SQL 執行 - 執行器最佳化

// RunFilter runs a filter  expression and returns whether the filter passes.
func RunFilter(filter tree.TypedExpr, evalCtx *tree.EvalContext)(bool, error){
    if filter == nil{
        return true, nil
    }
    
    d, err := filter.Eval(evalCtx)
    if err != nil{
        return false,err
    }
    return d == tree.DBoolTrue, nil
}

SelectIntGreaterThanInt Operator 在獲取 People 表 的 batch 後將選擇所有 Age 大於 30 的值；然後，這個新的 sel_age batch 將傳遞給 ProjectSubIntInt Operator，該 Operator 執行簡單的減法以生成 tmp batc h；最後，這個 tmp batch 被傳遞給 ProjectMultIntInt Operator，該 Operator 計算最終的 Bonus=（Age - 30）* 50。

為了具體實現這些向量化 Operator，KaiwuDB 將流程分解為單個列上的緊密 for 迴圈。以下的程式碼段（有刪減）實現了 SelectIntGreaterThanInt Operator 的部分功能。該函式從其子項 Operator 中檢索 batch，並迴圈訪問列的每個元素，同時將大於 30（p.constArg）   的值選中標記。然後，將 batch 及其選中向量返回給父級 Operator 進行進一步處理。這段程式碼雖然簡單但卻非常有效，for 迴圈迭代了一個 int64 的切片，將每個切片元素與另一個 int64 常量進行比較，並將結果儲存在另一個 int32 切片中，從而實現了一個快速的迴圈。

func (p *selGTInt64Int64Const0p) Next(ctx context,Context) coldata,Batch {
    // In order to inline the templated code of overloads, we need to have a
    // 'decimalScratch' local variable of type 'decimalOverloadScratch'.
    decimalScratch := p.decimalScratch
    // However, the scratch is not used in all of the selection operators, so
    // we add this to go around "unused" error.
    _ = decimalScratch
    for{
        batch := p.input.Next(ctx)
        if batch.Length() == 0 {
          return batch
    }
    vec := batch.ColVec(p.colIdx)
    col := vec.Int64()
    var idx int
    n := batch.Length()
    if sel := batch,Selection(); sel != nil {
      sel = sel[:n]
      for _, i := range sel {
        var cmp bool
        arg := col[i]
        {
          var cmpResult int
          {
            a, b := int64(arg), int64(p.constArg)
            if a < b {
              cmpResult = -1
            } else if a > b {
              cmpResult = 1 
            } else {
              cmpResult = 0
            }
          }
          cmp = cmpResult > 0
        }
        isNull := false
        if cmp && !isNull{
          sel[idx] = i
          idx++
        }
      }
    }
    if idx > 0 {
      batch.SetLength(idx)
      return batch
    }
  }
}

KaiwuDB 使用 kv 儲存引擎 rocksdb 作為底層儲存。透過從儲存讀取行後將行轉換為列式資料的 batch，然後將這些 batch 送到向量化執行引擎中處理，對於處理大量資料時有可觀的效能提升，但在資料量小時向量化是沒有優勢的，因為向量化的過程會帶來額外的開銷。

因此，面向行的執行模型可以為聯機事務處理（OLTP）查詢提供良好的效能，而向量化執行模式往往更適用於涉及海量資料的聯機分析處理（OLAP）查詢。KaiwuDB 在執行計劃時會根據估計的 tablereader 輸出的最大行數，與 SessionData 中的 VectorizeRowCountThreshold 欄位比較來判斷是否需要向量化執行。

KaiwuDB 預設開啟向量化執行引擎，使用者也可以選擇關閉。關閉和開啟向量化執行引擎可以透過 SET 進行設定，如下圖所示。除此之外，使用 EXPLAIN(VEC)語句可用於檢視查詢的向量化執行計劃。

透過 SET 設定關閉向量化執行引擎