openGauss数据库源码解析系列文章——执行器解析（一）

一、执行器整体架构及代码概览

本节整体介绍执行器的架构和代码。

1.1 执行器整体结构

在SQL引擎将用户的查询解析优化成可执行的计划之后，数据库进入查询执行阶段。执行器基于执行计划对相关数据进行提取、运算、更新、删除等操作，以达到用户查询想要实现的目的。

openGauss在行计算引擎的基础上，增加了编译执行引擎和向量化执行引擎，执行器模块架构如图1-1所示。openGauss的执行器采用的是火山模型（volcano model），这是一种经典的流式迭代模型（pipeline iterator model），目前主流的关系型数据库大多采用这种执行模型。

图1 执行器模块架构

执行器包括四个主要的子模块：Portal、ProcessUtility、executor和特定功能子模块。首先在Portal模块中根据优化器的解析结果，选择相应的处理策略和处理模块（ProcessUtility和executor）。其中executor主要处理用户的增删改查等DML（Data Manipulation Language，数据操作语言）操作。然后ProcessUtility处理增删改查之外的其他各种情况，例如各类DDL（data definition language，数据定义语言）

1.2 火山模型

执行器（executor）的输入是优化器产生的计划树(plan tree)，计划树经过执行器转换成执行状态树。执行状态树的每一个节点对应一个独立算子，每个算子都完成一项单一功能，所有算子组合起来，实现了用户的查询目标。在火山模型中，多个算子组成了一个由一个根节点、多个叶子节点和多个中间节点组成的查询树。

每个算子有统一的接口（迭代器模式），从下层的一个或者多个算子获得输入，然后将运算结果返回给上层算子。整个查询执行过程主要是两个流，驱动流和数据流。

驱动流是指上层算子驱动下层算子执行的过程，这是一个从上至下、由根节点到叶节点的过程，如图7-2中的向下的箭头所示。从代码层面来看，即上层算子会根据需要调用下层算子的函数接口，去获取下层算子的输入。驱动流是从跟节点逐层传递到叶子节点。

数据流是指下层算子将数据返回给上层算子的过程，这是一个从下至上，从叶节点到跟节点的过程，如图1-2中的向上的箭头所示。在openGauss中，所有的叶子节点都是都是表数据扫描算子，这些节点是所有计算的数据源头。数据从叶子节点，通过逐层计算，然后从根节点返回给用户。

图2 执行器控制流和数据流示意图

1.3 代码概览

执行器在项目中的源代码路径为：src/gausskernel/runtime。下面是执行器的源码目录。

1） 执行器源码目录

执行器源码目录如表1-1所示。

表1-1 执行器源码目录

2） 执行器源码文件

执行器源码目录为：src/gausskernel/runtime/模块名。文件如表1-2所示。

表1-2 执行器源码文件

二、执行流程

整个执行器的执行流程主要包括了策略选择模块Portal、执行组件executor和ProcessUtility，如图3所示。下面逐个进行介绍。

图3 执行器总体执行流程

2.1 Portal策略选择模块

Portal是执行SQL语句的载体，每一条SQL对应唯一的Portal，不同的查询类型对应的Portal类型也有区别，如表2-1所示。SQL语句经过查询编译器处理后会生成优化计划树或非优化计划树，是执行器执行的“原子”操作，执行策略根据需要选择SQL的类型、调用相应的模块。Portal的生命周期管理在exec_simple_query函数中实现，该函数负责Portal创建、执行和清理。Portal执行的主要执行流程包括PortalStart函数、PortalRun函数、PortalDrop函数几个部分。其中PortalStart函数负责进行Portal结构体初始化工作，包括执行算子初始化、内存上下文分配等；PortalRun函数负责真正的执行和运算，它是执行器的核心；PortalDrop函数负责最后的清理工作，主要是数据结构、缓存的清理。

表2-1 Portal类型

数据库中的查询主要分为两大类，DDL（CREATE、DROP、ALTER等）查询和DML（SELECT、INSERT、UPDATE、DELETE）查询。这两类查询在执行器中的执行路径存在一定的差异。下面分别介绍这两类查询的主要函数调用关系。

2.2 ProcessUtility模块

除了DML之外的所有查询，都通过ProcessUtility模块来执行，包括了各类DDL语句、事务相关语句、游标相关语句等。

DDL查询的上层函数调用为exec_simple_query函数，其中PortalStart函数和PortalDrop函数部分较为简单。核心函数是PortalRun函数下层调用的standard_ProcessUtility函数，该函数通过switch case语句处理了各种类型的查询语句，调用关系如图7-4所示。包括事务相关查询、游标相关查询、schema相关操作、表空间相关操作、表定义相关操作等。

图4 DDL查询主要函数调用关系

2.3 executor模块

DML会被优化器解析并产生成计划树。在执行阶段的上层函数调用和DDL类似，也是exec_simple_query函数。其中PortalStart函数会遍历整个查询计划树，对每个算子进行初始化。算子初始化函数的命名一般是“ExecInit+算子名”的形式，通过这种方式可以方便的查找到对应算子的初始化函数。初始化函数中首先会根据对应的Plan结构初始化一个对应的PlanState结构，这个结构是执行过程中的核心数据结构，包含了在执行过程中需要用的一些数据存储空间以及执行信息。

在PortalRun函数中会实际执行相关的DML查询，对数据进行计算和处理。在执行过程中，所有执行算子分为2大类，行存储算子和向量化算子。这两类算子分别对应行存储执行引擎和向量化执行引擎。行存储执行引擎的上层入口是ExecutePlan函数，向量化执行引擎的上层入口是ExecuteVectorizedPlan函数。其中向量化引擎是针对列存储表的执行引擎，会在7.6小节详细介绍。如果存在行存储表和列存储表的混合计算，那么行存储执行引擎和向量化执行引擎直接可以通过VecToRow和RowToVec算子进行相互转换。行存储算子执行入口函数的命名规则一般为“Exec+算子名”的形式，向量化算子执行入口函数的命名规则一般为“ExecVec+算子名”的形式；通过这样的命名规则，可以快速地找到对应算子的函数入口。

在PortalDrop函数中会调用ExecEndPlan函数对各个算子进行递归清理，主要是清理在执行过程中产生的内存。各个算子的清理函数入口命名规则是“ExecEnd+算子名”以及“ExecEndVec+算子名”，调用关系如图5所示。

图5 DML查询主要函数调用关系

三、执行算子

执行算子模块包含多种计划执行算子，算子类型如表7-4所示，是计划执行的独立单元，用于实现具体的计划动作。执行计划包含4类算子，分别是控制算子、扫描算子、物化算子和连接算子，如表3-1所示。这些算子统一使用节点（node）表示，具有统一的接口，执行流程采用递归模式。整体执行流程是：首先根据计划节点的类型初始化状态节点（函数名为“ExecInit+算子名”），然后再回调执行函数（函数名为“Exec+算子名”），最后是清理状态节点（函数名为“ExecEnd+算子名”）。本节主要介绍行执行算子，面向列存储的算子在后续章节（向量化引擎）介绍。

表3-1 执行算子类型

3.1 控制算子

控制算子主要用于执行特殊流程，这类流程通常包含两个以上输入，如Union操作，需要把多个子结果（输入），合并成一个。控制算子有多种，如表3-2所示。

表3-2 控制算子

1. Result算子

Result算子对应的代码源文件是“nodeResult.cpp”，用于处理只有一个结果（如通过SELECT调用可执行函数或表达式，或者INSERT语句只包含Values字句）或者WHERE表达式中的结果是常量（如“SELECT * FROM emp WHERE 2 > 1”，过滤条件“2 > 1”是常量只需要计算一次即可）的流程。由于openGauss没有提供单独的投影算子（Projection）和选择算子（Selection），Result算子也可以起到类似的作用。

Result算子提供的主要函数如表3-3所示。

表3-3 Result算子主要函数

ExecInitResult函数初始化Result状态节点，主要执行流程如下。

（1） 构造状态节点，构造ResultState状态结构。

（2） 初始化元组表。

（3） 初始化子节点表达式（生成目标列表的表达式、过滤表达式和常量表达式）。

（4） 初始化左子节点（右子节点是空）。

（5） 初始化元组类型和投影信息。

ExecResult函数迭代输出元组，流程图如图6所示，主要执行流程如下。

（1） 检查是否需要做常量表达式计算，如果之前没有做常量表达式计算则需要计算表达式并设置检查标识（如果常量表达式计算结果为false，则设置约束检查标识位）。

（2） 判断是否需要做投影处理，如果返回结果是集合，则把投影结果直接返回。

（3） 执行元组获取。

图6 Result算子执行流程

ExecEndResult函数是在执行计划执行结束时调用，用于释放执行过程申请的资源（存储空间）。

2. Append算子

Append算子对应的代码源文件是“nodeAppend.cpp”，用于处理包含一个或多个子计划的链表。Append遍历子计划链表逐个执行子计划，当子计划返回全部结果后，迭代执行下一个子计划。Append算子通常用于SQL中的集合操作中，例如多个Union All操作，可以对多个子查询的结果取并集；另外Append算子还可以用来实现继承表的查询功能。

Append算子提供的主要函数如表3-4所示。

表3-4 Append算子主要函数

ExecInitAppend函数初始化Append状态节点，主要执行流程如下。

（1） 初始化Append执行状态节点（AppendState）。

（2） 迭代初始化子计划链表（初始化每一个子计划）。

（3） 设置初始迭代子计划。

ExecAppend函数迭代输出元组，是Append算子主体函数。每次从子计划中获取一条元组，直到返回元组为空，则移到下一个子计划（使用as_whichplan标记），直至所有子计划都全部执行完。执行流程如图7所示。

图7 Append算子执行流程

ExecEndAppend函数负责Append节点清理，遍历子计划数组，逐一释放子计划对应的资源。

3. BitmapAnd算子

BitmapAnd算子对应的代码源文件是“nodeBitmapAnd.cpp”，用于对多个属性约束都有索引，且属性约束是And运算，对结果做And位图运算。例如：（colA约束条件）AND （colB约束条件），且colA，colB建有索引，colA对应的位图是Bitmap A，colB对应的位图是Bitmap B。位图运算如图8所示。

图8 Bitmap And操作

BitmapAnd算子提供的主要函数如表3-5所示。

表3-5 BitmapAnd算子主要函数

ExecInitBitmapAnd函数主要执行流程：首先创建Bitmapand状态节点；然后再逐一初始化子计划状态节点。

MultiExecBitmapAnd函数是BitmaAnd计划节点的主体函数，通过迭代方式做求交运算，结果集是一个新的节点。

ExecEndBitmapAnd函数是计划节点退出函数，负责关闭BitmapAnd子计划节点。

4. BitmapOr算子

BitmapOr节点同BitmapAnd节点类似，主要差异是BitmapAnd对子计划结果做求交计算（tbm_intersect），而BitmapOr是对子计划结果做并集计算（tbm_union）。BitmapOr算子提供的主要函数如表3-6所示。

表3-6 BitmapOr算子主要函数

5. RecursiveUnion算子

RecursiveUnion算子对应的代码源文件是“nodeRecursiveUnion.cpp”，用于递归处理UNION语句。
下面给出一个例子，用SQL实现1到10递归求和，语句如下：

/* 递归求和 */WITH RECURSIVE t_recursive_union(i)AS(VALUES (0)UNION ALLSELECT i + 1 FROM t_recursive_union WHERE i < 10)SELECT sum(i) FROM t_recursive_union;/* 查询计划 */Aggregate   CTE t_recursive_union     ->  Recursive Union           ->  Values Scan on "*VALUES*"           ->  WorkTable Scan on t_recursive_union                 Filter: (i < 10)   ->  CTE Scan on t_recursive_union

上述例子由RecursiveUnion算子处理，初始数据是VALUSE (0)，然后再递归部分处理输出，即“SELECT i + 1 FROM t_recursive_union WHERE i < 10”。

RecursiveUnion使用左子树获取初始元组（初始迭代种子），使用右子树递归输出其余元组。RecursiveUnion算子提供的主要函数如表3-7所示。

表3-7 RecursiveUnion算子主要函数

RecursiveUnion算子对应的关键结构体代码如下：

typedef struct RecursiveUnion{Planplan;intwtParam;/* 对应的工作表ID */intnumCols;/* 去重属性个数 */AttrNumber *dupColIdx;/* 去重判断属性编号 */Oid   *dupOperators;/* 去重判断函数 */Oid   *dupCollations;longnumGroups;/* 元组树估算 */} RecursiveUnion;

ExecInitRecursiveUnion函数的主要执行流程如下。

（1） 构造递归合并状态节点，并初始化工作表（working_table）和缓存表（intermediate_table），如果需要去除重复则需要构造哈希表上下文。

（2） 初始化左子节点（用于输出初始元组作为迭代种子）和右子节点（用于迭代输出其他满足迭代条件的元组）。

（3） 创建用于去重的哈希表。

ExecRecursiveUnion函数是RecursiveUnion节点的主体函数，它的主要执行流程是：

（1） 执行左子节点，将获取元组直接返回（左子节点用于输出初始迭代种子）；如需要去重则把元组加入哈希表中。

（2） 当处理完左节点（所有的初始种子已经输出），则执行右子节点获取其余元组，在执行右子节点时会逐一从工作表（working_table）获取迭代输入，并把非空的元组放入缓存表（intermediate_table）。

（3） 当工作表为空时，则把缓存表作为新的工作表，直至所有的元组都输出（缓存表和工作表都为空），如需要去重则把元组加入哈希表中。

ExecEndRecursiveUnion是清理函数，负责释放执行过程申请的存储资源（用于去重的哈希表），并关闭左子节点和右子节点。

3.2 扫描算子

扫描算子用于表、结果集、链表子查询等结果遍历，每次获取一条元组作为上层节点的输入。控制算子中的BitmapAnd/BitmapOr函数所需的位图与扫描算子（索引扫描算子）密切相关。主要包括顺序扫描（SeqScan）、索引扫描（IndexScan）、位图扫描（BitmapHeapScan）、位图索引扫描（BitmapIndexScan）、元组TID扫描（TIDScan）、子查询扫描（SubqueryScan）、函数扫描（FunctionScan）等。扫描算子如表3-8所示。

表3-8 扫描算子

1. SeqScan算子

SeqScan算子是最基本的扫描算子，对应SeqScan执行节点，对应的代码源文件是“nodeSeqScan.cpp”，用于对基础表做顺序扫描。算子对应的主要函数如表3-9所示。

表3-9 SeqScan算子主要函数

ExecInitSeqScan函数初始化SeqScan状态节点，负责节点状态结构构造，并初始化用于存储结果的元组表。

ExecSeqScan函数是SeqScan算子执行的主体函数，用于迭代获取每一个元组。ExecSeqScan函数通过回调函数调用SeqNext函数、HbktSeqSampleNext函数、SeqSampleNext函数实现获取元组。非采样获取元组时调用SeqNext函数；如果需要采样且对应的表采用哈希桶方式存储则调用HbktSeqSampleNext函数，否则调用SeqSampleNext函数。

2. IndexScan算子

IndexScan算子是索引索引扫描算子，对应IndexScan计划节点，相关的代码源文件是“nodeIndexScan.cpp”文件。如果过滤条件涉及索引，查询计划对表的扫描使用IndexScan算子，利用索引加速元组获取。算子对应的主要函数如表3-10所示。

表3-10 IndexScan算子主要函数

ExecInitIndexScan函数负责初始化IndexScan状态节点。主要执行流程如下。

（1） 创建IndexScanState节点。

（2） 初始化子节点，初始化目标列表、索引过滤条件、原始过滤条件。

（3） 打开对应表。

（4） 打开索引。

（5） 构建索引扫描Key。

（6） 处理ORDER BY对应的Key。

（7） 启动索引扫描（返回索引扫描描述符IndexScanDesc）。

（8） 把过滤Key传递给索引器。

ExecIndexScan函数负责迭代获取元组，通过回调函数的形式调用IndexNext函数获取元组。IndexNext函数首先按照扫描Key获取元组，然后再执行表达式indexqualorig判断元组是否满足过滤条件，如果不满足则需要继续获取。

ExecEndIndexScan函数负责清理IndexScanState节点。主要执行流程如下。

（1） 清理元组占用的槽位。

（2） 关闭索引扫描描述子。

（3） 关闭索引（如果是分区表则需要关闭分区索引及分区映射）。

（4） 关闭表。

3. BitmapIndexScan算子

BitmapIndexScan算子通过位图索引做扫描操作，利用位图记录元组在存储页面的偏移位置，对应BitmapIndexScan计划节点。BitmapIndexScan算子相关的代码源文件是“nodeBitmapIndexScan.cpp”。BitmapIndexScan执行的结果是位图，该算子配合BitmapHeapScan算子获取位图对应的元组。算子对应的主要函数如表3-11所示。

表3-11 BitmapIndexScan算子主要函数

BitmapIndexScan算子对应的状态节点代码如下：

typedef struct BitmapIndexScanState {    ScanState ss;  /* 节点状态标识 */    TIDBitmap* biss_result;  /* 位图：扫描结果集 */    ScanKey biss_ScanKeys; /* 索引扫描过滤表达式 */    int biss_NumScanKeys; /* 索引扫描键数量 */    IndexRuntimeKeyInfo* biss_RuntimeKeys; /* 索引扫描运行时求值表达式 */    int biss_NumRuntimeKeys; /* 运行时索引扫描键数量 */    IndexArrayKeyInfo* biss_ArrayKeys;/* 扫描键数组 */    int biss_NumArrayKeys; /* 数组长度 */    bool biss_RuntimeKeysReady; /* 运行时扫描键已经计算标识 */    ExprContext* biss_RuntimeContext; /* 求值表达式上下文 */    Relation biss_RelationDesc; /* 索引描述 */    List* biss_IndexPartitionList; /* 分区表对应索引 */    LOCKMODE lockMode; /* 锁模式 */    Relation biss_CurrentIndexPartition; /* 当前对应分区索引 */} BitmapIndexScanState;

ExecInitBitmapIndexScan函数初始化BitmapIndexScan状态节点（BitmapIndexScanState）。主要执行流程如下。

（1） 创建BitmapIndexScanState节点用于存储状态信息。

（2） 打开索引。

（3） 构建索引扫描Key。

（4） 启动索引扫描（返回索引扫描描述符IndexScanDesc）。

（5） 把过滤Key传递给索引器。

MultiExecBitmapIndexScan函数返回所有元组位图。主要执行流程如下。

（1） 准备Bitmap结果集，用于存储元组ID。

（2） 步循环批量获取元组并存储于Bitmap结果集。如果有多组过滤Key（使用函数ExecIndexAdvanceArrayKeys判断）则继续循环批量获取元组。

4. BitmapHeapScan算子

BitmapHeapSan算子通过位图（BitmapIndexScan的输出）获取实际的元组，对应的代码源文件是“BitmapHeap.cpp”。算子对应的主要函数如表3-12所示。

表3-12 BitmapHeapScan算子主要函数

BitmapHeapScan算子对应的状态节点代码如下：

typedef struct BitmapHeapScanState {    ScanState ss; /* 节点标识 */    List* bitmapqualorig; /* 元组过滤条件 */    TIDBitmap* tbm; /* 位图：来自BitmapIndexScan节点输出 */    TBMIterator* tbmiterator; /* 位图迭代器 */    TBMIterateResult* tbmres; /* 迭代结果 */    TBMIterator* prefetch_iterator; /* 预抓取迭代器 */    int prefetch_pages; /* 预获取页面数量 */    int prefetch_target; /* 当前获取页面 */} BitmapHeapScanState;

ExecInitBitmapHeapScan函数负责初始化BitmapHeapScan状态节点（BitmapHeapScanState）。主要执行流程如下。

（1） 创建BitmapHeapScanState状态节点。

（2） 初始化子节点，初始化目标列表、索引过滤条件、原始过滤条件。

（3） 打开对应表。

（4） 初始化元组槽位并设置元组迭代获取函数。

（5） 启动表扫描（返回表扫描描述符TableScanDesc）。

（6） 初始化左子节点（左子节点负责执行位图索引扫描，并返回位图）。

ExecBitmapHeapScan函数负责迭代输出元组。使用回调函数获取元组，依照表的类型调用BitmapHeapTblNext函数或BitmapHbucketTblNext（哈希桶类型）函数。BitmapHeapTblNext函数的主要执行流程是：首先初始化位图，然后使用位图迭代器tbmres获取元组偏移位置，最后从缓冲区获取元组slot。

ExecEndBitmapHeapScan函数负责清理BitmapHeapScan状态节点，清理流程类似于ExecEndIndexScan函数

5. TIDScan算子

TIDScan算子用于通过遍历元组的物理存储位置获取每一个元组（TID由块编号和偏移位置组成），对应TIDScanState计划节点，相应的代码源文件是“nodeTIDScan.cpp”。算子对应的主要函数如表3-13所示。

表3-13 TIDScan算子主要函数

TID扫描算子对应的状态节点代码如下：

typedef struct TidScanState {    ScanState ss;       /* 节点标识 */    List* tss_tidquals; /* tid过滤表达式 */    bool tss_isCurrentOf; /* 游标同当前扫描表是否匹配 */    Relation tss_CurrentOf_CurrentPartition; /* 当前扫描分区 */    int tss_NumTids; /* tid数量 */    int tss_TidPtr; /* 当前扫描位置 */    int tss_MarkTidPtr; /* 标记扫描位置 */    ItemPointerData* tss_TidList; /* tid列表 */    HeapTupleData tss_htup; /* 堆元组 */    HeapTupleHeaderData tss_ctbuf_hdr; /* 堆元组头信息 */} TidScanState;

ExecInitTidScan是TIDScan节点状态初始化函数。主要执行流程如下。

（1） 创建TidScanState节点。

（2） 初始化子节点，初始化目标列表、索引过滤条件、原始过滤条件。

（3） 打开对应表。

（4） 初始化结果元组；

（5） 启动表扫描（返回表扫描描述符TableScanDesc）。

ExecTidScan是元组迭代获取函数，通过调用TidNext函数实现功能。TidNext函数首先获取Tid列表，并存放到tss_TidList数组中，根据heap_relation调用TidFetchTuple函数或HbtTidFetchTuble函数（哈希桶类型）中逐一获取元组（tss_TidPtr是tid在数组中的相对偏移位置，使用函数InitTidPtr移动偏移位置）。

6. SubqueryScan算子

SubqueryScan算子以子计划为扫描对象，实际执行会转换成调用子节点计划，对应的代码源文件是“nodeSubqueryScan.cpp”。SubqueryScan状态节点初始由ExecInitSubqueryScan函数完成。ExecInitSubqueryScan函数首先创建SubqueryScan状态节点，然后初始化子计划（调用ExecInitNode函数实现）。ExecSubqueryScan函数负责迭代输出元组，通过调用函数SubqueryNext实现，在SubqueryNext函数中使用ExecProcNode函数执行子节点计划。算子对应的主要函数如表3-14所示。

表3-14 SubqueryScan算子主要函数

7. FunctionScan算子

FunctionScan算子用于从函数返回的数据集中获取元组，对应的代码源文件是“nodeFunctionScan.cpp”。算子对应的主要函数如表3-15所示。

表3-15 FunctionScan算子主要函数

ExecInitFunctionScan函数负责初始化FunctionScan状态节点。主要执行流程如下。

（1） 构造FuctionScan状态节点。

（2） 初始化目标表达式和过滤条件表达式。

（3） 根据functypclass的类型构造元组表述符（函数返回元组）。

ExecFunctionScan函数负责迭代输出函数返回元组。主要执行流程如下。

（1） 初始化tuplestorestate（首次执行存储函数执行的全量结果）。

（2） 从tuplestorestate逐一取出元组。

8. ValuesScan算子

ValuesScan算子用于处理“Values (…),(…), …”类型语句，从值列表中输出元组，对应与ValuesScan计划节点，相关的代码源文件是“nodeValuesScan.cpp”。values_lists数组存储值表达式列表。算子对应的主要函数如表3-16所示。

表3-16 ValuesScan 主要函数

ExecInitValuesScan函数初始化ValuesScan状态节点，该函数把值表达式链表转换成表达式数组，该表达式数组即为元组集合。

ExecValuesScan函数迭代输出元组，通过回调函数调用ValuesNext函数实现，curr_idx字段是偏移位置，从exprlists数组中逐一取出数值构造元组。

9. CteScan算子

CteScan算子用于处理With表达式对应的子查询，对应于CteScan计划节点，相应的代码源文件是“nodeCteScan.cpp”。算子对应的主要函数如表3-17所示。

表3-17 CteScan算子主要函数

ExecInitCteScan函数初始化CteScan状态节点。主要执行流程如下。

（1） 获得Cte计划节点。

（2） 根据全局参数prmdata（所有CteScan子计划共享）判断当前CteScan计划是否为起始Cte，如果是则构造cte_table用于缓存。

（3） 初始化目标表达式和条件过滤表达式。

（4） 初始化元组用于缓存。

ExecCteScan函数用于迭代获取元组，通过回调函数调用CteScanNext实现。主要执行流程是：首先判断缓存数组中是否有未取元组，如果有则取出返回（使用tuplestore_gettupleslot函数），否则执行子计划获取元组。

10. WorkTableScan算子

WorkTableScan算子用于处理递归项，同RecursiveUnion算子紧密关联，对应的代码源文件是“nodeWorkTableScan.cpp”。WorkTableScan算子处理RecursiveUnion子节点中的工作表，提供了对缓存扫描的支持。算子对应的主要函数如表3-18所示。

表3-18 WorkTableScan算子主要函数

11. PartIterator算子

PartIterator算子用于支持分区wise join，从分区中迭代获取元组，对应的代码源文件是“nodePartIterator.cpp”。PartIterator算子通过执行子节点计划获取分区遍历获取元组。算子对应的主要函数如表3-19所示。

表3-19 ParIterator算子主要函数

分区遍历关键数据结构代码如下：

typedef struct PartIterator {    Plan plan;    PartitionType partType;  /* 分区类型 */    int itrs;               /* 分区数量 */    ScanDirection direction;    PartIteratorParam* param;    int startPartitionId;   /* 并行执行起始分区ID */    int endPartitionId;   /* 并行执行分区结束ID */} PartIterator;
typedef struct PartIteratorState {    PlanState ps;   /* 状态节点类型 */    int currentItr;  /* 当前迭代分区索引编号 */} PartIteratorState;

ExecInitPartIteratorScan函数用于初始化PartIteratorScan状态节点（PartIteratorState），功能是初始化左子节点并设置初始迭代分区索引号。

ExecPartIteratorScan函数迭代输出元组。主要执行流程是：首先初始化分区索引号，执行左子节点获取元组，如果元组为空则获取下一个分区的元组。

3.3 物化算子

物化算子用于把元组缓存起来供后续使用。物化算子有多种类型，将介绍部分物化算子。如表3-20所示。

表3-20 物化算子列表

1. Material算子

Material算子用于缓存子节点执行结果，对应的代码源文件是“nodeMaterial.cpp”。Material算子使用函数tuplestorestate缓存迭代输出的元组。算子对应的主要函数如表3-21所示。

表3-21 Material算子主要函数

ExecInitMaterial函数用于初始化Material状态节点，并初始化左子节点。

ExecMaterial函数用于迭代获取元组。根据计划选择ExecMaterialOne函数和ExecMaterialAll函数输出元组：ExecMaterialOne函数从子计划中迭代获取一个元组并放入tuplestorestate对象中；ExecMaterialAll函数从子计划中迭代获取所有的元组并存储在tuplestorestate对象中。

ExecEndMaterial函数是清理函数，主要清理元组缓存。

2. Sort算子

Sort算子用于执行排序计划节点（即SQL语句中的ORDER BY命令），对应的代码源文件是“nodeSort.cpp”。算子对应的主要函数如表3-22所示。

表3-22 Sort算子主要函数

排序算子对应的结构体是SortState，该结构体代码如下：

typedef struct SortState { ScanState ss; /* 扫描节点 */ bool randomAccess; /* 随机访问标识*/ bool bounded; /* 结果集边界标识 */ int64 bound; /* 结果集中总数 */ bool sort_Done; /* 排序完成标识 */ bool bounded_Done; /* 结果集边界设置标识 */ int64 bound_Done; /* 参与排序的数据集 */ void* tuplesortstate; /* 排序表 */ int32 local_work_mem; /* 内存使用 */ int sortMethodId; /* 所用排序方法(explain) */ int spaceTypeId; /* 空间类型(explain) */ long spaceUsed; /* 所用空间大小(explain) */ int64* space_size; /* 临时表外溢大小 */} SortState;

ExecInitSort函数用于初始化排序节点，创建排序时的状态信息。主要执行流程如下。

（1） 创建Sort状态结构体，生成排序状态节点（SortState）。

（2） 对结果元组表初始化（分别调用“ExecInitResultTupleSlot(estate,&sortstate->ss.ps)”函数和“ExecInitScanTupleSlot(estate,&sortstate->ss)”函数）。

（3） 初始化子节点。

（4） 初始化元组类型。

ExecSort函数是执行排序的主函数。主要执行流程是：

（1） 判断排序状态节点是否已经做过排序，如果没有做过排序，需要调用tuplesort函数做一次全部排序。

（2） 使用tuplesort函数做排序的流程是先初始化堆排序，然后调用tuplesort_performsort函数执行排序。

（3） 根据排序执行节点的逐一读取元组。

ExecSort函数的执行流程如图9所示。

图9 ExecSort函数操作流程

ExecEndSort函数用于释放排序过程使用的资源。主要执行流程是：首先释放用于存放中间元组的排序表，然后清理结果表，最后关闭排序执行计划。

ExecSortMarkPos函数用于标记排序位置。ExecSortRestrPos函数用于恢复保存的排序文件。ExecReScanSort函数用于重置排序结果。

3. Limit算子

Limit算子节点主要用来处理LIMIT/OFFSET子句，用于限制子查询语句处理元组的数量，对应的代码源文件是“nodeLimit.cpp”。算子对应的主要函数如表3-23所示。

表3-23 Limit算子主要函数

Limit算子对应的关键结构体是LimitState，相关代码如下：

typedef struct LimitState {    PlanState ps;            /* 计划状态节点*/    ExprState* limitOffset;  /* 偏移位置*/    ExprState* limitCount;   /* 总数 */    int64 offset;            /* 当前偏移位置 */    int64 count;             /* 当前总数 */    bool noCount;            /* 忽略总数标识 */    LimitStateCond lstate;   /* 状态机当前状态 */    int64 position;          /* 上一个元组的位置 */    TupleTableSlot* subSlot; /* 上一个元组 */} LimitState;

ExecInitLimit函数用于把Limit计划节点转成Limit执行节点。主要执行流程如下。

（1） 初始化Limit状态节点（LimitState）并做子表达式处理，分别初始化limitOffset（调用“ExecInitExpr((Expr*)node->limitOffset, (PlanState*)limit_state)”函数）和limitCount（调用“ExecInitExpr((Expr*)node->limitCount, (PlanState*)limit_state);”函数）表达式。

（2） 调用“ExecInitResultTupleSlot(estate, &limit_state->ps)”函数做元组初始化。

（3） 外部计划初始化（调用“outer_plan = outerPlan(node); outerPlanState(limit_state) = ExecInitNode(outer_plan, estate, eflags);”函数）。

（4） 对投影信息置空（由于Limit无投影）。

ExecLimit是执行Limit算子的入口，每次返回一个元组。在函数体内部通过“switch (node->lstate) ”函数来处理Limit算子的各种Limit状态，如果Limit对应的状态不是叶子节点则调用ExecProcNode做递归处理。“node->lstate”对应的状态有LIMIT_INITIAL、LIMIT_RESCAN、LIMIT_EMPTY、LIMIT_INWINDOW、LIMIT_SUBPLANEOF、LIMIT_WINDOWEND、LIMIT_WINDOWSTART。其中LIMIT_INITIAL对应处理Limit算子初始化，LIMIT_RESCAN对应重新执行子节点计划，LIMIT_EMPTY对应Limit算子是空集，LIMIT_INWINDOW用于处理窗口函数（在窗口函数内前向和后向移动），LIMIT_SUBPLANEOF用于处理子节点计划（移动到子节点计划尾部），LIMIT_WINDOWEND用于在窗口尾部结束，LIMIT_WINDOWSTART用于在窗口开始处结束。

recompute_limits函数用于在初始化时处理limit/offset表达式。主要执行流程如下。

（1） 处理计划节点中的limitOffset，如果非空则对limitOffset对应的表达式做求值处理，判断limitOffset是否满足约束条件，如果不满足则做报错处理。

（2） 处理计划节点中的limitCount，如果非空则对limitCount对应的表达式做求值处理，判断limitCount是否满足约束条件，如果不满足则做报错处理。

（3） 调用pass_down_bound递归处理子节点。

4. Group算子

Group算子用于处理GROUP BY子句（节点），对满足条件的元组做分组处理，对应的代码源文件是“nodeGroup.cpp”。Group算子对应的子节点返回的元组是按照分组属性排列的结果。算子对应的主要函数如表3-24所示。

表3-24 Group算子主要函数

ExecInitGroup函数初始Group状态节点。主要执行流程如下。

（1） 构造Group状态节点。

（2） 初始化目标表达式和过滤表达式。

（3） 初始化唯一子节点（用于输出元组）。

（4） 获取唯一值过滤函数。

ExecGroup函数输出分组后的元组。Group子节点输出的元组已按照分组属性排序，在迭代输出时只要发现同上一个元组属性不匹配，则生成新的元组（新分组）输出。

5. Agg算子

Agg算子用于执行含有聚集函数的操作，对应的代码源文件是“nodeAgg.cpp”。Agg算子支持3种策略处理：普通聚集（不分组聚集计算）、排序聚集、哈希聚集。排序聚集和哈希聚集计算都包含GROUP BY子句而不分组聚集计算则不包含。普通聚集实际可以看作分组聚集的一种特例（每个元组对应一个分组）。普通聚集与排序聚集使用agg_retrieve_direct函数获取元组，哈希聚集使用agg_retrieve函数获取元组。算子对应的主要函数如表3-25所示。

表3-25 Agg算子主要函数

ExecInitAgg函数用于初始化Agg状态节点。主要执行流程如下。

（1） 构建AggState状态节点。

（2） 计算最大分组数（迭代阶段）。

（3） 初始化子计划节点（左子节点）。

（4） 初始化聚合函数。

（5） 初始化罗盘文件。

ExecAgg函数输出聚合元组。从子节点（子计划执行）获取元组，按照指定的属性列聚合，根据不同的聚合调用agg_retrieve或agg_retrieve_direct函数。agg_retrieve函数的执行逻辑是：首先准备数据（从子

6. Unique算子

Unique算子用于对子计划返回的元组去重，对应的代码源文件是“nodeUnique.cpp”。Unique算子的去重逻辑建立在子计划返回的元组已经按照属性排序之上，如果不重复则输出，并放入缓存元组中（用作下一次迭代去重判断），否则继续从子计划中获取元组。

7. hash算子

hash算子用于辅助hash连接算子，对应的代码源文件是“nodeHash.cpp”。hash算子作为辅助算子，仅用来初始化hash状态节点，并提供哈希表创建接口（供hash join算子调用），不迭代输出元组（hash join算子负责输出）。

8. SetOp算子

SetOp算子用于处理Execept与Intersect两种集合操作（INTERSECT、INTERSECT ALL、EXCEPT、EXCECPT ALL），对应的代码源文件是“nodeSetOp.cpp”。Setop算子只有一个左子节点作为输入。SetOp算子在处理集合操作时有2种策略：排序和哈希。哈希模式（SETOP_HASHED）下处理非有序元组集合，而排序模式（SETOP_SORTED）下处理有序元组集合。

9. WindowAgg算子

WindowAgg算子用于处理元组窗口聚合，对应的代码源文件是“nodeWindAgg.cpp”。WindowAgg算子同Agg算子实现的功能类似，实现的模式也类似，主要的差异是窗口聚合处理的元组限定于同一个划分内（窗口），而Agg算子处理的元组是“整个表”（GROUP BY划分）。

10. LockRows算子

LockRows算子提供行级锁，用于SQL语句包含“FOR UPDATE”（排他锁）或“FOR SHARE”（共享锁）时，对元组加锁。对应的源文件是nodeLockRows.cpp。LockRows算子的执行逻辑是从子节点获取元组，然后尝试对元组加锁；如果针对UPDATE操作，需要重新检查子查询（执行EvalPlanQualBegin），并对子查询获得的元组过滤检查，把满足过滤条件的元组返回。

3.4 连接算子

连接算子用于处理表关联，openGauss支持12种连接类型（inner join、left join、right join、full join、semi join、anti join等），提供了3种连接算子：hash join、merge join、nested loop join算子；下面分别介绍这3种算子。

1. hash join算子

hash join算子用于hash连接处理，对应的代码源文件是“nodeHashJoin.cpp”。hash连接是做大数据集连接时的常用方式，优化器使用两个表中较小的表（或数据源）利用连接键在内存中建立哈希表，然后扫描较大的表并探测哈希表，找出与哈希表匹配的行。这种方式适用于较小的表完全可以放于内存中的情况，这样总成本就是访问两个表的成本之和。但是在表很大的情况下并不能完全放入内存，执行器会将它分割成若干不同的分区，不能放入内存的部分就把该分区写入磁盘的临时段，此时要有较大的临时段从而尽量提高I/O的性能。算子对应的主要函数如表3-26所示。

表3-26 hash join算子主要函数

hash join算子对应的状态节点代码如下：

typedef struct HashJoinState {    JoinState js;                          /* Join节点 */    List* hashclauses;                     /* hash计算表达式 */    List* hj_OuterHashKeys;                /* hash外表键表达式 */    List* hj_InnerHashKeys;                /* hash内表键表达式 */    List* hj_HashOperators;                /* hash计算运算符 */    HashJoinTable hj_HashTable;            /* 哈希表 */    uint32 hj_CurHashValue;               /* 当前哈希值 */    int hj_CurBucketNo;                   /* 当前桶编号 */    int hj_CurSkewBucketNo;               /* 倾斜桶编号 */    HashJoinTuple hj_CurTuple;             /* 当前处理元组 */    HashJoinTuple hj_PreTuple;             /* 前一个处理元组 */    TupleTableSlot* hj_OuterTupleSlot;       /* 外元组槽 */    TupleTableSlot* hj_HashTupleSlot;        /* 内元组槽 */    TupleTableSlot* hj_NullOuterTupleSlot;    /* NULL值外元组槽 */    TupleTableSlot* hj_NullInnerTupleSlot;    /* NULL值内元组槽 */    TupleTableSlot* hj_FirstOuterTupleSlot;   /* 第一个外元组槽 */    int hj_JoinState;                      /* 连接状态 */    bool hj_MatchedOuter;                /* 匹配外元组 */    bool hj_OuterNotEmpty;               /* 外表非空 */    bool hj_streamBothSides;              /* 内外表是否都包含stream */    bool hj_rebuildHashtable;              /* 重建哈希表标识 */} HashJoinState;

ExecInitHashJoin函数用于初始化hash join执行节点，把hash join计划节点转换成计划执行节点，整个转换过程采用递归处理的方式。主要执行流程如下。

（1） 构建hash join状态节点（HashJoinState）。

（2） 初始化表达式（目标表达式、join连接表达式、条件过滤表达式等）。

（3） 初始化左右子节点（初始化外表和内表）。

（4） 初始化HashKey及hash函数链表。

ExecHashJoin函数实现元组迭代输出。主要执行流程是：

（1） 获取节点信息，然后做投影处理，接着重置上下文，最后执行hash join连接状态机（首先对内表做扫描，根据连接键计算哈希值，放入哈希表。

（2） 扫描外表元组，根据连接键计算哈希值，直接查找哈希表进行连接操作，如果匹配成功将结果输出（在内存中匹配），否则做落盘处理。

（3） 对外表和内表落盘的元组做连接。

ExecHashJoin函数操作流程图如图10所示。

图10 ExecHashJoin函数操作流程

ExecEndHashJoin函数用于资源清理。主要执行流程是：首先释放哈希表，然后清空表达资源，接着释放三个元组表，最后再释放子节点。操作流程如图11所示。

图11 ExecEndHashJoin函数操作流程

ExecReSetHashJoin函数用于重置hash join状态节点。主要执行流程是：首先调用ExecHashTableDestroy释放哈希表，然后调用ExecReSetRecursivePlanTree递归重置左右子树。

ExecReScanHashJoin函数用于重新执行扫描计划。主要执行流程是：首先判断重置状态信息，如果已经递归重置，只需执行重新扫描左右子树计划即可，否则则需要重建哈希表。

2. merge join算子

merge join算子用于支持排序结果集连接，对应的代码源文件是“nodeMergeJoin.cpp”。通常情况下hash连接的效果都比排序合并连接要好，但如果元组已经被排序，在执行排序合并连接时不需要再排序，这时排序合并连接的性能会优于hash连接。merge join算子连接处理的逻辑同经典的归并排序算法相似，需要首先找到匹配位置，然后迭代获取外表与内表匹配位置。

merge join算子相关的核心函数包括：ExecInitMergeJoin、ExecMergeJoin。下面分别介绍这两个主要函数。

ExecInitMergeJoin函数用于初始化merge join状态节点。主要执行流程如下。

（1） 创建merge join状态节点。

（2） 初始化表达式（目标表达式、join连接表达式、条件过滤表达式等）。

（3） 初始化内外节点。

（4） 根据join类型初始化状态节点信息。

ExecMergeJoin函数用于处理归并连接。主要执行流程是：通过2层switch判断当前归并连接的状态（类似与归并排序），计算连接值如发现匹配元组则直接返回，否则继续从外表或内表中获取有序元组，按照连接状态做匹配判断。

3. nested loop join算子

nested loop join算子一般用在连接的表中有索引，并且索引选择性较好的时候，对应的代码源文件是“nodeNestedloop.cpp”。对于被连接的数据子集较小的情况，嵌套循环连接是个较好的选择。Nestedloop算子执行的主要过程是：通过外表（左子节点）驱动内表（内子节点），外表处于外循环，外表返回的每一行都要在内表中检索找到与它匹配的行。因此整个查询返回的结果集不能太大，要把返回子集较小表的作为外表，而且在内表的连接字段上一定要有索引。