深入浅出 openGauss 的执行器基础
[openGauss](javascript:void(0);) 2023-04-17 18:03
火山模型
执行器各个算子解耦合的基础。对于每个算子来说，只有三步：
向自己的孩子拿一个 tuple。即调用孩子节点的 Next 函数；
执行计算；
向上层返回一个 tuple。即当前节点 Next 函数的返回结果。
所以整个执行器的内核可以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，每个算子不同的执行函数 return result;
if (TupIsNull(slot)) { ExecEarlyFreeBody(planstate); break;}// 返回给前端}
复制代码
这种模型的好处是：
设计简单，算子解耦，互相不依赖；
内存使用量小，没有物化的情况下，每次只消耗一个 tuple 的内存。
Tuple 数据结构设计
两个算子之间的传递的都是 tuple。所以 Tuple 数据结构是整个执行器的核心，也是执行器和存储引擎交互的数据结构。
先看下几个具体数据结构之间的关系（附上关键的变量，非全部）
// 存在磁盘上的数据结构，是 header + 数据 的一片连续内存。设计要求尽可能紧凑，节约存储空间。// 只有事务信息等，其它比如长度、每一列起始地址等都不会直接存，而是算出来的。HeapTupleHeaderData t_xmin; // 事务信息 t_xmax; t_cid; t_ctid; ... // 磁盘上的 Tuple 数据结构过于紧凑，不好用。所以设计了内存中一个 tuple 的对象，会存一些额外（冗余）的元数据信息方便处理。// 数据和元数据可以不连续。这个数据结构一般是存储引擎内部用，比如可见性判断等。 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
// 可以理解为 Tuple 槽位，执行器用。存储引擎不关心具体每一列的内容，只关心事务、长度等公共信息。// 而执行器可能需要访问每一列，所以在这里把 tuple 进一步拆解开。TupleTableSlot Tuple tts_tuple; // 物理 tuple 位置（HeapTupleData）；虚拟 tuple 的话为 null。 TupleDesc tts_tupleDescriptor; Buffer tts_buffer; Datum* tts_values; // 数组，表示每一列的值（如果是 int 就是值，如果是 varchar 就是地址） bool* tts_isnull; // 数组，表示每一列是否是 null TableAmType tts_tupslotTableAm // 处理物理 tuple 的函数（astore 和 ustore 不同）
复制代码
以上图为例，最下层的 seqscan，会调用存储引擎的 heap_getnext 函数（astore）。
// 代码中用的函数指针，实际调用栈如下ExecScanFetch--->SeqNext--------->seq_scan_getnext_template // 存储引擎入口 tuple = (Tuple)heap_getnext // 拿到 HeapTuple // 组装TupleTableSlot，但是 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 的地址就是 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); // 用作可见性判断 return &(scan->rs_ctup); // 把物理 tuple 中的数据，复制到 tupleTableSlot 中。这里是 astore 的解析函数，ustore 不一样。heap_slot_getattr // 核心思想是利用 TupleDesc 知道表的定义，然后从0 开始一个 attr 一个 attr 地解析。 // 对于定长字段，直接按地址取值；对于变长字段，长度会存在原始的数据头中。 // 因此，之前的物理 tuple 不需要存长度这种信息；同时，也需要 tupleTableSlot 这样的变量来缓存具体数据的起始地址。
复制代码
以上就是存储引擎和执行引擎之间 tuple 怎么交互的。总结下就是存储引擎会把实际数据所在的地址传给上层，最后执行引擎拿到的结构体为 TupleTableSlot。
所以，执行引擎只关心 TupleTableSlot 这一个结构体即可。
一个很自然的问题就是，如果算子之间的 Tuple 都是深拷贝传递，对于较大的 tuple 来说（包含 varchar 类型），性能很差。因此，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，就是前文的 HeapTuple。Buffer 一定要 pin 住。这种 Tuple 可以直接根据头地址进行访问。
内存中的组装的 tuple，格式和文件上 tuple 完全一样，也是进行过压缩。这种也算是 physical tuple，可以直接用地址。
Minimal physical tuple，也是内存中的，唯一区别在于没有系统列（xmin、xmax 等）。
virtual tuple，只记录每一个属性数据的地址，并没有深拷贝，而是直接通过地址来访问。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 所在的内存不会被释放。
对于查询来说，第一类和第四类最为常见。2、3 两类会在物化的时候使用，比如 CTEScan、HashJoin 建立 hash 表的时候，相当于深拷贝。性能比较敏感的场合，尽量避免 2、3 类 tuple 的使用。
slot 的创建一般通过 ExecAllocTableSlot、ExecSetSlotDescriptor 两个函数来分配内存和初始化信息。在执行器初始化阶段，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。
向上层返回自己的 tuple slot；
HashJoin 一个一个拿到 内表的 tuple slot，需要建立 hash 表，所以创建了一个 minimal physical tuple，复制内表的 tuple 内容；
Hash 表建立后，HashJoin 算子然后一个一个拿到外表的 tuple slot，做 join 计算。
HashJoin 自己有一个 tuple slot，如果碰到匹配，则把自己的 tuple slot 设置成 virtual tuple，其中的 tts_values 指向的是孩子节点的 tuple 中的地址。
再向上返回。
其中，外表的内容指向的是 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。因为是 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。
因为是 physical tuple，它需要释放之前的 Buffer。
（当然，如果一直是同一个 Buffer 不会反复 pin/unpin，这是存储引擎的优化）。
条件计算
Expr 和 Var
执行器每个算子会对底下传上来的 tuple 进行计算和过滤。比如 NestLoop 需要计算内外表传上来的 tuple 是否满足 join 条件。
这时候需要引出第二个重要的概念，表达式的抽象。个人理解，任何对数据的获取操作都可以认为是表达式。
Var/Const 也是表达式的一种。Var 表示直接从 tuple 中获取数据，Const 表示的是直接获取一个常数。
每一个表达式会对应一个 ExprContext，ExprContext 中会记录计算所需要的所有数据，一般是孩子节点返回的 tuple。
表达式本身，在执行器中用 ExprState 来表示。里面重点是表达式的计算函数
// 因为当前执行模型中，每个算子最多只有两个孩子节点，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; ...}
// 表达式计算的结构体struct ExprState { Expr* expr; // 原始的表达式 ExprStateEvalFunc evalfunc; // 表达式对应的函数}
// 执行器开始阶段，会通过优化器传过来的 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);}
复制代码
总结下，ExprState 结构体表示表达式计算的逻辑，ExprContext 结构体表示的是表达式计算要用到的数据。
从 OpExpr 可以看出，ExprState 本身也是一棵树。一直递归调用 ExecEvalExpr 来获取最终的结果。
需要注意的是，执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，这些计算节点上的 Var，不能直接指向某个 table，而是需要指向的是内表还是外表的 tuple slot。
因此，在优化器最后的阶段，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：
' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)
示例 1
filter
以 SeqScan 为例，在优化器阶段， SeqScan 上会有一个 qual，表示过滤条件。在执行器阶段会生成一个对应的 ExprState，用于计算。
// 执行器初始化阶段，会根据优化器里的 Expr 构造 ExprStateExecInitSeqScan InitScanRelation node->ps.qual = (List*)ExecInitQualWithTryCodeGen((Expr*)node->ps.plan->qual, (PlanState*)&node->ps, false); // 执行阶段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 进行计算 ret = ExecEvalExpr((ExprState*)qual, econtext, &isNull, NULL);
复制代码
示例 2
join
以 Nestloop 为例，优化器结束的时候，join 节点会有一个 joinqual 表示 join 条件。
ExecInitNestLoop nlstate->js.joinqual = (List*)ExecInitQualWithTryCodeGen((Expr*)node->join.joinqual, (PlanState*)nlstate, false); ExecNestLoop // 拿到内外表的 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，如果符合 join 条件，则向上层返回一个 tuple。 if (ExecNewQual(joinqual, econtext)) { result = ExecProject(node->js.ps.ps_ProjInfo, &is_done); return result }
复制代码
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))
复制代码
之前很多人搞不清楚这里面 index cond/ filter 是什么关系。但是，通过执行器源码很容易得知它们的用处。先看 IndexOnlyScan
## 首先，通过 Explain 可以看出来，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); ## 通过 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....
## 在执行的时候发现，indexqual 在索引扫描内部使用， ps.qual 是用在扫描之后的 check 中。ExecIndexOnlyScan--->ExecScan qual = node->ps.qual; // 注意，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)) 返回 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
复制代码
总结：
Index Cond 是用来做 btree 扫描的 key，定位到第一个 IndexTuple。存储引擎中用
之后索引扫描会顺着 btree 的链表扫描所有的叶子页面，对叶子页面上的每一个 tuple 用 ScanKey 检查是否满足条件，满足再返回
Filter 是在 执行器层用，针对 HeapTuple 再做一次过滤
IndexOnlyScan 和 Index Scan 的唯一区别是，IndexOnlyScan 的 HeapTuple 是根据 IndexTuple 直接构建的，不需要回表，其它逻辑是一样。
所以理论上讲 IndexOnlyScan 不应该出现 filter，上述场景可能有改进空间
评论