详解GaussDB(DWS)中的行执行引擎
内容提要
本文介绍了GaussDB(DWS)行执行引擎的组成和功能，包括扫描算子、连接算子、物化算子和控制算子。行执行引擎是查询的执行者，负责从存储引擎中读取数据并进行处理。文章还介绍了行执行引擎的执行框架和常见算子。
延伸解读
行执行引擎的适用场景与优势
行执行引擎主要应用于行存表，适合频繁的增删改查操作。在点查场景下，行存储可以直接通过索引定位到某行数据的元组位置，点查性能好；同时，行存储在实时并发入库和并发更新方面也有较大优势。因此，对于OLTP场景中数据需要频繁更新、增删改操作多，且查询结果涉及表的多列时，行执行引擎是合适的选择。
三类连接算子的选择考量
连接算子包括嵌套循环、哈希连接和归并连接。嵌套循环连接适用于外表结果集小的场景，当内表使用索引时可以快速定位连接元组；哈希连接要求连接两端为类型相同的等值连接，且支持哈希散列，适用于内表可放入内存且列重复值和倾斜不多的场景；归并连接要求内外表有序，适用于内外表已经有序、不需要重新排序的情况。选择时需根据数据特征和查询条件权衡。
物化算子的作用与常见类型
物化算子用于缓存元组，因为许多物理操作需要先获取所有元组才能进行处理，例如聚集函数操作、没有索引辅助的排序等。常见的物化算子包括Material（物化）、Sort（排序）、Group（分组）、Agg（聚集）、WindowAgg（窗口函数）、Unique（去重）、Hash（哈希连接辅助）、SetOp（集合操作）和LockRows（行级锁）。这些算子帮助执行引擎高效地完成复杂计算。
分布式查询中的其他算子
在分布式查询计划中，除了扫描、连接、物化和控制算子外，还有Stream算子和RemoteQuery等。Stream算子用于多节点间的数据交换，包括Gather（汇聚）、Broadcast（广播）和Redistribute（重分布）三种类型。此外，Partition Iterator用于分区表扫描，RowToVec用于行列混合场景，DfsScan/DfsIndexScan用于HDFS表扫描。这些算子支持GaussDB(DWS)在分布式环境下的高效执行。
Q&A
GaussDB(DWS)的行执行引擎主要负责什么？
行执行引擎负责从存储引擎中读取数据并进行处理，是查询的执行者。
行执行引擎的基本单位是什么？
行执行引擎的基本单位是算子，查询计划以树的形式存在。
行执行引擎中有哪些常见的算子？
常见的算子包括扫描算子、连接算子、物化算子和控制算子。
扫描算子的作用是什么？
扫描算子用于扫描表中的数据，获取元组作为上层节点的输入。
连接算子有哪些实现方式？
连接算子的实现方式包括嵌套循环连接、哈希连接和归并连接。
物化算子的主要用途是什么？
物化算子用于缓存元组，适用于需要获取所有元组的操作。
