作者介紹

孫旭，騰訊雲高階工程師。10年資料庫核心研發經驗，熟悉PostgreSQL、Teradata資料庫核心，熟悉資料庫的查詢優化、執行、事務併發以及儲存等子系統；對分散式資料庫有深入的研究和研發經驗。目前在騰訊雲從事CynosDB資料庫研發工作。

一、導語

資料庫查詢處理（Query Processing）是資料庫比較核心的技術，也是距離使用者最近的子系統。資料庫系統在除了實現事務的隔離界別外，還需要在SQL上做到一定程度的相容，因為資料庫本身就是在做查詢處理，很多的核心模組工作都是為了支援這個功能。本文將簡要介紹一下PostgreSQL的查詢處理過程。

二、關係代數與SQL（結構化查詢語言）

大家在學校學到的可能更多的是關係代數（Relational Algebra），它定義了一組在關係（Relation）上進行操作的操作符。關係代數的運算元是關係（即，資料庫中的二維表），其結果也是關係。操作符包含如下幾類：

• 集合操作符：交，並，差；

• 過濾/投影；

• 連線；

• 別名（alias）；

• 一些擴充套件的操作符，例如：分組，去重，Aggregate。

除了關係代數，還有一種描述二維關係表的操作方法：DataLog（Database Logic）。這種方式相對來說比較強大，關係代數的操作符都可以用它來表述，但是有些關係的操作是關係代數表示不了的，只能用DataLog來表述，比如：遞迴查詢。

直接使用關係代數對資料庫操作比較晦澀，難度比較高，因此，今天的商業資料庫都實現了一種更高階的查詢語言——SQL（Structured Query Language），在表達上更加簡潔易懂，也更容易學習。

實際上，在資料庫系統內部，SQL語句也是被轉化成對應關係代數的操作符，然後再進行處理，只是這些工作對終端使用者來說是不可見的。其實，關係型資料庫直接的“本地語言”是關係代數，SQL語言只是人類與關聯式資料庫進行交流的“更加便捷的”橋樑。

可能大家有疑問，為何使用SQL作為交流橋樑，而不是用C、Java或者Python作為資料庫的查詢語言？

因為一個較短的SQL可以完成千百行C或者Java的工作，特別是在訪問一些層次化的資料模型（例如：Oracle的層次查詢，一條語句可以把層次結構輸出出來；PostgreSQL的WITH-RECURSIVE語句也可以完成類似的功能）。

更加重要的是，資料庫核心在實現SQL查詢的時候，可以對SQL進行特定的優化，產生更加有效的訪問方法，這些都是高階語言不太可能具備的功能。

三、PostgreSQL查詢處理流程

從使用者在客戶端傳送一條SQL語句，經過網路傳輸給PostgreSQL進行處理、執行，其流程經過如下幾個步驟：

1、語法分析

SQL字串可以認為是一個大的正則式，語法分析來檢查這個大的“正則式”是否match定義好的規則。

在PostgreSQL中，pg_parse_query是語法分析的入口函式，實際上由scan.l（Flex檔案）以及gram.y（Bison檔案）完成語法檢查。

scan.l是詞法分析，將輸入SQL分解一個個的Token，輸入到gram.y中進行規則匹配。gram.y中定義了所有SQL型別的語法規則以及操作符的優先順序和結合律，例如，下段程式碼定義了操作符的優先順序和結合規則：

下段程式碼定了語法規則：

語法分析結束後，以查詢（SELECT）為例，返回的結構體是SelectStmt，它會作為作為語義分析模組的輸入。SelectStmt儲存了SQL語句中的各個語法子部分，例如：from子句，投影列，group子句等，從其定義可以看出更多細節：

2、語法檢查

parse_analyze()函式是這一步的入口函式，根據不同的語句型別呼叫transformXXXXStmt()函式進行分析處理。對於SelectStmt，呼叫的transformSelectStmt()，對於DeleteStmt呼叫transformDeleteStmt()。在這一步將會：

• 檢查表是否存在，列是否合法，將表、排序列、投影列等轉化為內部物件ID；
• SQL語義是否正確合法。

比如：Aggregate 函式不能用在WHERE中。如下查詢：

select 1 from x where max(x2) > 1;

調整聚集函式在適當的層次中計算，如下查詢：

select (select max(x.x2) from y) from x;

max(x.x2)在SQL語義上應該是在最外層查詢中計算，而不是將x.x2傳入到內層子查詢，在內層子查詢中計算Aggregate函式max()的值。而對於如下查詢：

select (select max(x.x2+y.x2) from y) from x;

max(x.x2+y.x2)是在內層子查詢中被計算，而不是作為外層查詢的Aggregate函式。

經過語義檢查，會將SelectStmt變形為Query結構，作為查詢重寫的輸入。Query結構包含的部分與SelectStmt類似，只不過內容更加豐富：

• 儲存的都是資料庫內部的物件資訊；

• 一些flag標記，表明是否包含：Aggregate函式、視窗函式、SubLink子查詢等；

• 確定了表示式所在的Query層次。

之前提到過，資料庫核心處理SQL時都是轉化成關係代數相關的元素，這個在Query結構體中可以看到這點：

例如：

• 關係代數的投影是：targetList；

• 關係代數的過濾/join是：jointree；

• 關係代數的Aggregate是：targetList；

• 關係代數的分組：groupClause；

• 關係代數的sort是：sortClause。

後續所有的工作都是基於上面的元素進行。

3、查詢重寫

根據使用者定義的規則對查詢進行重寫，實際是對Query結構裡面的成員進行修改或替換，這些規則可以使用CREATE RULE建立。如果使用者在查詢對應的表上沒有規則，此步跳過。

4、查詢優化

查詢優化是比較複雜子系統，通常稱這個模組是“優化器”，也用來衡量資料庫系統優秀的一個方面。在資料庫領域另一個複雜的子系統是事務處理，這裡也不做展開。

PostgreSQL在這一步的輸入是Query物件，入口函式是planner()，輸出查詢計劃（Query Plan），查詢計劃是指導查詢如何被執行以及用何種方法執行的一種結構，通常是樹形結構。

優化器做的主要工作就是對Query結構的各個語法部分，選擇較優的執行演算法，輸出較優的執行計劃。在PostgreSQL中，通常分成如下幾步：

1）子查詢處理

在PostgreSQL內部有2類的子查詢：一種在from語句後面稱為SubQuery，另一種在作為表示式的一部分，可以出現在targetList，過濾條件，連線條件中，稱為sub-link。

這兩種都可以統稱為Sub-Select，而優化器在這一步會進行Sub-Select Elimination：將子查詢上拉到頂層查詢，消除子查詢。

這樣做可以減少查詢層數，增加上層表的個數，從而增加join順序的搜尋空間，有助於找到較優的連線順序。以sub-link為例，說明一下這個步驟的工作。對於查詢：

select * from x where x.x2 in (select y.x2 from y);

PostgreSQL在這步可以將IN語句轉化成Semi-Join，原來的O(m*n)的查詢演算法簡化為O(1)HASH-JOIN演算法。

這裡執行計劃並沒有使用Hash Semi-Join，是因為inner plantree用了group hashagg進行了去重，所以原來的Semi-Join可以進一步優化為Hash Join，這種優化進一步擴大了Join順序搜尋空間。

2）執行表示式預處理

在這一步，會將targetList，過濾條件等列修改為對基表的引用；對錶達式裡面的SubLink遞迴呼叫優化器優先進行優化；計算表示式裡面的常量表示式等。

3）移除無用的GROUP BY列

如果核心可以確定GROUP BY中的一些屬性集合Y函式依賴於其他屬性集合X，那麼可以刪除GROUP BY中的屬性集合Y。函式依賴檢查工作由check_functional_grouping完成。這樣可以減少分組計算代價。

4）Reduce outer join

將某些OUTER JOIN轉化為INNER JOIN。

5）選擇優化的Join順序

在這一步完成主要完成：條件的下推，基於連線條件生成等價類，以及通過動態規劃選擇較優的JOIN順序。從整體來看，JOIN順序的選擇是Condition-Driven，而不是完全的對所有的表進行排列組合求解。例如對於查詢：

select * from r, p, q where r1 = (p1+q1) and r2=q2;

通常我們可能認為r和q在r2=q2的條件進行連線，然後與p在r1 = (p1+q1)上進行連線；但是PostgreSQL核心在也會做這樣的嘗試：將p和q進行product join，再與r在條件r1 = (p1+q1) and r2=q2;進行連線，p和q之所以可以連線完全是由r1 = (p1+q1)決定的。

6）其他子句優化處理

做完Join Plan之後，再針對GROUP BY、Aggregate、ORDER BY、LIMIT等子句進行處理。以GROUP BY為例，在PostgreSQL內部，實現GROUP BY的有2個演算法：Sort Group By以及 HashAgg Group By，通過函式cost_group以及cost_agg分別來計算二者代價，選擇較優的演算法執行。

完成這些這些步驟後，呼叫set_plan_references()以及SS_finalize_plan()函式最後處理引數和變數引用後，就可以輸出最終的查詢計劃（Execution Query Plan）了。查詢計劃由很多節點組成：投影、掃描、連線、Aggregate、GROUP BY、排序等，從這些名稱也可以看出他們就是關係代數的操作符，它們會被傳給查詢執行元件進行執行。如下查詢計劃示例：

5、查詢執行

這是查詢處理的最後一步，將優化器輸出的執行計劃，進行初始化、執行。查詢執行子系統我們一般稱為執行器。執行過程有ExecutorStart、ExecutorRun、ExecutorFinish這三個入口函式，分別完成對查詢計劃的初始化，執行，以及清理。在這個過程中會訪問資料庫的其他子系統，如：事務系統、儲存系統、日誌系統。

以上就是在PostgreSQL核心中對一個查詢處理的整個生命週期，基本可以瞭解到一個SQL字串在資料庫核心中是如何一步步被解析，直到到執行的基本過程。

上文中描述的一些方法和理論不僅僅在PostgreSQL資料庫有效，也可以推導到其他資料庫系統中。

四、PostgreSQL執行器演算法之SeqScan

上文講述了資料庫核心中查詢處理的基本流程，現在我們先展開講述執行器演算法。

資料庫的執行器包含了很多個運算元的執行演算法，比較簡單的一種就是SeqScan，就是從按照順序（一般是儲存順序）對錶進行掃描。

1、頁面結構

PostgreSQL頁面儲存與大多數資料庫的類似，包含：頁面頭，ItemId 陣列，以及Item（元組），佈局如下：

其中PageHeader包含了頁面LSN，ItemId陣列最後一個元素的頁面偏移（pd_lower），第一條元組在頁面內偏移（pd_upper），以及其他欄位。

2、順序掃描演算法

PostgreSQL的順序掃描的入口函式是SeqNext，每次執行這個函式會返回一條元組，主要工作是由heapgettup：

1）初始化掃描過程

初始化掃描過程就是設定HeapScanDesc物件，主要設定初始掃描的頁面，一般從0號頁面的第一個元組開始，即scan->rs_startblock是0。

在PostgreSQL的掃描過程有一個優化，即sync_scan，這個特性允許當前的掃描從表的中間頁面開始掃描，這個頁面是其他掃描程式填寫到共享記憶體，由ss_report_location完成，代表這些頁面剛剛被訪問過，如果當前掃描從這些頁面開始，那麼可以直接在記憶體中訪問到，從而減少儲存讀取頁面的IO次數，提升效能。

每次更新表的sync start page時，需要遍歷整個list。為了減少這個list的訪問，每隔SYNC_SCAN_REPORT_INTERVAL個頁面才去更新list，這個數值是128 * 1024 / BLCKSZ。

2）讀取頁面進行掃描

按照頁面結構掃描頁面。首先讀取頁面頭（PageHeaderData）的pd_linp成員，這是一個Offset陣列（ItemIdData），記錄了元組在頁面上的偏移（lp_off）。

後續的主要邏輯是遍歷pd_linp陣列，通過offset+page地址獲取到元組記憶體地址。然後對元組做可見性判斷。邏輯如下：

HeapTupleSatisfiesVisibility進行元組可見性判斷，PostgreSQL是MVCC實現的事務隔離，這個函式就是MVCC的入口邏輯。

3）讀取下一個頁面繼續進行掃描

繼續讀取後續頁面進行掃描。

所有的掃描狀態儲存在HeapScanDesc，下次掃描的時候，可以從上次的狀態開始。

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/69940575/viewspace-2675256/，如需轉載，請註明出處，否則將追究法律責任。