注：以下分析基于開源 v19.15.2.2-stable 版本進(jìn)行，社區(qū)最新版本代碼改動(dòng)較大，但是總體思路是不變的。

用戶提交一條查詢SQL背后發(fā)生了什么？

在傳統(tǒng)關(guān)系型數(shù)據(jù)庫中，SQL處理器的組件主要包括以下幾種：

? Query Parsing
負(fù)責(zé)進(jìn)行詞法和語法分析,把程序從人類高可讀的格式(即SQL)轉(zhuǎn)化成機(jī)器高可讀的格式(AST,抽象語法樹)。

詞法分析指的是把SQL中的字符序列分解成一個(gè)個(gè)獨(dú)立的詞法單元——Token(<類型，值>)。
語法分析指的是從詞法分析器輸出的token中識別各類短語，并構(gòu)造出一顆抽象語法樹。而按照構(gòu)造抽象語法樹的方向，又可以把語法分析分成自頂向下和自底向上分析兩種。而ClickHouse采用的則是手寫一個(gè)遞歸下降的語法分析器。

? Query Rewrite
即通常我們說的"Logical Optimizer"或基于規(guī)則的優(yōu)化器(Rule-Based Optimizer,即RBO)。

其負(fù)責(zé)應(yīng)用一些啟發(fā)式規(guī)則，負(fù)責(zé)簡化和標(biāo)準(zhǔn)化查詢，無需改變查詢的語義。

常見操作有:謂詞和算子下推，視圖展開，簡化常量運(yùn)算表達(dá)式，謂詞邏輯的重寫，語義的優(yōu)化等。

? Query Optimizer
即通常我們所說的"Physical Optimizer"，負(fù)責(zé)把內(nèi)部查詢表達(dá)轉(zhuǎn)化成一個(gè)高效的查詢計(jì)劃，指導(dǎo)DBMS如何去取表，如何進(jìn)行排序，如何Join。如下圖所示，一個(gè)查詢計(jì)劃可以被認(rèn)為是一個(gè)數(shù)據(jù)流圖，在這個(gè)數(shù)據(jù)流圖中，表數(shù)據(jù)會(huì)像在管道中傳輸一樣，從一個(gè)查詢操作符(operator)傳遞到另一個(gè)查詢操作符。

?

一個(gè)查詢計(jì)劃

? Query Executor
查詢執(zhí)行器，負(fù)責(zé)執(zhí)行具體的查詢計(jì)劃，從存儲引擎中獲取數(shù)據(jù)并且對數(shù)據(jù)應(yīng)用查詢計(jì)劃得到結(jié)果。
執(zhí)行引擎也分為很多種，如經(jīng)典的火山模型(Volcano Model)，還有ClickHouse采用的向量化執(zhí)行模型(Vectorization Model)。

?

?

(圖來自經(jīng)典論文 Architecture Of Database System)

但不管是傳統(tǒng)的關(guān)系型數(shù)據(jù)庫，還是非關(guān)系型數(shù)據(jù)庫，SQL的解析和生成執(zhí)行計(jì)劃過程都是大同小異的，而縱覽ClickHouse的源代碼，可以把用戶提交一條查詢SQL背后的過程總結(jié)如下：

1.服務(wù)端接收客戶端發(fā)來的SQL請求，具體形式是一個(gè)網(wǎng)絡(luò)包，Server的協(xié)議層需要拆包把SQL解析出來

2.Server負(fù)責(zé)初始化上下文與Network Handler，然后?Parser?對Query做詞法和語法分析，解析成AST

3.Interpreter的?SyntaxAnalyzer?會(huì)應(yīng)用一些啟發(fā)式規(guī)則對AST進(jìn)行優(yōu)化重寫

4.Interpreter的?ExpressionAnalyzer?根據(jù)上下文信息以及優(yōu)化重寫后的AST生成物理執(zhí)行計(jì)劃

5.物理執(zhí)行計(jì)劃分發(fā)到本地或者分布式的executor,各自從存儲引擎中獲取數(shù)據(jù),應(yīng)用執(zhí)行計(jì)劃

6.Server把執(zhí)行后的結(jié)果以Block流的形式輸出到Socket緩沖區(qū),Client從Socket中讀取即可得到結(jié)果

接收客戶端請求

我們要以服務(wù)端的視角來出發(fā)，首先來看server.cpp大概做什么事情:

下面只挑選重要的邏輯:

? 初始化上下文

? 初始化Zookeeper(ClickHouse的副本復(fù)制機(jī)制需要依賴ZooKeeper)

? 常規(guī)配置初始化

? 綁定服務(wù)端的端口，根據(jù)網(wǎng)絡(luò)協(xié)議初始化Handler，對客戶端提供服務(wù)

int Server::main() {// 初始化上下文global_context = std::make_unique<Context>(Context::createGlobal());global_context->setApplicationType(Context::ApplicationType::SERVER);// zk初始化zkutil::ZooKeeperNodeCache main_config_zk_node_cache([&] { return global_context->getZooKeeper(); });//其他config的初始化//...//綁定端口,對外提供服務(wù)auto address = make_socket_address(host, port);socket.bind(address, /* reuseAddress = */ true);//根據(jù)網(wǎng)絡(luò)協(xié)議建立不同的server類型//現(xiàn)在支持的server類型有： HTTP,HTTPS,TCP,Interserver,mysql//以TCP版本為例:create_server("tcp_port", [&](UInt16 port){Poco::Net::ServerSocket socket;auto address = socket_bind_listen(socket, listen_host, port);servers.emplace_back(std::make_unique<Poco::Net::TCPServer>(new TCPHandlerFactory(*this),server_pool,socket,new Poco::Net::TCPServerParams));});//啟動(dòng)serverfor (auto & server : servers)server->start();}

客戶端發(fā)來的請求是由各自網(wǎng)絡(luò)協(xié)議所對應(yīng)的?Handler?來進(jìn)行的，server在啟動(dòng)的時(shí)候?Handler?會(huì)被初始化并綁定在指定端口中。我們以TCPHandler為例，看看服務(wù)端是如何處理客戶端發(fā)來的請求的，重點(diǎn)關(guān)注?TCPHandler::runImpl?的函數(shù)實(shí)現(xiàn):

? 初始化輸入和輸出流的緩沖區(qū)

? 接受請求報(bào)文，拆包

? 執(zhí)行Query(包括整個(gè)詞法語法分析，Query重寫，物理計(jì)劃生成和生成結(jié)果)

? 把Query結(jié)果保存到輸出流，然后發(fā)送到Socket的緩沖區(qū)，等待發(fā)送回客戶端

void TCPHandler::runImpl() {//實(shí)例化套接字對應(yīng)的輸入和輸出流緩沖區(qū)in = std::make_shared<ReadBufferFromPocoSocket>(socket());out = std::make_shared<WriteBufferFromPocoSocket>(socket());while (1){// 接收請求報(bào)文receivePacket();// 執(zhí)行Query state.io = executeQuery(state.query, *query_context, false, state.stage, may_have_embedded_data);//根據(jù)Query種類來處理不同的Query//處理insert QueryprocessInsertQuery();//并發(fā)處理普通QueryprocessOrdinaryQueryWithProcessors();//單線程處理普通QueryprocessOrdinaryQuery();}}

那CK處理客戶端發(fā)送過來的Query的具體邏輯是怎樣的呢?

我們可以在dbms/src/Interpreters/executeQuery.cpp?中一探究竟:

具體邏輯在?executeQueryImpl?函數(shù)中,挑選核心的邏輯進(jìn)行講解:

static std::tuple<ASTPtr, BlockIO> executeQueryImpl() {//構(gòu)造ParserParserQuery parser(end, settings.enable_debug_queries);ASTPtr ast;//把Query轉(zhuǎn)化為抽象語法樹ast = parseQuery(parser, begin, end, "", max_query_size);//生成interpreter實(shí)例auto interpreter = InterpreterFactory::get(ast, context, stage);// interpreter解析AST,結(jié)果是BlockIOres = interpreter->execute();//返回結(jié)果是抽象語法樹和解析后的結(jié)果組成的二元組return std::make_tuple(ast, res); }

該函數(shù)所做的事情：

? 構(gòu)建Parser,把Query解析成AST(抽象語法樹)

? InterpreterFactory根據(jù)AST生成對應(yīng)的Interpreter實(shí)例

? AST是由Interpreter來解析的，執(zhí)行結(jié)果是一個(gè)BlockIO,BlockIO是對?BlockInputStream?和?BlockOutputStream的一個(gè)封裝。

總結(jié):
? 服務(wù)端調(diào)用?executeQuery?來處理client發(fā)送的Query，執(zhí)行后的結(jié)果保存在state這個(gè)結(jié)構(gòu)體的io成員中。

每一條Query都會(huì)對應(yīng)一個(gè)state結(jié)構(gòu)體，記錄了這條Query的id，處理狀態(tài)，壓縮算法，Query的文本和Query所處理數(shù)據(jù)對應(yīng)的IO流等元信息。

? 然后服務(wù)端調(diào)用?processOrdinaryQuery?等方法把輸出流結(jié)果封裝成異步的IO流，發(fā)送到回client。

解析請求(Parser)

CK選擇采用手寫一個(gè)遞歸下降的Parser來對SQL進(jìn)行解析，生成的結(jié)果是這個(gè)SQL對應(yīng)的抽象語法樹(AST),抽象語法樹由表示各個(gè)操作的節(jié)點(diǎn)(IAST)表示。而本節(jié)主要介紹Parser背后的核心邏輯:

詞法分析和語法分析的核心邏輯可以在parseQuery.cpp的?tryParseQuery?中一覽無余。

該函數(shù)利用lexer將掃描Query字符流，將其分割為一個(gè)個(gè)的Token， token_iterator 即一個(gè)Token流迭代器，然后parser再對Token流進(jìn)行解析生成AST抽象語法樹。

ASTPtr tryParseQuery() {//Token為lexer詞法分析后的基本單位,詞法分析后生成的是Token流Tokens tokens(pos, end, max_query_size);IParser::Pos token_iterator(tokens);ASTPtr res;//Token流經(jīng)過語法分析生成AST抽象語法樹bool parse_res = parser.parse(token_iterator, res, expected);return res;}

我們可以看到,語法分析的核心就在于parser執(zhí)行的parse方法。parse 方法具體的實(shí)現(xiàn)在?ParserQuery.cpp?的?parseImpl?中。

bool ParserQuery::parseImpl(Pos & pos, ASTPtr & node, Expected & expected) {ParserQueryWithOutput query_with_output_p(enable_explain);ParserInsertQuery insert_p(end);ParserUseQuery use_p;ParserSetQuery set_p;ParserSystemQuery system_p;bool res = query_with_output_p.parse(pos, node, expected)|| insert_p.parse(pos, node, expected)|| use_p.parse(pos, node, expected)|| set_p.parse(pos, node, expected)|| system_p.parse(pos, node, expected);return res; }

我們可以看到,這個(gè)方法粗略地把Query分為了五種,但是本質(zhì)上可以歸納為兩種(第一種為有結(jié)果輸出,對應(yīng)show,select,create等語句;第二種為無結(jié)果輸出,對應(yīng)insert,use,set和與系統(tǒng)相關(guān)的語句(如exit))

? QueryWithOutput
? InsertQuery
? UseQuery
? SetQuery
? SystemQuery

每一種Query都自定義了其專屬的Parser,所以代碼邏輯是當(dāng)接收到一個(gè)Query輸入的時(shí)候，會(huì)嘗試各種Query的Parser，直到成功為止。

我們可以select語句對應(yīng)的parser進(jìn)行分析:

核心邏輯可以總結(jié)為：

1.先給出select語句中可能出現(xiàn)的關(guān)鍵詞

2.在詞法分析生成的Token流中爬取這些關(guān)鍵詞

3.如果成功爬取，則?setExpression?函數(shù)會(huì)組裝該關(guān)鍵字對應(yīng)的AST節(jié)點(diǎn)

每一種SQL語句(如select,drop,insert,create)都有對應(yīng)的AST類，并且分別包含了這些語句中特有的關(guān)鍵字。

bool ParserSelectQuery::parseImpl(Pos & pos, ASTPtr & node, Expected & expected) {//創(chuàng)建AST樹節(jié)點(diǎn)auto select_query = std::make_shared<ASTSelectQuery>();node = select_query;//select語句中會(huì)出現(xiàn)的關(guān)鍵詞ParserKeyword s_select("SELECT");ParserKeyword s_distinct("DISTINCT");ParserKeyword s_from("FROM");ParserKeyword s_prewhere("PREWHERE");ParserKeyword s_where("WHERE");ParserKeyword s_group_by("GROUP BY");ParserKeyword s_with("WITH");ParserKeyword s_totals("TOTALS");ParserKeyword s_having("HAVING");ParserKeyword s_order_by("ORDER BY");ParserKeyword s_limit("LIMIT");ParserKeyword s_settings("SETTINGS");ParserKeyword s_by("BY");ParserKeyword s_rollup("ROLLUP");ParserKeyword s_cube("CUBE");ParserKeyword s_top("TOP");ParserKeyword s_with_ties("WITH TIES");ParserKeyword s_offset("OFFSET");//...//依次對Token流爬取上述關(guān)鍵字ParserTablesInSelectQuery().parse(pos, tables, expected)//根據(jù)語法分析結(jié)果設(shè)置AST的Expression屬性,可以理解為如果SQL存在該關(guān)鍵字,這個(gè)關(guān)鍵字都會(huì)轉(zhuǎn)化為AST上的一個(gè)節(jié)點(diǎn)select_query->setExpression(ASTSelectQuery::Expression::WITH, std::move(with_expression_list));select_query->setExpression(ASTSelectQuery::Expression::SELECT, std::move(select_expression_list));select_query->setExpression(ASTSelectQuery::Expression::TABLES, std::move(tables));select_query->setExpression(ASTSelectQuery::Expression::PREWHERE, std::move(prewhere_expression));select_query->setExpression(ASTSelectQuery::Expression::WHERE, std::move(where_expression));select_query->setExpression(ASTSelectQuery::Expression::GROUP_BY, std::move(group_expression_list));select_query->setExpression(ASTSelectQuery::Expression::HAVING, std::move(having_expression));select_query->setExpression(ASTSelectQuery::Expression::ORDER_BY, std::move(order_expression_list));select_query->setExpression(ASTSelectQuery::Expression::LIMIT_BY_OFFSET, std::move(limit_by_offset));select_query->setExpression(ASTSelectQuery::Expression::LIMIT_BY_LENGTH, std::move(limit_by_length));select_query->setExpression(ASTSelectQuery::Expression::LIMIT_BY, std::move(limit_by_expression_list));select_query->setExpression(ASTSelectQuery::Expression::LIMIT_OFFSET, std::move(limit_offset));select_query->setExpression(ASTSelectQuery::Expression::LIMIT_LENGTH, std::move(limit_length));select_query->setExpression(ASTSelectQuery::Expression::SETTINGS, std::move(settings));}

整個(gè)Parser的流程圖：

執(zhí)行請求(Interpreter)

解釋器(Interpreter)負(fù)責(zé)從抽象語法樹中創(chuàng)建查詢執(zhí)行的流水線，整條流水線以?BlockInputStream?和?BlockOutputStream?進(jìn)行組織。比方說"select"是基于"from"的Block輸出流來進(jìn)行選擇的，選擇后的結(jié)果也會(huì)以Block輸出流的形式輸出到結(jié)果。 首先我們來看:

dbms/src/Interpreters/InterpreterFactory.cpp

每一種Query都會(huì)有對應(yīng)的Interpreter，這個(gè)工廠方法就是根據(jù)AST的種類來實(shí)例化其對應(yīng)的Interpreter,由其來具體執(zhí)行對應(yīng)AST的執(zhí)行計(jì)劃:

std::unique_ptr<IInterpreter> InterpreterFactory::get(ASTPtr & query, Context & context, QueryProcessingStage::Enum stage) {//舉個(gè)例子,如果該AST是由select語句轉(zhuǎn)化過來,if (query->as<ASTSelectQuery>()){/// This is internal part of ASTSelectWithUnionQuery./// Even if there is SELECT without union, it is represented by ASTSelectWithUnionQuery with single ASTSelectQuery as a child.return std::make_unique<InterpreterSelectQuery>(query, context, SelectQueryOptions(stage));} }

我們就以?InterpreterSelectQuery?為例，了解其實(shí)例化的核心邏輯:

InterpreterSelectQuery::InterpreterSelectQuery(){//獲取ASTauto & query = getSelectQuery();//對AST做進(jìn)一步語法分析，對語法樹做優(yōu)化重寫syntax_analyzer_result = SyntaxAnalyzer(context, options).analyze(query_ptr, source_header.getNamesAndTypesList(), required_result_column_names, storage, NamesAndTypesList());//每一種Query都會(huì)對應(yīng)一個(gè)特有的表達(dá)式分析器,用于爬取AST生成執(zhí)行計(jì)劃(操作鏈)query_analyzer = std::make_unique<SelectQueryExpressionAnalyzer>(query_ptr, syntax_analyzer_result, context,NameSet(required_result_column_names.begin(), required_result_column_names.end()),options.subquery_depth, !options.only_analyze); }

語法分析直接生成的AST轉(zhuǎn)化成執(zhí)行計(jì)劃可能性能上并不是最優(yōu)的，因此需要SyntaxAnalyzer 對其進(jìn)行優(yōu)化重寫，在其源碼中可以看到其涉及到非常多?基規(guī)則優(yōu)化(rule based optimization)?的trick。
SyntaxAnalyzer 會(huì)逐個(gè)針對這些規(guī)則對查詢進(jìn)行檢查，確定其是否滿足轉(zhuǎn)換規(guī)則，一旦滿足就會(huì)對其進(jìn)行轉(zhuǎn)換。

SyntaxAnalyzerResultPtr SyntaxAnalyzer::analyze() {// 剔除冗余列removeDuplicateColumns(result.source_columns);// 根據(jù)settings中enable_optimize_predicate_expression配置判斷是否進(jìn)行謂詞下移replaceJoinedTable(node);// 根據(jù)settings中distributed_product_mode配置重寫IN 與 JOIN 表達(dá)式InJoinSubqueriesPreprocessor(context).visit(query);// 優(yōu)化Query內(nèi)部的布爾表達(dá)式LogicalExpressionsOptimizer().perform();// 創(chuàng)建一個(gè)從別名到AST節(jié)點(diǎn)的映射字典 QueryAliasesVisitor(query_aliases_data, log.stream()).visit(query);// 公共子表達(dá)式的消除QueryNormalizer(normalizer_data).visit(query);// 消除select從句后的冗余列removeUnneededColumnsFromSelectClause(select_query, required_result_columns, remove_duplicates);// 執(zhí)行標(biāo)量子查詢，并且用常量替代標(biāo)量子查詢結(jié)果executeScalarSubqueries(query, context, subquery_depth);// 如果是select語句還會(huì)做下列優(yōu)化:// 謂詞下移優(yōu)化PredicateExpressionsOptimizer(select_query, settings, context).optimize();/// GROUP BY 從句的優(yōu)化optimizeGroupBy(select_query, source_columns_set, context);/// ORDER BY 從句的冗余項(xiàng)剔除optimizeOrderBy(select_query);/// LIMIT BY 從句的冗余列剔除optimizeLimitBy(select_query);/// USING語句的冗余列剔除optimizeUsing(select_query);}

這里挑選幾個(gè)簡單介紹一下:
? 公共子表達(dá)式消除(Common Subexpression Elimination)
如果表達(dá)式?x op y?先前被計(jì)算過，并且從先前的計(jì)算到現(xiàn)在其計(jì)算表達(dá)式對應(yīng)的值沒有改變，那么?x op y?就稱為公共子表達(dá)式。公共子表達(dá)式消除會(huì)搜索所有相同計(jì)算表達(dá)式的實(shí)例，并分析是否值得用保存計(jì)算值的單個(gè)變量來替換它們，以減少計(jì)算的開銷。

? 標(biāo)量子查詢(Scala Subquery)的常量替換
標(biāo)量子查詢就是返回單一值的子查詢，和公共子表達(dá)式消除相似，可以用常量來替換SQL中所有的標(biāo)量子查詢結(jié)果以減少計(jì)算開銷。

? 謂詞下移(Predicate Pushdown)
把外層查詢塊中的WHERE子句的謂詞下移到較低層查詢塊如視圖，以盡可能把過濾數(shù)據(jù)的操作移動(dòng)到靠近數(shù)據(jù)源的位置。提前進(jìn)行數(shù)據(jù)過濾能夠大幅減少網(wǎng)絡(luò)傳輸或者內(nèi)存讀取訪問的數(shù)據(jù)量，以提高查詢效率。
而?query_analyzer?的作用可以理解為解析優(yōu)化重寫后的AST，然后對所要進(jìn)行的操作組成一條操作鏈，即物理執(zhí)行計(jì)劃，如:

ExpressionActionsChain chain; analyzer.appendWhere(chain); chain.addStep(); analyzer.appendSelect(chain); analyzer.appendOrderBy(chain); chain.finalize();

上述代碼把where,select,orderby操作都加入到操作鏈中，接下來就可以從Storage層讀取Block，對Block數(shù)據(jù)應(yīng)用上述操作鏈的操作。而執(zhí)行的核心邏輯，就在對應(yīng)Interpreter的?executeImpl?方法實(shí)現(xiàn)中,這里以select語句的Interpreter來了解下讀取Block數(shù)據(jù)并且對block數(shù)據(jù)進(jìn)行相應(yīng)操作的流程。

void InterpreterSelectQuery::executeImpl(TPipeline & pipeline, const BlockInputStreamPtr & prepared_input) {// 對應(yīng)Query的ASTauto & query = getSelectQuery();AnalysisResult expressions;// 物理計(jì)劃，判斷表達(dá)式是否有where,aggregate,having,order_by,litmit_by等字段expressions = analyzeExpressions(getSelectQuery(),*query_analyzer,QueryProcessingStage::FetchColumns,options.to_stage,context,storage,true,filter_info);// 從Storage讀取數(shù)據(jù)executeFetchColumns(from_stage, pipeline, sorting_info, expressions.prewhere_info, expressions.columns_to_remove_after_prewhere);// eg:根據(jù)SQL的關(guān)鍵字在BlockStream流水線中執(zhí)行相應(yīng)的操作, 如where,aggregate,distinct都分別由一個(gè)函數(shù)負(fù)責(zé)執(zhí)行executeWhere(pipeline, expressions.before_where, expressions.remove_where_filter);executeAggregation(pipeline, expressions.before_aggregation, aggregate_overflow_row, aggregate_final);executeDistinct(pipeline, true, expressions.selected_columns); }

既然我們知道了執(zhí)行計(jì)劃AnalysisResult(即物理執(zhí)行計(jì)劃)，接下來就需要從storage層中讀取數(shù)據(jù)來執(zhí)行對應(yīng)的操作，核心邏輯在?executeFetchColumns?中: 核心操作就是從storage層讀取所要處理列的Block，并組織成BlockStream。

void InterpreterSelectQuery::executeFetchColumns(QueryProcessingStage::Enum processing_stage, TPipeline & pipeline,const SortingInfoPtr & sorting_info, const PrewhereInfoPtr & prewhere_info, const Names & columns_to_remove_after_prewhere) { // 實(shí)例化Block Streamauto streams = storage->read(required_columns, query_info, context, processing_stage, max_block_size, max_streams)// 讀取列對應(yīng)的Block,并且組織成Block Streamstreams = {std::make_shared<NullBlockInputStream>(storage->getSampleBlockForColumns(required_columns))};streams.back() = std::make_shared<ExpressionBlockInputStream>(streams.back(), query_info.prewhere_info->remove_columns_actions); }

讀取完Block Stream之后就是對其執(zhí)行各種execute操作如?executeAggregation , executeWhere?操作，詳見?InterpreterSelectQuery::executeImpl?的代碼。

因此Interpreter的處理過程可以總結(jié)為:

? 對AST進(jìn)行優(yōu)化重寫
? 解析重寫后的AST并生成操作鏈(執(zhí)行計(jì)劃)
? 從存儲引擎中讀取要處理的Block數(shù)據(jù)
? 對讀取的Block數(shù)據(jù)應(yīng)用操作鏈上的操作

那我們讀取Block Stream并進(jìn)行處理后，生成的結(jié)果如何寫回到storage層呢? 我們這里以insert語句的Interpreter來了解下:

BlockIO InterpreterInsertQuery::execute() {// table為存儲引擎接口StoragePtr table = getTable(query);BlockOutputStreamPtr out;// 從存儲引擎讀取Block Streamauto query_sample_block = getSampleBlock(query, table);out = std::make_shared<AddingDefaultBlockOutputStream>(out, query_sample_block, out->getHeader(), table->getColumns().getDefaults(), context);//執(zhí)行結(jié)果封裝成BlockIOBlockIO res;res.out = std::move(out); }

上面代碼中的StoragePtr實(shí)際上就是IStorage這個(gè)存儲引擎的接口

using StoragePtr = std::shared_ptr<IStorage>;

無論是寫入還是讀取操作都是依靠底層存儲引擎(如MergeTree)的write和read接口來實(shí)現(xiàn)的，關(guān)于存儲引擎的細(xì)節(jié)實(shí)現(xiàn)這里暫時(shí)不贅述，這里我們只需要知道我們從存儲引擎接口中以流方式讀取Block數(shù)據(jù)，而結(jié)果組織成BlockIO流輸出。Interpreter的流程總結(jié)如下:

返回請求結(jié)果

TCPHandler::runImpl?中，執(zhí)行完?executeQuery?之后需要調(diào)用各種processQuery的方法來給client返回執(zhí)行SQL后的結(jié)果。
我們以?TCPHandler::processOrdinaryQuery?為例做簡單分析:

void TCPHandler::processOrdinaryQuery() {//把BlockStream封裝成異步的Stream,那么從流中讀取數(shù)據(jù)將會(huì)是異步操作AsynchronousBlockInputStream async_in(state.io.in);while(true){Block block;//從IO流讀取block數(shù)據(jù)block = async_in.read();//發(fā)送block數(shù)據(jù)sendData(block);} }

Server負(fù)責(zé)在?sendData?函數(shù)中把輸出結(jié)果寫入到套接字輸出緩沖區(qū)中,client只要從這個(gè)輸出緩沖區(qū)讀取就能夠得到結(jié)果。

void TCPHandler::sendData(const Block & block) {//初始化OutputStream的參數(shù)initBlockOutput(block);// 調(diào)用BlockOutputStream的write函數(shù),把Block寫到輸出流state.block_out->write(block);state.maybe_compressed_out->next();out->next(); }

結(jié)語

了解ClickHouse背后SQL的查詢整個(gè)流程，不僅能讓數(shù)據(jù)庫使用者更清晰地認(rèn)識到如何編寫最優(yōu)化的SQL，也能夠讓數(shù)據(jù)庫內(nèi)核開發(fā)者加深對數(shù)據(jù)庫體系結(jié)構(gòu)的理解，提高開發(fā)效率。本文并沒有涉及到太深入的技術(shù)細(xì)節(jié)，諸如向量化執(zhí)行引擎，SIMD，基于llvm的動(dòng)態(tài)代碼生成，類MergeTree存儲引擎等CK的技術(shù)細(xì)節(jié)也沒有提及，只是從宏觀角度給讀者介紹了執(zhí)行SQL背后內(nèi)核到底發(fā)生了什么。后續(xù)我們會(huì)推出更多內(nèi)核源碼解讀文章，敬請關(guān)注。

寫在最后

阿里云已經(jīng)率先推出了ClickHouse的云托管產(chǎn)品，產(chǎn)品首頁地址：云數(shù)據(jù)庫ClickHouse，目前正在免費(fèi)公測中，歡迎大家點(diǎn)擊鏈接申請免費(fèi)試用。

?

原文鏈接
本文為阿里云原創(chuàng)內(nèi)容，未經(jīng)允許不得轉(zhuǎn)載。

總結(jié)

以上是生活随笔為你收集整理的ClickHouse 源码阅读 —— SQL的前世今生的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。