淘宝数据库OceanBase SQL编译器部分 源代码阅读--生成逻辑计划

Posted lxjshuju

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了淘宝数据库OceanBase SQL编译器部分 源代码阅读--生成逻辑计划相关的知识，希望对你有一定的参考价值。

淘宝数据库OceanBase SQL编译器部分 源代码阅读--生成逻辑计划

SQL编译解析三部曲分为：构建语法树。生成逻辑计划。指定物理运行计划。

第一步骤，在我的上一篇博客淘宝数据库OceanBase SQL编译器部分 源代码阅读--解析SQL语法树里做了介绍，这篇博客主要研究第二步。生成逻辑计划。

一、 什么是逻辑计划？

我们已经知道，语法树就是一个树状的结构组织，每一个节点代表一种类型的语法含义。如
update student set sex="M" where name ="小明";
这条SQL的语法树形状为：

|Update Stmt
|----Table:student
|----TargeList:
|--------sex = "M"
|----Qualifications:
|--------name="小明"

可是只语法树并不能知道数据库中是否存在student这张表，这张表是否有sex,name这两个字段，我们是否有权限改动这条记录等。

语法树只能推断这条SQL的写法是否正确，不能确定这条SQL能否够运行。

逻辑计划须要明白SQL语句中所涉及到的表，字段，表达式等是否有效。

这个的逻辑计划与在《数据库系统实现》等书中描写叙述的逻辑查询计划不同。逻辑查询计划将SQL语句直接转为可运算的关系表达式。在OceanBase中。逻辑计划则仅仅是查找或生成涉及到的表的ID，涉及字段的ID。涉及表达式的ID等，逻辑计划是不可运算的。

二、逻辑计划包括哪些内容？

简单来说，逻辑计划要弄清楚。这条SQL能够分解为几条stmt,每条stmt包括了哪些表，字段和表达式。在此基础上，假设是insert的Stmt，要加上设置哪些值;假设是update的stmt,要加上须要更新的列和相应的值，等等。

在一个逻辑计划中。每个查询有一个唯一标识qid,每一张表有一个唯一的标识tid,每个列有一个唯一的标识cid,每个表达式有一个唯一的标识eid。

来看OceanBase中的逻辑计划的结构（省略无关方法和变量).

class ObLogicalPlan
    {
      //...  
      oceanbase::common::ObVector<ObStmt*> stmts_; //存储该逻辑计划的全部stmt
      oceanbase::common::ObVector<ObSqlRawExpr*> exprs_; //逻辑计划的全部表达式
      oceanbase::common::ObVector<ObRawExpr*> raw_exprs_store_;//存储逻辑计划的全部表达式
      uint64_t  new_gen_tid_;//用于生成新的tid
      uint64_t  new_gen_cid_;//用于生成新的cid
      uint64_t  new_gen_qid_;//用于生成新的qid
      uint64_t  new_gen_eid_;//用于生成新的eid
    };


oceanbase::common::ObVector是OceanBase中自己实现的泛型容器之中的一个，作用与STL的vector同样。
stmts_存储该逻辑计划的全部stmt;
raw_exprs_store_只用于存储表达式。exprs_则引用raw_exprs_store_中的内容。
new_gen_tid_等4个变量是用来生成新的标识时使用。一个逻辑是能够用多个tid,多个cid,多个eid。多个qid的。

这些标识分布于存储的stmt和表达式中。

注：stmt实在不知道中文该怎么称呼，就不改中文名了。

2.1 逻辑计划中表的定义

struct TableItem
{
    uint64_t    table_id_;
    common::ObString    table_name_;
    common::ObString    alias_name_;
    TableType   type_;

    uint64_t     ref_id_;
};


table_id_唯一标识一个关系表，其类型分为基本表，引用表和子查询关系。
对同一个实体表,ref_id_与table_id_同样; 假设是一个引用别名的表。则table_id_是新生成的，ref_id_与这个表真正的table_id_同样;假设是一个子查询，则table_id_是新生成的,ref_id_是对子查询的引用。

对同一个实体表，它在全部线程使用的table_id_都是同样的。假设是生成的标识。则仅在该线程会话期间是唯一的。

2.2 逻辑计划中列的定义

struct ColumnItem
{
    uint64_t    column_id_;
    common::ObString    column_name_;
    uint64_t    table_id_;
    uint64_t    query_id_;

    bool        is_name_unique_;
    bool        is_group_based_;

    common::ObObjType     data_type_;
};


column_id_唯一标识一个列，table_id_和query_id_为该列所属的关系表和stmt。is_name_unique_仅用在解析逻辑计划期间。标记该列的名称是否在全部表的字段中都是唯一的。

is_group_based_标记该列是否用于分组。

data_type_标识该列的数据类型。

2.3 逻辑计划中的表达式的定义

逻辑计划的中表达式有多种类型。其基类为ObRawExpr.包含两个成员变量，type_表示表达式的类型，result_type_表示表达式值的类型。

class ObRawExpr
 {
 //省略其它方法
 private:
    ObItemType  type_;
    common::ObObjType result_type_;
 }


表达式分为常量表达式, 一元引用表达式，二元引用表达式，一元操作符表达式。二元操作符表达式，三元操作符表达式，多元操作符表达式。case操作符表达式，聚集函数表达式，系统函数表达式，SQL原生表达式等。

继承关系例如以下。

namespace sql
{
     //原生表达式基类
    class ObRawExpr
    //常量表达式
    class ObConstRawExpr        : public ObRawExpr
    //一元引用表达式
    class ObUnaryRefRawExpr     : public ObRawExpr
    //二元引用表达式
    class ObBinaryRefRawExpr    : public ObRawExpr
    //一元操作符表达式
    class ObUnaryOpRawExpr      : public ObRawExpr
    //二元操作符表达式
    class ObBinaryOpRawExpr     : public ObRawExpr
     //三元操作符表达式
    class ObTripleOpRawExpr     : public ObRawExpr
    //多元操作符表达式
    class ObMultiOpRawExpr      : public ObRawExpr
    //case操作符表达式
    class ObCaseOpRawExpr       : public ObRawExpr
    //聚集函数表达式
    class ObAggFunRawExpr       : public ObRawExpr
    //系统函数表达式
    class ObSysFunRawExpr       : public ObRawExpr
    //SQL原生表达式
    class ObSqlRawExpr          : public ObRawExpr
 };

 class ObRawExpr
 {

 };


在ObLogicalPlan中。存储使用的是vector<ObRawExpr *>,使用时转为vector<ObSqlRawExpr *>.

2.4 逻辑计划中的Stmt的定义

Stmt表示一个单独的查询所包括的内容，一个逻辑计划能够包括多个Stmt.

 class ObStmt
    {
    /*省略部分内容...*/
    protected:
      common::ObVector<TableItem>    table_items_;
      common::ObVector<ColumnItem>   column_items_;

    private:
      StmtType  type_;
      uint64_t  query_id_;
      //uint64_t  where_expr_id_;
      common::ObVector<uint64_t>     where_expr_ids_;

    };


Stmt包含了一个查询全部的表table_items_,列column_items_,表达式where_expr_ids_和一个唯一的查询标识query_id_。注意这里存储的仅仅有表达式的id,而不是表达式的实际内容。

从上述的定义总结来看，一个逻辑计划拥有多条查询实例Stmt和多个表达式，一个查询实例Stmt包括了多个表和多个列及所需表达式的引用。

表。列。表达式。查询实例都有唯一的标识符进行标记。

ObLogicalPlan
----ObStmt : 1...n
--------TableItem : 0...n
--------ColnumItem : 0...n
--------expr_id_ref : 0...n
----ObRawExpr : 0...n

三、 怎样制定逻辑计划？

3.1 reslove系列解析函数

制定逻辑计划的源代码在build_plan.h和build_plan.cpp中。在OceanBase0.4中，则添加了dml_build_plan.h和dml_build_plan.cpp。制定逻辑对外提供的接口仅仅有两个,解析函数resolove和销毁函数destroy_plan,其它的为自用，能够浏览下其函数声明及用途。主要的结构就是这样，由于眼下OceanBase中支持的SQL语句不多。对应的解析函数也比較少。另一些没有完毕，能够想见未来还会加入很多其它的函数。

//解析多重查询
int resolve_multi_stmt(ResultPlan* result_plan, ParseNode* node)
//解析独立表达式
int resolve_independ_expr()
//解析and表达式
int resolve_and_exprs()
//解析表达式
int resolve_expr()
//解析聚集函数
int resolve_agg_func()
//解析join表连接
int resolve_joined_table()
//解析表
int resolve_table()
//解析from子句
int resolve_from_clause()
//解析列
int resolve_table_columns()
//解析*
int resolve_star()
//解析select的投影列表
int resolve_select_clause()
//解析where子句
int resolve_where_clause()
//解析group by子句
int resolve_group_clause()
//解析having子句
int resolve_having_clause()
//解析order子句
int resolve_order_clause()
//解析limit子句
int resolve_limit_clause()
//解析select查询
int resolve_select_stmt()
//解析delete查询
int resolve_delete_stmt()
//解析insert的插入列
int resolve_insert_columns()
//解析intsert查询的插入值
int resolve_insert_values()
//解析insert查询
int resolve_insert_stmt()
//解析update查询
int resolve_update_stmt()
//解析函数。对外提供
int resolve(ResultPlan* result_plan, ParseNode* node)
//销毁函数。对外提供
extern void destroy_plan(ResultPlan* result_plan)


resolve函数依据语法树node的类型调用不同的查询解析实例。

下面是部分代码摘抄：

int resolve(ResultPlan* result_plan, ParseNode* node)
{
   /*...*/

  uint64_t query_id = OB_INVALID_ID;
  if (ret == OB_SUCCESS && node != NULL)
  {
    switch (node->type_)
    {
      case T_STMT_LIST:
      {
        ret = resolve_multi_stmt(result_plan, node);
        break;
      }
      case T_SELECT:
      {
        ret = resolve_select_stmt(result_plan, node, query_id);
        break;
      }
      case T_DELETE:
      {
        ret = resolve_delete_stmt(result_plan, node, query_id);
        break;
      }
      case T_INSERT:
      {
        ret = resolve_insert_stmt(result_plan, node, query_id);
        break;
      }
      case T_UPDATE:
      {
        ret = resolve_update_stmt(result_plan, node, query_id);
        break;
      }
      default:
        ret = OB_ERROR;
        break;
    };
  }
  return ret;
}
int resolve_update_stmt(ResultPlan* result_plan, ParseNode* node, uint64_t& query_id)
{
  int& ret = result_plan->err_stat_.err_code_ = OB_SUCCESS;
  uint64_t table_id = OB_INVALID_ID;

  query_id = OB_INVALID_ID;

  ObLogicalPlan* logical_plan  logical_plan = new(logical_plan) ObLogicalPlan(name_pool);

  result_plan->plan_tree_ = logical_plan;


  update_stmt = new(update_stmt) ObUpdateStmt(name_pool);

  query_id = logical_plan->generate_query_id();
  //为update_stmt设置新的标识qid
  update_stmt->set_query_id(query_id);

  logical_plan->add_query(update_stmt);

  ParseNode* table_node = node->children_[0];
  //解析表  
  ret = resolve_table(result_plan, update_stmt, table_node, table_id);

  update_stmt->set_update_table(table_id);

  ParseNode* assign_list = node->children_[1];

  uint64_t ref_id;
  ColumnItem *column_item = NULL;
  //解析要更新的列表，如:update student set sex="M",grade="2" where name = "xiaoming";
  for (int32_t i = 0; ret == OB_SUCCESS && i < assign_list->num_child_; i++)
  {
      ParseNode* assgin_node = assign_list->children_[i];

      /* resolve target column */
      ParseNode* column_node = assgin_node->children_[0];

      ObString column_name;
            column_name.assign_ptr(
                (char*)(column_node->str_value_), 
                static_cast<int32_t>(strlen(column_node->str_value_))
                );
      //1 依据列名获取列
      column_item = update_stmt->get_column_item(NULL, column_name);
      //2 解析列到vector<ColumnItem *>
      ret = update_stmt->add_column_item(*result_plan, column_name, NULL, &column_item);
      //3 添加列引用到update_stmt  
      ret = update_stmt->add_update_column(column_item->column_id_);

            /* resolve new value expression */
      //4 解析值表达式
      ParseNode* expr = assgin_node->children_[1];
      ret = resolve_independ_expr(result_plan, update_stmt, expr, ref_id, T_UPDATE_LIMIT);
      //5 加入值表达式引用到update_stmt
      ret = update_stmt->add_update_expr(ref_id)
  }
  //解析where子句
  ret = resolve_where_clause(result_plan, update_stmt, node->children_[2]);

  return ret;
}


我们仍旧以update语句为例。

上面是依据源代码整理的逻辑，不是源代码。主要是为了理清思路。

  1. 首先是创建一个新的查询update_stmt，并为其生成一个独立的查询标识qid
  2. 解析语句中的表。并将表的标识tid加入到update_stmt的引用列表
  3. 利用for循环逐个解析要更新的列-值对：
    (1). 依据列名获取列;
    (2). 将该列存储到update_stmt的vector<ColumnItem *>中,并将列引用id加入到update_stmt的更新列列表ObArray<uint64_t> update_columns_中;
    (3). 解析值表达式;
    (4). 将值表达式引用id加入到更新值列表ObArray<uint64_t> update_exprs_中去;
  4. 解析where子句.

3.2 怎样解析表和列？

通过上面我们知道，逻辑计划的解析的一个重要内容就是要确定查询stmt,表，列，表达式的标识.查询和表达式的标识id都能够在解析的时候生成。由于这两项不是线程共同拥有的，可是表和列是持久的数据，能够跨线程使用相同的id。这些表和列的信息由谁来管理？

3.2.1 使用Schema

追根溯源，你会发现实体表和列的id是在ob_schema.cpp中获取的。

什么是schema？schema就是数据库对象的一个集合。

网上有一个非常形象的比喻,我略微做了点修改：





































以上是关于淘宝数据库OceanBase SQL编译器部分 源代码阅读--生成逻辑计划的主要内容，如果未能解决你的问题，请参考以下文章

淘宝数据库OceanBase SQL编译器部分 源代码阅读--生成物理查询计划

2019淘宝：OceanBase分布式系统负载均衡案例分享

OceanBase

基于《淘宝网》的六个常见属性场景的架构分析

极客日报：苹果iCloud（贵安）数据中心投入运行；网易公布不当言论HR处理结果：已开除；OceanBase数据库将开源

python数据分析与挖掘学习笔记-淘宝商品数据清洗及预处理