我们看看 TiDB 一段代码的实现 --- 左外连接(Left Out Join)的消除;

select 的优化一般是这样的过程:

在逻辑执行计划的优化阶段, 会有很多关系代数的规则, 需要将逻辑执行计划(LogicalPlan)树应用到各个规则中, 尝试进行优化改写;

我们看看其中的一条优化规则: outerJoinEliminator

TiDB作为优秀的开源项目, 代码的注释也非常优秀, 里面提到了满足这些条件的 Left Outer Join 可以消除右表;

// tryToEliminateOuterJoin will eliminate outer join plan base on the following rules

// 1. outer join elimination: For example left outer join, if the parent only use the

// columns from left table and the join key of right table(the inner table) is a unique

// key of the right table. the left outer join can be eliminated.

// 2. outer join elimination with duplicate agnostic aggregate functions: For example left outer join.

// If the parent only use the columns from left table with 'distinct' label. The left outer join can

// be eliminated.

我们这里只讨论第一种情况, 第二种情况请您自行查看源码;

我们构造满足第一种情况的查询:

左表:

t1(

id int primary key not null auto_increment,

a int,

b int

);

右表:

t2(

id int primary key not null auto_increment,

a int,

b int

);

查询语句:

select t1.id, t1.a from t1 left join t2 on t1.id = t2.id;

我们看看优化规则之前的逻辑执行计划:

这个执行计划是这样的:

顶层的算子是投影(Projection)操作, 取 t1.id 和 t1.a 这两列;

接下来是 连接(Join) 操作, 类型是: LeftOuterJoin;

接下来左边是 OuterPlan, 左表; 右边是 InnerPlan, 右表;

左边的算子是扫 t1 的数据, 右边的算子是扫 t2 表的数据;

底层的算子将数据返回给上层的算子, 来完成计划的执行;

注, 这种数据自底向上的流动方式有点像火山喷发, 所以这种执行模型叫做火山模型(Volcano);

主要代码逻辑在这里:

outerJoinEliminator::doOptimize

这是一个递归的操作, 不断的获取 parentCols, 并对 LeftOuterJoin 或者 RightOuterJoin 尝试进行消除;

如果是LeftOuterJoin , 尝试消除右表, 如果是RightOuterJoin, 尝试消除左表;

因为我们这里只有 Projection算子 和 LeftOuterJoin算子, 所以代码调用逻辑基本是这样的:

* 获取Projection的列

* 对下面的LeftOuterJoin进行判断

* 获取左表的列: outerPlan.Schema().Columns

* 判断上层 Projection 用到的列是否全部来自左表: o.isColsAllFromOuterTable(parentCols, outerUniqueIDs)

* 获取 Join 连接的列:innerJoinKeys := o.extractInnerJoinKeys(p, innerChildIdx); 这即是右表的 t2.id

* 判断连接的列是否被包含在右表的主键:o.isInnerJoinKeysContainUniqueKey(innerPlan, innerJoinKeys)

* 满足条件, 将 LeftOutJoin 替换掉;

我们展示一下这个转换:

上图中灰色的执行计划会被消除掉;

变成了下面的执行计划:

最终, 上面给出的sql 的例子等价于下面的语句:

select t1.id, t1.a from t1;

有兴趣的读者可以看看其他的满足条件的左外连接消除的逻辑, 这里就不讲了;

逻辑优化的过程一般被叫做RBO(rule based optimization);

逻辑规则的优化是基于关系代数的等价推导和证明;

大部分数据库(例如mysql, Oracle, SQLServer)的逻辑优化规则都类似, 可以互相参考;

物理优化的过程一般被叫做CBO(cost based optimization);

不同的数据库的物理优化规则不一定是一样的, 这个可能根据数据和索引的存放特点来进行针对性的处理;