PolarDB-X接收到一条SQL后的执行过程大致如下:
语法解析器(Parser)将SQL文本解析成抽象语法树(AST)。
语法树被转化成基于关系代数的逻辑计划。
优化器(Optimizer)对逻辑计划进行优化得到物理计划。
执行器(Executor)执行该计划,得到查询结果并返回给用户。
本章将会介绍查询优化器的基本原理,包含如下几个方面:
关系代数算子。
查询改写(RBO阶段)。
查询计划枚举(CBO阶段)。
关系代数算子
一条SQL查询在数据库系统中通常被表示为一棵关系代数算子组成的树,有如下场景的算子:
Project:用于描述SQL中的SELECT列,包括函数计算。
FIlter:用于描述SQL中的WHERE条件。
JOIN:用于描述SQL中的JOIN,其对应的物理算子有HashJoin、 BKAJoin、Nested-Loop Join、SortMergeJoin。
Agg:用于描述SQL中的Group By及聚合函数,其对应的物理算子有HashAgg、SortAgg。
Sort:用于描述SQL中的Order By及Limit,其对应的物理算子有TopN、MemSort。
LogicalView:用于描述PolarDB-X下发至RDS MySQL或PolarDB MySQL的SQL,其内部可能包含一个或多个逻辑算子。
Gather:代表从多个数据流汇集数据的操作,通常出现在LogicalView之上(若开启并行执行,则并行优化步骤会将其上拉)。
例如,对于如下查询SQL(修改自TPC-H Query 3):
SELECT l_orderkey,sum(l_extendedprice*(1-l_discount))AS revenue
FROM CUSTOMER,ORDERS,LINEITEM
WHERE c_mktsegment='AUTOMOBILE'
andc_custkey=o_custkey
andl_orderkey=o_orderkey
ando_orderdate
andl_shipdate>'1995-03-13'
GROUP BY l_orderkey;
通过如下EXPLAIN命令看到PolarDB-X的执行计划:
HashAgg(group="l_orderkey",revenue="SUM(*)")
HashJoin(condition="o_custkey = c_custkey",type="inner")
Gather(concurrent=true)
LogicalView(tables="ORDERS_[0-7],LINEITEM_[0-7]",shardCount=8,sql="SELECT `ORDERS`.`o_custkey`, `LINEITEM`.`l_orderkey`, (`LINEITEM`.`l_extendedprice` * (? - `LINEITEM`.`l_discount`)) AS `x` FROM `ORDERS` AS `ORDERS` INNER JOIN `LINEITEM` AS `LINEITEM` ON (((`ORDERS`.`o_orderkey` = `LINEITEM`.`l_orderkey`) AND (`ORDERS`.`o_orderdate` < ?)) AND (`LINEITEM`.`l_shipdate` > ?))")
Gather(concurrent=true)
LogicalView(tables="CUSTOMER_[0-7]",shardCount=8,sql="SELECT `c_custkey` FROM `CUSTOMER` AS `CUSTOMER` WHERE (`c_mktsegment` = ?)")
用树状图表示如下:
左边的LogicalView实际包含了ORDERS和LINEITEM两张表的JOIN。EXPLAIN结果中LogicalView的SQL属性也体现了这一点。
查询改写(RBO)
查询改写(SQL Rewrite)阶段输入为逻辑执行计划,输出为逻辑执行计划。这一步主要应用一些启发式规则,是基于规则的优化器(Rule-Based Optimizer,简称RBO),所以也常被称为RBO阶段。
查询改写这一步的主要有如下功能:
子查询去关联化(Subquery Unnesting)
子查询去关联化是将含有关联项的子查询(关联子查询)表示为SemiJoin或类似的算子,便于后续的各种优化处理,例如下推到MySQL或在PolarDB-X层选择某种算法执行。
在如下例子中IN子查询转化为SemiJoin算子,并最终转化成SemiHashJoin物理算子由PolarDB-X进行执行:
>explainselectidfromt1whereidin(selectidfromt2wheret2.name='hello');
SemiHashJoin(condition="id = id",type="semi")
Gather(concurrent=true)
LogicalView(tables="t1",shardCount=2,sql="SELECT `id` FROM `t1` AS `t1`")
Gather(concurrent=true)
LogicalView(tables="t2_[0-3]",shardCount=4,sql="SELECT `id` FROM `t2` AS `t2` WHERE (`name` = ?)")
算子下推
算子下推是非常关键的一步,PolarDB-X内置了如下算子的下推优化规则:谓词下推或列裁剪:将Filter及Project算子下推至MySQL执行,过滤掉不需要的行和列。
JOIN Clustering:将JOIN按照拆分方式及拆分键相等进行重排和聚簇,方便下一步的JOIN下。
JOIN下推:对于符合条件的JOIN,将其下推至MySQL执行。
Agg下推:将聚合(Agg)拆分为FinalAgg和LocalAgg两个阶段,并将LocalAgg下推至MySQL。
Sort下推:将排序(Sort)拆分为MergeSort和LocalSort两个阶段,并将LocalSort下推至MySQL。
更多关于查询下推的信息,请参见查询改写与下推。
查询计划枚举(CBO)
经过查询改写阶段的逻辑执行计划会被输入到查询计划枚举(Plan Enumerator),输出一个最终的物理执行计划。
查询计划枚举在多个可行的查询计划中,根据预先定义的代价模型,选择出代价最低的一个。与查询改写阶段不同,在查询计划枚举中,规则可能产生更好的执行计划,也可能产生更差的执行计划,我们会根据前后的代价相比较来选择出较优的那个,因此这也被称为基于代价的优化(Cost-based Optimizer,简称CBO)。
其核心组件有以下几个部分:
统计信息(Statistics)
基数估计(Cardinality Estimation)
转化规则(Transform Rules)
代价模型(Cost Model)
计划空间搜索引擎(Plan Space Search Engine)
逻辑上,CBO的过程包括如下几个步骤:
搜索引擎利用转化规则,对输入的逻辑执行计划进行变换,构造出物理执行计划的搜索空间。
之后,利用代价模型对搜索空间中的每一个执行计划进行代价估计,选出代价最低的物理执行计划。
而代价估计的过程离不开基数估计,它利用各个表、列的统计信息,估算出各算子的输入行数、选择率等信息,提供给算子的代价模型,从而估算出查询计划的代价。