CMU Database Systems - Query Processing

Query Model

Query处理有三种方式，

首先是Iterator model，这是最基本的model，又称为volcano，pipeline模式

他是top-down的模式，通过next函数去逐层获取tuple

好处是比较简单，并且很容易做limit

iterator的例子，

输出一个数据，从top开始调用next，这里第二步需要join，建hashtable，需要把3的数据全部读取上来

第二种方式，materialization model

反其道，这是一种bottom-up的方式，每个把数据都准备好后，往上传递

这种方式，明显适合TP，对于AP会产生大量的中间结果，

而且不好控制limit，limit1，底下节点可能也要把所有的数据都读出来

Materailization Model的例子，

多了个out，来记录返回的全量结果

Vectorization Model

向量化模型，iterator的时候每次取一个batch，而不是一个tuple

这样大大降低next的调用频率，而且可以更好的利用SIMD进行并行处理

Vectorization Model的例子，

加上对out大小的判断以形成batch

3种模型的区别如下，

Access Methods

刚刚的查询计划里面，只是说读取数据，但是没有怎么说如何读取数据

Access Methods就是说明如何从数据库中读取数据的

Access Methods也有三种，

Sequentail Scan，Index Scan， Multi-Index/'Bitmap' Scan

Sequential Scan

顺序读，就是一个个page这么读过去，然后用一个内部的cursor去记录读到哪儿了

顺序读会比较慢，但有时是无法避免的

优化的方法如下，

预取，并行化，bypass bufferPool，都是前面说过的优化

Zone Maps

在每个page上加上一些统计信息，又称为pre-computed aggregates

这样我就可以根据这个信息来判断是否需要读这个page

Late Materialization

这个只能用于列存，因为列存才能一次读一列，

所以在前两个过滤条件上，我们只需要把offset传上来，不需要原始数据

到最后一步，才需要把C这一列真正的materialization出来

Heap Clustering

Tuples在pages中是按照clustering index排序的，所以根据clustering index进行query是非常高效的

但是如果要按非clustered index的字段进行排序，就是比较低效的

因为tuples会分布在不同的pages中，你需要混着读

一个优化是，把所有要读的tuples按page id进行排序，然后一个个page顺序读过来会比较高效

Index Scan

关键就是如何pick合适的index来进行查询，这个比较复杂，在后面会详细描述

Multi-index Scan

同时用多个index进行索引，

然后对多个索引的结果集，进行union和intersect，最终得到结果

intersection往往通过bitmaps，hash tables，bloom filters来实现，所以有时也称为Bitmap Scan

Expression Evaluation

SQL中的表达式，可以通过expression tree来表示，这种方式很灵活，但是性能比较差，所以比较高效的方式是直接codegen