PostgreSQL技术内幕8：PostgreSQL查询执行器

news2024/12/27 13:52:01

0.简介

执行器是查询编译和存储引擎之间的连接模块，其负责将优化器输出的执行计划，进行初始化、执行，访问存储引擎并获得最终结果返回，本章主要介绍PG的执行器模型和其执行流程。

执行器的处理模型

常见的执行器的处理模型包含基于拉操作的Pull模型和基于推操作的Push模型。

1.1 火山模型（Pull模型）

火山模型也叫迭代器模型，最早是《Volcano, an Extensible and Parallel Query Evaluation System》中提出，其产生的背景是当时的 IO 速度是远远小于 CPU 的计算速度的，所以降低虚函数开销带来的优化微乎其微，且内存空间有限，单个处理更附和当时的场景。火山模型是由上游节点主动pull来驱动下层节点，逐层调用来实现数据的处理。其优缺点也比较明确：
优点：
1）实现简单，通用性好：每个Operator都可以独立实现，不受其他Operator的影响，且不受数据规模限制，可以处理任意规模的数据集。
2）灵活性高：可以灵活控制输出的数量，比如Limit算子及时短路。
缺点：
1）虚函数开销：每次调用GetNext获取一个tuple，会产生大量虚函数调用开销。
2）对应Cache不友好：过多的控制语句和函数调用容易导致缓存失效。

在这里插入图片描述

1.2 Push模型

可以看到，Push模型和Pull模型刚好相反，是从底层元组主动向上传递从而驱动整个流程。Push模型在计划的叶子节点开始执行，每层执行完成后物化然后传递给上一层节点。

在这里插入图片描述

优点：
1）减少函数调用：与Pull模型相比，Push模型显著减少了函数调用次数。
2）Cache命中率高：由于内部处理逻辑一致，Cache命中率得到显著提升。
缺点：
1）内存占用较大：由于每个节点都需要物化处理后的数据，可能导致内存占用升高。

1.3 向量化执行引擎

可以看到，把pull模型一次获取一条改为一个循环，处理完再向上驱动即为Push模型。向量化是对其另一种优化，一次处理一批数据，减少函数调用次数和缓存切换频率，提高执行效率。同时，结合了列式存储和SIMD指令，提高执行器性能。

2. PG执行器

执行器是执行计划和存储引擎之间的关联模块，那么接下来就分别从执行器流程、与执行计划的关联、与存储引擎的关联来进行执行器的分析。

2.1 执行器本身流程

在PG中有四个个用于调用执行器的接口，他们是ExecutorStart、ExecutorRun、ExecutorFinish和ExecutorEnd。其职责如下：

1）ExecutorStart：主要负责初始化各个算子的状态，通过调用standard_ExecutorStart对执行器进行必要的初始化

2）ExecutorRun：执行器运行阶段，通过ExecutorRun来执行算子。

3）ExecutorFinish：统计信息收集和清理。

4）ExecutorEnd：逐层结束下游节点的执行，释放资源。

顺序关系即为：ExecutorStart --> ExecutorRun --> ExecutorFinish -->ExecutorEnd

2.2 执行器与执行计划的关联

与传统执行器直接关联执行计划不同，PG引入了Portal层，负责将查询计划转发，同时根据策略生成路径，其结构如下：

typedef struct PortalData
{
  /* Bookkeeping data */
  const char *name;      /* portal's name */
  const char *prepStmtName;  /* source prepared statement (NULL if none) */
  MemoryContext portalContext;  /* subsidiary memory for portal */
  ResourceOwner resowner;    /* resources owned by portal */
  void    (*cleanup) (Portal portal); /* cleanup hook */

  ....    /* other */
}      PortalData;