cmu15545笔记-查询执行（Query Excution）

目录

• 执行模型
  • Iterator Model
  • Materialization Model
  • Vectoriazation Model
  • 对比
• 数据访问方式
  • Sequential Scan
  • Index Scan
  • Multi-Index Scan
• Halloween Problem
• 表达式求值

执行模型

执行模型（Processing Model）定义了数据库系统如何执行一个查询计划。

Iterator Model

基本思想：采用树形结构组织操作符，然后中序遍历执行整棵树，最终根结点的输出就是整个查询计划的结果。

每个操作符（Operator）实现如下函数：

• Next()
  • 返回值：一个tuple或者EOF。
  • 执行流程：循环调用孩子结点的Next()函数。
• Open()和Close()：类似于构造和析构函数。

输出从底部向顶部（Bottom-To-Top）汇聚，且支持流式操作，所以又称为Valcano Model，Pipeline Model。

Materialization Model

基本思想：操作符不是一次返回一个数据，暂存下所有数据，一次返回给父结点。

相比于Iterator Model，减少了函数调用开销，但是中间结果可能要暂存磁盘，IO开销大。

可以向下传递一些暗示（hint），如Limit，避免扫描过多的数据。

更适用于OLTP而不是OLAP。

Vectoriazation Model

基本思想：操作符返回一批数据。

结合了Iterator Model和Materialization Model的优势，既减少了函数调用，中间结果又不至于过大。

可以采用SIMD指令加速批数据的处理。

对比

特性	Iterator Model	Materialization Model	Vectorization Model
数据处理单位	单条记录（tuple-at-a-time）	整个中间结果（table-at-a-time）	批量记录（vector/batch-at-a-time）
性能	函数调用开销高，效率低	延迟高，内存/I/O 开销大	函数调用开销低，SIMD 加速性能优异
内存使用	内存需求低	内存需求高	中等
I/O 开销	低	高	中等
缓存利用率	差	差	高
复杂性	实现简单	中等	实现复杂
适用场景	小型数据集，流式处理	中间结果复用的复杂查询	大型数据集，需高性能计算的场景

数据访问方式

主要有三种数据访问方式：

1. 全表扫描（Sequential Scan）
2. 索引扫描（Index Scan）
3. 多索引扫描（Multi-Index Scan）

Sequential Scan

全表扫描的优化手段：

Data Skipping方法：

1. 只需要大致结果：采样估计。
2. 精确结果：Zone Map

Zone Map基本思想：化整为零，提前对数据页进行聚合。

执行 Select * From table Where val > 600时，下面的页可以直接跳过。

Index Scan

如何确定使用哪个索引：数据分布。

Multi-Index Scan

基本思想：根据每个索引上的谓词，独立找到满足条件的数据记录（Record），然后根据连接谓词进行操作（并集，交集，差集等）。

Halloween Problem

对于UPDATE语句，需要追踪更新过的语句，否则会出现级联更新的问题。

<999, Andy>执行更新，走索引扫描：

1. 移除索引
2. 更新Tuple，<1099, Andy>
3. 插入索引
4. （约束检查）

此时，如果不对<1099, Andy>进行标记，他满足Where子句，会被重新更新一次。

表达式求值

基本思想：采用树形结构，构建表达式树，用中序遍历方式执行所有求值动作，根结点的求值结果就是最终值。

数据库中哪些地方采用了树结构：

• B+树：存储。
• 树形结构+中序遍历求值：查询计划，表达式求值。

优化手段：JIT Compilatoin。将热点表达式计算结点视为函数，编译为内联机器码，而不是每次都遍历结点。