​

随着数字化技术对各行各业的不断渗透，金仓数据库在金融、能源、电信等行业逐步进入深水区，面临越来越多的核心类系统改造升级，这些系统不仅需要满足在线交易系统运行的高实时性要求，还需要保证高效分析能力以帮助客户进行业务决策。

数据库中 SQL 表达式及 PLSQL 代码实现的都是通用逻辑，这就导致在语句执行过程中可能形成大量不必要的逻辑跳转和代码分支遍历，进而成倍甚至成指数级增加底层指令的执行，造成 CPU 过高压力。尤其在较为复杂分析类计算场景中，这种性能损耗尤其严重。

为了解决这种无效性能损耗，KES 使用动态编译（Just-in-time compilation，JIT）技术，将代码扁平化执行。简单说就是通过直接调用对应的函数，并且在已知输入情况下精简代码逻辑分支的方式，在复杂计算的分析场景下显著降低 CPU 单位负载压力，有效提高数据库整体性能。

什么是 JIT

在解释 JIT 之前，我们先来了解下什么是编译器：它是将高级语言源代码翻译成机器语言（或翻译成比原始程序低级代码）的程序。

• 从“代码”到“代码”的转换：

• 转换后的代码：

  -计算机可以直接执行的机器语言（本机代码）；

  -比原始程序低级的中间语言代码。

在以前，程序通常有两种编译运行方式 - 静态编译与动态直译，现如今又出现了即时编译方式。

1、提前 (Ahead-of-Time: AOT) 编译 - 即静态编译：在运行应用程序之前预编译应用程序的编译。

典型代表：C

-将源代码 (.c) 转换为机器语言（本机代码）；

-建二进制文件；

​

2、解释器（interpreter）- 动态直译：执行以编程语言编写的源代码或中间表达式并按顺序解释它们的程序。

典型代表：JAVA-JVM

-代码“在解释的同时执行”；

-优点是无需事先编译，程序独立于特定架构；

-缺点是运行性能低。

3、即时 (JIT) 编译：在软件执行期间编译代码以提高执行速度的编译器；

JAVA

-在运行时将频繁执行的方法编译为机器代码；

​

Python + Numba

-在运行时编译并运行指定函数。

即时 (JIT) 编译融合了前二种编译方式，一句一句编译源代码执行，同时将编译过的代码缓存起来以降低性能损耗。相对于静态编译，即时编译的代码可以处理延迟绑定并增强安全性。简单的说，JIT 是一种提高程序运行效率的方法。

KES 如何实现 JIT

KES 基于 LLVM 实现 JIT 特性。

LLVM 是一种构建编译器的基础框架系统，以 C++实现，用于优化以任意程序语言编写的程序的编译时间(compile-time)、链接时间(link-time)、运行时间(run-time)以及空闲时间(idle-time)。它最早是以 C/C++为实现对象，目前它支持了更多编程语言。LLVM 的命名最早源自于底层虚拟机（Low Level Virtual Machine）的首字字母缩写。它提供了一种在程序运行时编译执行代码的可行的程序框架，它对外提供 API，使实现 JIT 变得更加简单。

​

KES 把对应的 JIT 的提供者封装成一个依赖库，从而避免了 JIT 对内核代码的侵入性。用户可以按需开启或关闭 JIT 功能；通过进一步的抽象，KES 还提供支持后期扩展不同 JIT 的解决方案。其 JIT 实现过程概述如下：

1、表达式的中间表示（Exprstate）转换为 LVMM 的中间表示（LVMM IR）；

2、使用 LVMM 进行 JIT 编译，转换为机器代码；

3、KES 执行器将其做为内部函数调用执行；

​

KES 基于 JIT 提供的优化项

1、表达式计算优化

针对 WHERE 条件判断、聚合运算等场景实时将表达式的路径编译为具体代码执行，在此过程中大量的不必要的调用和分支跳转会被优化掉。

2、存取层优化

数据库执行器通过存取层装载数据，针对特定的表结构，可以定制读取和解析元组的代码。如在解析元组的流程中，根据表结构动态生成的代码，无需做数据类型的重复判断，只按照顺序解析数据；以及在获取部分列时实现直接根据对应偏移量提取的数据，跳过不需要提取的列，从而降低计算及 I/O 开销。随着处理的数据量的增加，节省的计算及 I/O 量将是惊人的。

3、执行器流程优化

LLVM 中实现了对产生的中间表示代码（IR）的优化，这一定程度上也会提升数据库查询的执行速度。从每一行数据的处理优化提升到整条 SQL 的处理流程优化：从传统的相对低效的流水线执行方式调整为循环批量处理方式，从而充分利用 CPU 缓存，尽量避免去相对慢得多的内存中存取数据；再结合 CPU 向量计算相关指令集，进一步提高性能。

JIT 会提升 CPU 密集型查询的性能，而对于短查询的优化有限，KES 默认开启动态编译（JIT），运行时会比较查询的评估代价与 JIT 代价阀值的大小，判断是否执行 JIT 编译。用户也可以根据业务需要主动设置 JIT 参数关闭动态编译。

JIT 优化性能实测

下面通过一个客户业务分析场景的脱敏简化版对比说明 JIT 对 SQL 执行性能的提升：

CREATE FUNCTION f100000000() RETURNS SETOF bigint
  ROWS 100000000 LANGUAGE sql AS $
  SELECT g FROM generate_series(1::bigint,  
  100000000::bigint) AS g; 
$;


-- 11个函数和算⼦，三个地⽅的分配 * 1亿次循环 -> JIT开始起效;
SELECT g, 'X is "' || random() * pi() *
    substr((g * ln(g::float8 + g / 2))::text, 1, 5)::float8 || '"'
FROM f100000000() AS g;

​

EXPLAN ANALYZE 结果：

Function Scan on f100000000 g (cost=0.25..5750000.25 rows=100000000 width=40)
(actual time=22073.673..233385.687 rows=100000000 loops=1)
Planning Time: 0.255 ms
JIT:
Functions: 2     -- 创建的函数数量
Options: Inlining true, Optimization true, Expressions true, Deforming true       -- 实施的JIT处理
Timing: Generation 1.926 ms, Inlining 5.988 ms, Optimization 36.134 ms,
           Emission 20.168 ms, Total 64.215 ms       -- JIT处理所需时间
Execution Time: 236383.943 ms
(7 rows)

总结展望

JIT 可以帮助 KES 数据库优化 SQL 执行逻辑，加快复杂 SQL 的查询速度，从而提升 KES 整体性能。在 TPC-H 等数据库测试中，KES 的 JIT 编译表达式执行速度快了不止 20％；在 JIT 模式下，创建索引的速度普遍可以提高 5%-19％。

作为国内成立最早、底蕴最深的数据库国家队，金仓数据库始终以用户为中心，致力于提供卓越的数据库产品与服务。金仓人在广泛关注及学习前沿技术的同时，坚持自主创新，不断落地新理论，融合新技术，以满足日趋多元且极致的新需求，提升产品核心竞争力，持续为千行百业数字化转型升级赋能。

​