深入浅出openGauss的执行器基础-六虎

火山模型

履行器各个算子解耦合的基础。关于每个算子来说，只要三步：

向自己的孩子拿一个 tuple。即调用孩子节点的 Next 函数；
履行核算；
向上层回来一个 tuple。即当时节点 Next 函数的回来成果。

所以整个履行器的内核能够用下面这个伪代码来表达。

ExecutePlan
{
for (;;)
slot = ExecProcNode(planstate);
------->if (node->chgParam != NULL)
           ExecReScan(node);
        result= g_execProcFuncTable[index](node)  // 表驱动，每个算子不同的履行函数
        return result;
if (TupIsNull(slot)) {
   ExecEarlyFreeBody(planstate);
   break;
}
// 回来给前端
}

这种模型的好处是：

规划简略，算子解耦，互相不依赖；
内存运用量小，没有物化的情况下，每次只耗费一个 tuple 的内存。

Tuple 数据结构规划

两个算子之间的传递的都是 tuple。所以 Tuple 数据结构是整个履行器的中心，也是履行器和存储引擎交互的数据结构。

先看下几个详细数据结构之间的联系（附上关键的变量，非悉数）

// 存在磁盘上的数据结构，是 header + 数据 的一片接连内存。规划要求尽或许紧凑，节省存储空间。
// 只要业务信息等，其它比方长度、每一列开端地址等都不会直接存，而是算出来的。
HeapTupleHeaderData
    t_xmin; // 业务信息
    t_xmax;
    t_cid;
    t_ctid;
    ...
// 磁盘上的 Tuple 数据结构过于紧凑，不好用。所以规划了内存中一个 tuple 的目标，会存一些额外（冗余）的元数据信息方便处理。
// 数据和元数据能够不接连。这个数据结构一般是存储引擎内部用，比方可见性判别等。   
HeapTupleData
    t_len; // 数据长度
    tupTableType；// store 类型
    t_self; // ctid
    t_tableOid;
    ...
    HeapTupleHeader t_data;  // tuple header data 的地址
// 能够理解为 Tuple 槽位，履行器用。存储引擎不关心详细每一列的内容，只关心业务、长度等公共信息。
// 而履行器或许需求拜访每一列，所以在这里把 tuple 进一步拆解开。
TupleTableSlot
    Tuple tts_tuple;   // 物理 tuple 方位（HeapTupleData）；虚拟 tuple 的话为 null。
    TupleDesc tts_tupleDescriptor;
    Buffer tts_buffer;
    Datum* tts_values; // 数组，表明每一列的值（假如是 int 便是值，假如是 varchar 便是地址）
    bool* tts_isnull;  // 数组，表明每一列是否是 null
    TableAmType tts_tupslotTableAm  // 处理物理 tuple 的函数（astore 和 ustore 不同）

以上图为例，最基层的 seqscan，会调用存储引擎的heap_getnext函数（astore）。

// 代码顶用的函数指针，实践调用栈如下
ExecScanFetch
--->SeqNext
--------->seq_scan_getnext_template    // 存储引擎入口
                 tuple =  (Tuple)heap_getnext  // 拿到 HeapTuple
                 // 组装TupleTableSlot，可是 attr 的值还没置上，得在 heap_slot_getattr 里设置。
                 heap_slot_store_heap_tuple(htup, slot, scan->rs_cbuf, false, false); 
heap_getnext
   ---> heapgettup
              HeapTuple tuple = &(scan->rs_ctup);   // tuple 是 scan 结构体中的变量。
              LockBuffer(scan->rs_base.rs_cbuf, BUFFER_LOCK_SHARE);  // 锁住 buffer
              dp = (Page)BufferGetPage(scan->rs_base.rs_cbuf);
              lpp = HeapPageGetItemId(dp, line_off);
              tuple->t_data = (HeapTupleHeader)PageGetItem((Page)dp, lpp);  // t_data 的地址便是 buffer 中的地址
              ItemPointerSet(&(tuple->t_self), page, line_off);  // 设置 tuple 中的一些变量
              valid = HeapTupleSatisfiesVisibility(tuple, snapshot, scan->rs_base.rs_cbuf);  // 用作可见性判别
        return  &(scan->rs_ctup);
// 把物理 tuple 中的数据，仿制到 tupleTableSlot 中。这里是 astore 的解析函数，ustore 不一样。
heap_slot_getattr
    // 中心思想是运用 TupleDesc 知道表的界说，然后从0 开端一个 attr 一个 attr 地解析。
    // 关于定长字段，直接按地址取值；关于变长字段，长度会存在原始的数据头中。
    // 因而，之前的物理 tuple 不需求存长度这种信息；同时，也需求 tupleTableSlot 这样的变量来缓存详细数据的开端地址。

以上便是存储引擎和履行引擎之间 tuple 怎样交互的。总结下便是存储引擎会把实践数据地点的地址传给上层，终究履行引擎拿到的结构体为TupleTableSlot。

所以，履行引擎只关心TupleTableSlot这一个结构体即可。

一个很自然的问题便是，假如算子之间的 Tuple 都是深仿制传递，关于较大的 tuple 来说（包含 varchar 类型），功能很差。因而，PG 中的 tuple 分了4类（详见头文件tuptable.h）：

第一类 tuple 是 Disk buffer page 上的 physical tuple，便是前文的 HeapTuple。Buffer 一定要 pin 住。这种 Tuple 能够直接根据头地址进行拜访。
内存中的组装的tuple，格式和文件上 tuple 彻底一样，也是进行过紧缩。这种也算是 physical tuple，能够直接用地址。
Minimal physical tuple，也是内存中的，仅有区别在于没有体系列（xmin、xmax 等）。
virtual tuple，只记载每一个属性数据的地址，并没有深仿制，而是直接经过地址来拜访。现在约定的是，当一个算子向上层吐一个 tuple，直到它下次被调用时，该tuple地点的内存不会被开释。

关于查询来说，第一类和第四类最为常见。2、3两类会在物化的时候运用，比方 CTEScan、HashJoin 树立 hash 表的时候，相当于深仿制。功能比较敏感的场合，尽量避免2、3类 tuple的运用。

slot 的创立一般经过ExecAllocTableSlot、ExecSetSlotDescriptor两个函数来分配内存和初始化信息。在履行器初始化阶段，每个算子会分配相应的 slot。

以上图为例，

SeqScan 算子有一个 tupleTableSlot，是一个 physical tuple，指向的是 Buffer 中的地址。

向上层回来自己的 tuple slot；
HashJoin 一个一个拿到内表的 tuple slot，需求树立 hash 表，所以创立了一个 minimal physical tuple，仿制内表的 tuple 内容；
Hash表树立后，HashJoin 算子然后一个一个拿到表面的 tuple slot，做 join 核算。

HashJoin 自己有一个 tuple slot，假如碰到匹配，则把自己的 tuple slot 设置成 virtual tuple，其间的 tts_values 指向的是孩子节点的 tuple 中的地址。

再向上回来。

其间，表面的内容指向的是 Buffer 上的physical tuple, 内表的内容指向的是 hash 表中的 minimal physical tuple；
当 HashJoin 被再次调用时，它会重置 tuple slot。由于是 virtual tuple，所以没做任何事情。然后 HashJoin 会调用 SeqScan 拿下一条tuple；
SeqScan 被再次调用时，也会重置 tuple slot。

由于是 physical tuple，它需求开释之前的 Buffer。

（当然，假如一向是同一个 Buffer 不会反复 pin/unpin，这是存储引擎的优化）。

条件核算

Expr 和 Var

履行器每个算子会对底下传上来的 tuple 进行核算和过滤。比方 NestLoop 需求核算内表面传上来的 tuple 是否满足 join 条件。

这时候需求引出第二个重要的概念，表达式的笼统。个人理解，任何对数据的获取操作都能够认为是表达式。

Var/Const 也是表达式的一种。Var 表明直接从 tuple 中获取数据，Const 表明的是直接获取一个常数。

每一个表达式会对应一个 ExprContext，ExprContext 中会记载核算所需求的一切数据，一般是孩子节点回来的 tuple。

表达式自身，在履行器顶用 ExprState 来表明。里边重点是表达式的核算函数

// 由于当时履行模型中，每个算子最多只要两个孩子节点，所以下面三个变量用的最多。
struct ExprContext {
    TupleTableSlot* ecxt_scantuple;  // scan 算子会用到
    TupleTableSlot* ecxt_innertuple;   // 非 scan 算子如 join
    TupleTableSlot* ecxt_outertuple;
    ...
}
// 表达式核算的结构体
struct ExprState {
    Expr* expr;  // 原始的表达式
    ExprStateEvalFunc evalfunc;  // 表达式对应的函数
}
// 履行器开端阶段，会经过优化器传过来的 Expr，初始化 ExprState 结构
ExecInitExpr {
    case T_Var:
        ExecInitExprVar
            state = (ExprState *)makeNode(ExprState);
            state->evalfunc = ExecEvalScalarVar;  // 内部实现是直接去取对应 tuple slot 上的 attr
    case T_OpExpr:
        FuncExprState* fstate = makeNode(FuncExprState);
        fstate->xprstate.evalfunc = (ExprStateEvalFunc)ExecEvalOper; // 内部实现是先递归调用 ExecEvalExpr， 获取参数列表，再调用 function
        fstate->args = (List*)ExecInitExpr((Expr*)opexpr->args, parent);
}

总结下，ExprState结构体表明表达式核算的逻辑，ExprContext结构体表明的是表达式核算要用到的数据。

从 OpExpr 能够看出，ExprState 自身也是一棵树。一向递归调用 ExecEvalExpr 来获取终究的成果。

需求留意的是，履行树中除了叶子节点上的扫描节点，其它节点的数据都来源于孩子节点。

所以，这些核算节点上的 Var，不能直接指向某个 table，而是需求指向的是内表还是表面的 tuple slot。

因而，在优化器终究的阶段，set_plan_refs函数中，会把中间节点的 Var 的 varno 改写成特定的值。

而 Var 的表达式处理函数ExecEvalScalarVar也是根据这个信息决定去找 ExprContext 中的哪个 tuple slot。

表达式如下：

示例1 filter

以 SeqScan 为例，在优化器阶段， SeqScan 上会有一个 qual，表明过滤条件。在履行器阶段会生成一个对应的 ExprState，用于核算。

// 履行器初始化阶段，会根据优化器里的 Expr 构造 ExprState
ExecInitSeqScan
    InitScanRelation
        node->ps.qual = (List*)ExecInitQualWithTryCodeGen((Expr*)node->ps.plan->qual, (PlanState*)&node->ps, false);
// 履行阶段
ExecSeqScan
    ExecScan
        qual = node->ps.qual;
        slot = ExecScanFetch(node, access_mtd, recheck_mtd);  // 从存储引擎那里拿到 slot
        econtext->ecxt_scantuple = slot;   // 设置好 ExprContext
        ExecNewQual(qual, econtext)   // 调用 ExprState 进行核算
            ret = ExecEvalExpr((ExprState*)qual, econtext, &isNull, NULL);
            return DatumGetBool(ret);

示例2 join

以 Nestloop 为例，优化器结束的时候，join 节点会有一个 joinqual 表明 join 条件。

ExecInitNestLoop
    nlstate->js.joinqual = (List*)ExecInitQualWithTryCodeGen((Expr*)node->join.joinqual, (PlanState*)nlstate, false);
ExecNestLoop
    // 拿到内表面的 tuple slot，设置在 ExprContext 上
    econtext->ecxt_innertuple =ExecProcNode(inner_plan); 
    econtext->ecxt_outertuple = ExecProcNode(outer_plan);
    List* joinqual = node->js.joinqual;
    // 调用 ExprState 中的函数，假如契合 join 条件，则向上层回来一个 tuple。
    if (ExecNewQual(joinqual, econtext)) {
        result = ExecProject(node->js.ps.ps_ProjInfo, &is_done);
        return result
    }

示例3 index scan & index only scan

# Index on t(a,b,c)
# select a,b,c from t where a = 1 and c = 1;
 Index Only Scan using t_a_b_c_idx on t  (cost=0.15..8.26 rows=1 width=12)
   Index Cond: ((a = 1) AND (c = 1))
# select a,b,c from t where a = 1 and c <> 1;
 Index Only Scan using t_a_b_c_idx on t  (cost=0.15..32.35 rows=10 width=12)
   Index Cond: (a = 1)
   Filter: (c <> 1)
# select * from t where a = 1 and c <> 1 and d = 1;
 Index Scan using t_a_b_c_idx on t  (cost=0.15..32.36 rows=1 width=16)
   Index Cond: (a = 1)
   Filter: ((c <> 1) AND (d = 1))

之前很多人搞不清楚这里边 index cond/ filter 是什么联系。可是，经过履行器源码很容易得知它们的用处。先看 IndexOnlyScan

## 首先，经过 Explain 能够看出来，Index Cond 显示的是  plan->indexqual,  Filter 显示的是 plan->qual。
optutil_explain_proc_node:
    caesT_IndexOnlyScan:
       optutil_explain_show_scan_qual(((IndexOnlyScan *)plan)->indexqual, "Index Cond", planstate, ancestors, es);
       optutil_explain_show_scan_qual(plan->qual, "Filter", planstate, ancestors, es);
## 经过 Init 函数，发现 这两个 qual 分别被初始化为 Expr，赋给 ss.ps.qual 和 indexqual 上面。
ExecInitIndexOnlyScan
    indexstate->ss.ps.qual = ExecInitExpr((Expr *) node->scan.plan.qual,  (PlanState *) indexstate);
    indexstate->indexqual = (List *) = ExecInitExpr((Expr *) node->indexqual, 
    // 用 indexqual 来做Scan 的key
    ExecIndexBuildScanKeys((PlanState *) indexstate,
                           indexstate->ioss_RelationDesc,
                           node->indexqual.... 
## 在履行的时候发现，indexqual 在索引扫描内部运用， ps.qual 是用在扫描之后的 check 中。
ExecIndexOnlyScan
--->ExecScan
         qual = node->ps.qual;  // 留意，这里用的是 qual。
         slot = ExecScanFetch(node, accessMtd, recheckMtd);
                   ----> IndexOnlyNext
                                tid = index_getnext_tid(scandesc, direction)  // 调用 btree 相关函数
                                // 用 IndexTuple 来填充 scan  的 slot (IndexScan是根据 tid 回表去 heap 上读取）
                                StoreIndexTuple(slot, scandesc->xs_itup, scandesc->xs_itupdesc);
        // 用 qual 做过滤条件
         if (!qual || ExecQual(qual, econtext, false))
                回来 slot
btgettuple
    _bt_steppage
        _bt_readpage  
            _bt_checkkeys  // 每个页面会挨个检查一下 ScanKey 的条件是否满足

总结：

Index Cond 是用来做 btree 扫描的 key，定位到第一个 IndexTuple。存储引擎顶用
之后索引扫描会顺着 btree 的链表扫描一切的叶子页面，对叶子页面上的每一个 tuple 用 ScanKey 检查是否满足条件，满足再回来
Filter 是在履行器层用，针对 HeapTuple 再做一次过滤
IndexOnlyScan 和 Index Scan的仅有区别是，IndexOnlyScan 的HeapTuple是根据IndexTuple直接构建的，不需求回表，其它逻辑是一样。
所以理论上讲 IndexOnlyScan 不应该呈现 filter，上述场景或许有改进空间。

深入浅出openGauss的执行器基础

作者信息

推广

深入浅出openGauss的执行器基础

相关文章

MemFire教程 | FastAPI + MemFire Cloud + LangChain开发ChatGPT应用

为什么要参与到开源社区里面来

密码学与密码安全：理论与实践

使用ReentrantLock中的条件变量，让多个线程顺序执行

作者信息

推广