返回给客户端，执行引擎的目标是为了更好地利用计算资源，更快地完成计算。三是存储引擎，决定了数据库数据的存取方式，直接影响了数据库的读写性能。

 其中行执行引擎应用于行存表中，传统的OLTP（OnLine Transaction Processsing 联机事务处理）场景与功能、业务强相关，数据需要进行频繁的增删改查，这时比较适合使用行存储式。行存储的优势主要有两个方面：首先是点查性能好，在点查场景下可以直接索引到某行数据的元组位置；其次就是更新效率高，行存储在实时并发入库，并发更新方面依然有着比较大的优势。行执行引擎的关键就是：一次处理一行数据，即一tuple，适合数据频繁更新，增删改操作多，且查询结果涉及表的多列的场景。

2.行执行引擎组成

2.1 行执行框架

 行执行引擎的执行基本单位是算子，查询计划是以树的形式存在的，算子是执行树上的每个节点。每个算子需要经历初始化，执行，清理的生命周期，执行时包括递归遍历计划树的各个节点，从计划树根节点开始，递归到叶节点来获取一个tuple，经过逐层节点算子的处理，返回一个结果tuple，直到再无tuple。整体算子的执行采用Piepline模式，一次一tuple，控制流从上到下，数据流由下到上，图示实线为控制流，虚线为数据流，使用上层来驱动下层。

2.2 行执行引擎算子

 算子总共分为四类，扫描算子，控制算子，物化算子，连接算子等。对于分布式系统而言，还包括着stream算子等。

2.2.1 扫描算子

 扫描算子用来扫描表中的数据，每次获取一条元组作为上层节点的输入， 存在于查询计划树的叶子节点，它不仅可以扫描表，还可以扫描函数的结果集、链表结构、子查询结果集。一些比较常见的扫描算子如表所示。

2.2.2 连接算子

 连接算子对应了关系代数中的连接操作，以表 t1 join t2 为例，主要的集中连接类型如下：inner join、left join、right join、full join、semi join、 anti join，其实现方式包括Nestloop、HashJoin、MergeJoin；

 三类连接算子的实现方式特点：

2.2.3 物化算子

 物化算子是一类可缓存元组的节点。在执行过程中，很多扩展的物理操作符需要首先获取所有的元组才能进行操作（例如聚集函数操作、没有索引辅助的排序等），这是要用物化算子将元组缓存起来；

2.2.4 控制算子

 控制算子是一类用于处理特殊情况的节点，用于实现特殊的执行流程。

2.2.5 其他算子

 其他算子包括Stream算子，以及RemoteQuery等算子

 Stream算子主要有三种类型：Gather stream、Broadcast stream、Redistribute stream

• Gather算子: 每个源结点都将其数据发送给目标结点进行汇聚
  

• Broadcast stream: 由一个源节点将其数据发给N个目标节点进行运算
  

• Redistrubute stream: 每个源节点将其数据根据连接条件计算Hash值，根据重新计算的Hash值进行分布，发给对应的目标节点
  

3. 执行框架总结

 本文主要讲解了如下几个方面：

• 大致介绍了GaussDB(DWS)行执行引擎在整个数据库系统中的位置；
• 介绍了行执行引擎的框架；
• 最后介绍了一些常见和常用的行执行引擎相关的算子。