openGauss - 向量化执行引擎算子HashAgg解读
openGauss - 向量化执行引擎算子HashAgg解读
对于分组聚合来说，可以通过排序将待排序值按照大小排列起来，相同的值就紧密连在一起，然后依次遍历，遇到不相同的值就得到一个分组。另一种方式是通过Hash来完成，将所有值都构建到hash表中，同一个桶的值即为一个分组（hash冲突的场景忽略）。openGauss的向量化执行引擎如何通过Hash来实现聚合？
1、HashAggRunner类
HashAggRunner类是Hash Agg执行的对象，主要成员及其关系如下图所示：
1）m_hashVal[]:数组大小是batch大小，存储着batch每行hash列的hash值：
2）Hash表由m_hashData管理，hash表数据都在内存则总是使用m_hashData[0]，由两个成员组成：tbl_size为hash表大小，tbl_data为hash表
3）tbl_data[]为hash表，hash表存储hashCell*指针。也就是每个分组的值放到这里。Hash表的大小就是分组数：
该分组数是根据work_mem和以及统计信息估算出来的。
4）m_cacheLoc[]数组存储每行记录的hash桶号，计算方法：m_hashVal[i] & (m_hashSize - 1)。可以看到，不同值肯定会存在放在同一个桶的情况。
5）m_Loc[]数组存放hashCell，而hashCell则表示每个分组值，当发生hash冲突时，以链表的形式挂载同一个桶上。
6）HashAgg分组聚合的计算方式：这里忽略hash冲突的场景
比如有一列值：
依次：第一行1hash后放到桶1，然后将1的cell放到m_Loc[0]；2放到m_Loc[1]；1hash到桶1，使用桶1的cell,将其放到m_Loc[2]；3放到m_Loc[3]；2的cell存放到m_Loc[4]。那么m_Loc[]数组依次存储的cell为：
这样将m_Loc[]数组带入向量化计算函数中，对其进行聚合，比如count：
for( i < nrows ){
m_Loc[i].cell++;
}
