聊聊StarRocks向量化执行引擎-过滤操作
StarRocks是开源的新一代极速MPP数据库，采用全面向量化技术，充分利用CPU单核资源，将单核执行性能做到极致。本文，我们聊聊过滤操作是如何利用SIMD指令进行向量化操作。
过滤操作的SIMD向量化函数是filter_range，我们以binary类型的列为例：
BinaryColumnBase<T>::filter_range
执行过程如下图所示：
1、通过1个字节uint8_t类型的f_data数组来表示是否满足过滤条件，1表示满足条件，0表示不满足
2、AVX2指令集环境下：通过_mm256_loadu_si256封装的指令函数加载256位长度值到寄存器，也就是32字节值f
3、_mm256_setzero_si256生成256位的0值all0
4、_mm256_cmpgt_epi8函数将f和all0每个字节进行并行比较，也就是32个字节并行比较，f中字节>all0中字节值时，对应结果位为1，否则为0
5、将第4步的值通过_mm256_movemask_epi8转换成int整数mask。比如10001111111111111，转换后为36863，其中f_data[0]为1，f_data[1]为0...
6、mask等于0，表示没有一个满足条件。
7、mask等于0xffffffff，表示全部满足条件，需要将32个数据全部拷贝到结果集中
8、mask等于其他值时，表示有一部分值满足条件。这个时候需要特殊处理：
1）通过__builtin_ctz(mask)计算mask中0的个数zero_count。比如：
11100000：有5个0
2）mask右移6位，即11，值3。其实就是跳过不满足的行
3）_offsets[i]数组表示第i个值的偏移。
size = _offsets[start_offset + i + 1] - _offsets[start_offset + i]即为第一个满足条件值的偏移，即第6位对应的值。
4）将满足条件的值拷贝到结果集
memmove(data + _offsets[result_offset], data + _offsets[start_offset + i], size)5）返回1）步继续计算。
注：当过滤数组的值比较稀疏时，比如“00010001...”能够大量减少比较，但是如果过滤数组的值紧密时，性能就不太高效了。
9、当然，比较数组不一定正好是256位的倍数，所以需要处理尾数据。对于尾数据，就不能利用SIMD指令了，需要走遍历过滤数组的分支，来一个一个的进行判断了：
for (auto i = start_offset; i < to; ++i) {
if (filter[i]) {//一个一个的进行判断
DCHECK_GE(_offsets[i + 1], _offsets[i]);
T size = _offsets[i + 1] - _offsets[i];
// copy data
memmove(data + _offsets[result_offset], data + _offsets[i], size);
// set offsets
_offsets[result_offset + 1] = _offsets[result_offset] + size;
result_offset++;
}
}
