這篇文章主要講解了“PostgreSQL的查詢處理過程是什么”，文中的講解內(nèi)容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“PostgreSQL的查詢處理過程是什么”吧！

創(chuàng)新互聯(lián)公司是由多位在大型網(wǎng)絡公司、廣告設(shè)計公司的優(yōu)秀設(shè)計人員和策劃人員組成的一個具有豐富經(jīng)驗的團隊，其中包括網(wǎng)站策劃、網(wǎng)頁美工、網(wǎng)站程序員、網(wǎng)頁設(shè)計師、平面廣告設(shè)計師、網(wǎng)絡營銷人員及形象策劃。承接：成都網(wǎng)站設(shè)計、網(wǎng)站建設(shè)、網(wǎng)站改版、網(wǎng)頁設(shè)計制作、網(wǎng)站建設(shè)與維護、網(wǎng)絡推廣、數(shù)據(jù)庫開發(fā),以高性價比制作企業(yè)網(wǎng)站、行業(yè)門戶平臺等全方位的服務。

一、導語

數(shù)據(jù)庫查詢處理（Query Processing）是數(shù)據(jù)庫比較核心的技術(shù)，也是距離用戶最近的子系統(tǒng)。數(shù)據(jù)庫系統(tǒng)在除了實現(xiàn)事務的隔離界別外，還需要在SQL上做到一定程度的兼容，因為數(shù)據(jù)庫本身就是在做查詢處理，很多的內(nèi)核模塊工作都是為了支持這個功能。

二、關(guān)系代數(shù)與SQL（結(jié)構(gòu)化查詢語言）

大家在學校學到的可能更多的是關(guān)系代數(shù)（Relational Algebra），它定義了一組在關(guān)系（Relation）上進行操作的操作符。關(guān)系代數(shù)的操作數(shù)是關(guān)系（即，數(shù)據(jù)庫中的二維表），其結(jié)果也是關(guān)系。操作符包含如下幾類：

• 集合操作符：交，并，差；

• 過濾/投影；

• 連接；

• 別名（alias）；

• 一些擴展的操作符，例如：分組，去重，Aggregate。

除了關(guān)系代數(shù)，還有一種描述二維關(guān)系表的操作方法：DataLog（Database Logic）。這種方式相對來說比較強大，關(guān)系代數(shù)的操作符都可以用它來表述，但是有些關(guān)系的操作是關(guān)系代數(shù)表示不了的，只能用DataLog來表述，比如：遞歸查詢。

直接使用關(guān)系代數(shù)對數(shù)據(jù)庫操作比較晦澀，難度比較高，因此，今天的商業(yè)數(shù)據(jù)庫都實現(xiàn)了一種更高級的查詢語言——SQL（Structured Query Language），在表達上更加簡潔易懂，也更容易學習。

實際上，在數(shù)據(jù)庫系統(tǒng)內(nèi)部，SQL語句也是被轉(zhuǎn)化成對應關(guān)系代數(shù)的操作符，然后再進行處理，只是這些工作對最終用戶來說是不可見的。其實，關(guān)系型數(shù)據(jù)庫直接的“本地語言”是關(guān)系代數(shù)，SQL語言只是人類與關(guān)系數(shù)據(jù)庫進行交流的“更加便捷的”橋梁。

可能大家有疑問，為何使用SQL作為交流橋梁，而不是用C、Java或者Python作為數(shù)據(jù)庫的查詢語言？

因為一個較短的SQL可以完成千百行C或者Java的工作，特別是在訪問一些層次化的數(shù)據(jù)模型（例如：Oracle的層次查詢，一條語句可以把層次結(jié)構(gòu)輸出出來；PostgreSQL的WITH-RECURSIVE語句也可以完成類似的功能）。

更加重要的是，數(shù)據(jù)庫內(nèi)核在實現(xiàn)SQL查詢的時候，可以對SQL進行特定的優(yōu)化，產(chǎn)生更加有效的訪問方法，這些都是高級語言不太可能具備的功能。

三、PostgreSQL查詢處理流程

從用戶在客戶端發(fā)送一條SQL語句，經(jīng)過網(wǎng)絡傳輸給PostgreSQL進行處理、執(zhí)行，其流程經(jīng)過如下幾個步驟：

1、語法分析

SQL字符串可以認為是一個大的正則式，語法分析來檢查這個大的“正則式”是否match定義好的規(guī)則。

在PostgreSQL中，pg_parse_query是語法分析的入口函數(shù)，實際上由scan.l（Flex文件）以及gram.y（Bison文件）完成語法檢查。

scan.l是詞法分析，將輸入SQL分解一個個的Token，輸入到gram.y中進行規(guī)則匹配。gram.y中定義了所有SQL類型的語法規(guī)則以及操作符的優(yōu)先級和結(jié)合律，例如，下段代碼定義了操作符的優(yōu)先級和結(jié)合規(guī)則：

下段代碼定了語法規(guī)則：

語法分析結(jié)束后，以查詢（SELECT）為例，返回的結(jié)構(gòu)體是SelectStmt，它會作為作為語義分析模塊的輸入。SelectStmt保存了SQL語句中的各個語法子部分，例如：from子句，投影列，group子句等，從其定義可以看出更多細節(jié)：

2、語法檢查

parse_analyze()函數(shù)是這一步的入口函數(shù)，根據(jù)不同的語句類型調(diào)用transformXXXXStmt()函數(shù)進行分析處理。對于SelectStmt，調(diào)用的transformSelectStmt()，對于DeleteStmt調(diào)用transformDeleteStmt()。在這一步將會：

• 檢查表是否存在，列是否合法，將表、排序列、投影列等轉(zhuǎn)化為內(nèi)部對象ID；

• SQL語義是否正確合法。

比如：Aggregate 函數(shù)不能用在WHERE中。如下查詢：

select 1 from x where max(x2) > 1;

調(diào)整聚集函數(shù)在適當?shù)膶哟沃杏嬎?，如下查詢?/p>

select (select max(x.x2) from y) from x;

max(x.x2)在SQL語義上應該是在最外層查詢中計算，而不是將x.x2傳入到內(nèi)層子查詢，在內(nèi)層子查詢中計算Aggregate函數(shù)max()的值。而對于如下查詢：

select (select max(x.x2+y.x2) from y) from x;

max(x.x2+y.x2)是在內(nèi)層子查詢中被計算，而不是作為外層查詢的Aggregate函數(shù)。

經(jīng)過語義檢查，會將SelectStmt變形為Query結(jié)構(gòu)，作為查詢重寫的輸入。Query結(jié)構(gòu)包含的部分與SelectStmt類似，只不過內(nèi)容更加豐富：

• 保存的都是數(shù)據(jù)庫內(nèi)部的對象信息；

• 一些flag標記，表明是否包含：Aggregate函數(shù)、窗口函數(shù)、SubLink子查詢等；

• 確定了表達式所在的Query層次。

之前提到過，數(shù)據(jù)庫內(nèi)核處理SQL時都是轉(zhuǎn)化成關(guān)系代數(shù)相關(guān)的元素，這個在Query結(jié)構(gòu)體中可以看到這點：

例如：

• 關(guān)系代數(shù)的投影是：targetList；

• 關(guān)系代數(shù)的過濾/join是：jointree；

• 關(guān)系代數(shù)的Aggregate是：targetList；

• 關(guān)系代數(shù)的分組：groupClause；

• 關(guān)系代數(shù)的sort是：sortClause。

后續(xù)所有的工作都是基于上面的元素進行。

3、查詢重寫

根據(jù)用戶定義的規(guī)則對查詢進行重寫，實際是對Query結(jié)構(gòu)里面的成員進行修改或替換，這些規(guī)則可以使用CREATE RULE創(chuàng)建。如果用戶在查詢對應的表上沒有規(guī)則，此步跳過。

4、查詢優(yōu)化

查詢優(yōu)化是比較復雜子系統(tǒng)，通常稱這個模塊是“優(yōu)化器”，也用來衡量數(shù)據(jù)庫系統(tǒng)優(yōu)秀的一個方面。在數(shù)據(jù)庫領(lǐng)域另一個復雜的子系統(tǒng)是事務處理，這里也不做展開。

PostgreSQL在這一步的輸入是Query對象，入口函數(shù)是planner()，輸出查詢計劃（Query Plan），查詢計劃是指導查詢?nèi)绾伪粓?zhí)行以及用何種方法執(zhí)行的一種結(jié)構(gòu)，通常是樹形結(jié)構(gòu)。

優(yōu)化器做的主要工作就是對Query結(jié)構(gòu)的各個語法部分，選擇較優(yōu)的執(zhí)行算法，輸出較優(yōu)的執(zhí)行計劃。在PostgreSQL中，通常分成如下幾步：

1）子查詢處理

在PostgreSQL內(nèi)部有2類的子查詢：一種在from語句后面稱為SubQuery，另一種在作為表達式的一部分，可以出現(xiàn)在targetList，過濾條件，連接條件中，稱為sub-link。

這兩種都可以統(tǒng)稱為Sub-Select，而優(yōu)化器在這一步會進行Sub-Select Elimination：將子查詢上拉到頂層查詢，消除子查詢。

這樣做可以減少查詢層數(shù)，增加上層表的個數(shù)，從而增加join順序的搜索空間，有助于找到較優(yōu)的連接順序。以sub-link為例，說明一下這個步驟的工作。對于查詢：

select * from x where x.x2 in (select y.x2 from y);

PostgreSQL在這步可以將IN語句轉(zhuǎn)化成Semi-Join，原來的O(m*n)的查找算法簡化為O(1)HASH-JOIN算法。

這里執(zhí)行計劃并沒有使用Hash Semi-Join，是因為inner plantree用了group hashagg進行了去重，所以原來的Semi-Join可以進一步優(yōu)化為Hash Join，這種優(yōu)化進一步擴大了Join順序搜索空間。

2）執(zhí)行表達式預處理

在這一步，會將targetList，過濾條件等列修改為對基表的引用；對表達式里面的SubLink遞歸調(diào)用優(yōu)化器優(yōu)先進行優(yōu)化；計算表達式里面的常量表達式等。

3）移除無用的GROUP BY列

如果內(nèi)核可以確定GROUP BY中的一些屬性集合Y函數(shù)依賴于其他屬性集合X，那么可以刪除GROUP BY中的屬性集合Y。函數(shù)依賴檢查工作由check_functional_grouping完成。這樣可以減少分組計算代價。

4）Reduce outer join

將某些OUTER JOIN轉(zhuǎn)化為INNER JOIN。

5）選擇優(yōu)化的Join順序

在這一步完成主要完成：條件的下推，基于連接條件生成等價類，以及通過動態(tài)規(guī)劃選擇較優(yōu)的JOIN順序。從整體來看，JOIN順序的選擇是Condition-Driven，而不是完全的對所有的表進行排列組合求解。例如對于查詢：

select * from r, p, q where r1 = (p1+q1) and r2=q2;

通常我們可能認為r和q在r2=q2的條件進行連接，然后與p在r1 = (p1+q1)上進行連接；但是PostgreSQL內(nèi)核在也會做這樣的嘗試：將p和q進行product join，再與r在條件r1 = (p1+q1) and r2=q2;進行連接，p和q之所以可以連接完全是由r1 = (p1+q1)決定的。

6）其他子句優(yōu)化處理

做完Join Plan之后，再針對GROUP BY、Aggregate、ORDER BY、LIMIT等子句進行處理。以GROUP BY為例，在PostgreSQL內(nèi)部，實現(xiàn)GROUP BY的有2個算法：Sort Group By以及 HashAgg Group By，通過函數(shù)cost_group以及cost_agg分別來計算二者代價，選擇較優(yōu)的算法執(zhí)行。

完成這些這些步驟后，調(diào)用set_plan_references()以及SS_finalize_plan()函數(shù)最后處理參數(shù)和變量引用后，就可以輸出最終的查詢計劃（Execution Query Plan）了。查詢計劃由很多節(jié)點組成：投影、掃描、連接、Aggregate、GROUP BY、排序等，從這些名稱也可以看出他們就是關(guān)系代數(shù)的操作符，它們會被傳給查詢執(zhí)行組件進行執(zhí)行。如下查詢計劃示例：

5、查詢執(zhí)行

這是查詢處理的最后一步，將優(yōu)化器輸出的執(zhí)行計劃，進行初始化、執(zhí)行。查詢執(zhí)行子系統(tǒng)我們一般稱為執(zhí)行器。執(zhí)行過程有ExecutorStart、ExecutorRun、ExecutorFinish這三個入口函數(shù)，分別完成對查詢計劃的初始化，執(zhí)行，以及清理。在這個過程中會訪問數(shù)據(jù)庫的其他子系統(tǒng)，如：事務系統(tǒng)、存儲系統(tǒng)、日志系統(tǒng)。

以上就是在PostgreSQL內(nèi)核中對一個查詢處理的整個生命周期，基本可以了解到一個SQL字符串在數(shù)據(jù)庫內(nèi)核中是如何一步步被解析，直到到執(zhí)行的基本過程。

上文中描述的一些方法和理論不僅僅在PostgreSQL數(shù)據(jù)庫有效，也可以推導到其他數(shù)據(jù)庫系統(tǒng)中。

四、PostgreSQL執(zhí)行器算法之SeqScan

上文講述了數(shù)據(jù)庫內(nèi)核中查詢處理的基本流程，現(xiàn)在我們先展開講述執(zhí)行器算法。

數(shù)據(jù)庫的執(zhí)行器包含了很多個算子的執(zhí)行算法，比較簡單的一種就是SeqScan，就是從按照順序（一般是存儲順序）對表進行掃描。

1、頁面結(jié)構(gòu)

PostgreSQL頁面存儲與大多數(shù)數(shù)據(jù)庫的類似，包含：頁面頭，ItemId 數(shù)組，以及Item（元組），布局如下：

其中PageHeader包含了頁面LSN，ItemId數(shù)組最后一個元素的頁面偏移（pd_lower），第一條元組在頁面內(nèi)偏移（pd_upper），以及其他字段。

2、順序掃描算法

PostgreSQL的順序掃描的入口函數(shù)是SeqNext，每次執(zhí)行這個函數(shù)會返回一條元組，主要工作是由heapgettup：

1）初始化掃描過程

初始化掃描過程就是設(shè)置HeapScanDesc對象，主要設(shè)置初始掃描的頁面，一般從0號頁面的第一個元組開始，即scan->rs_startblock是0。

在PostgreSQL的掃描過程有一個優(yōu)化，即sync_scan，這個特性允許當前的掃描從表的中間頁面開始掃描，這個頁面是其他掃描進程填寫到共享內(nèi)存，由ss_report_location完成，代表這些頁面剛剛被訪問過，如果當前掃描從這些頁面開始，那么可以直接在內(nèi)存中訪問到，從而減少存儲讀取頁面的IO次數(shù)，提升性能。

每次更新表的sync start page時，需要遍歷整個list。為了減少這個list的訪問，每隔SYNC_SCAN_REPORT_INTERVAL個頁面才去更新list，這個數(shù)值是128 * 1024 / BLCKSZ。

2）讀取頁面進行掃描

按照頁面結(jié)構(gòu)掃描頁面。首先讀取頁面頭（PageHeaderData）的pd_linp成員，這是一個Offset數(shù)組（ItemIdData），記錄了元組在頁面上的偏移（lp_off）。

后續(xù)的主要邏輯是遍歷pd_linp數(shù)組，通過offset+page地址獲取到元組內(nèi)存地址。然后對元組做可見性判斷。邏輯如下：

HeapTupleSatisfiesVisibility進行元組可見性判斷，PostgreSQL是MVCC實現(xiàn)的事務隔離，這個函數(shù)就是MVCC的入口邏輯。

3）讀取下一個頁面繼續(xù)進行掃描

繼續(xù)讀取后續(xù)頁面進行掃描。

所有的掃描狀態(tài)保存在HeapScanDesc，下次掃描的時候，可以從上次的狀態(tài)開始。

感謝各位的閱讀，以上就是“PostgreSQL的查詢處理過程是什么”的內(nèi)容了，經(jīng)過本文的學習后，相信大家對PostgreSQL的查詢處理過程是什么這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是創(chuàng)新互聯(lián)，小編將為大家推送更多相關(guān)知識點的文章，歡迎關(guān)注！