查询处理及优化是关系数据库得以流行的根本原因,也是关系数据库系统最核心的技术之一。SQLite的查询处理模块非常的精致,而且很容易移植到不支持SQL的存储引擎,Berkeley DB最新的版本已经将其完整的移植过来。本文将简要的讨论一下SQLite的查询处理及优化。
查询处理一般来说,包括词法分析、语法分析、语义分析、生成执行计划以及计划的执行几个部分。SQLite的词法分析器是手工写的,语法分析器由Lemon生成,语义分析主要的进行语义方面的一些检查,比如table是否存在等。而执行计划的生成及执行是最核心的两部分,也是相对比较复杂、有点技术含量的东西。SQLite的执行计划采用了虚拟机的思想,实际上,这种基于虚拟机的思想并非SQLite所独有,但是,SQLite将其发挥到了极致,它生成的执行计划非常详细,而且很容易读(在这里,我不得不佩服D. Richard Hipp在编译理论方面的功底)。
1、语法分析——语法树
词法分析本身比较简单,这里就不谈了。语法分析的主要任务就是对用户输入的SQL语句进行语法检查,然后生成一个包含所有信息的语法树。对于SELECT语句,这个语法树最终由结构体Select表示:
ExprList * pEList; /* The fields of the result */
u8 op; /* One of: TK_UNION TK_ALL TK_INTERSECT TK_EXCEPT */
char affinity; /* MakeRecord with this affinity for SRT_Set */
u16 selFlags; /* Various SF_* values */
SrcList * pSrc; /* The FROM clause */
Expr * pWhere; /* The WHERE clause */
ExprList * pGroupBy; /* The GROUP BY clause */
Expr * pHaving; /* The HAVING clause */
ExprList * pOrderBy; /* The ORDER BY clause */
Select * pPrior; /* Prior select in a compound select statement */
Select * pNext; /* Next select to the left in a compound */
Select * pRightmost; /* Right-most select in a compound select statement */
Expr * pLimit; /* LIMIT expression. NULL means not used. */
Expr * pOffset; /* OFFSET expression. NULL means not used. */
int iLimit, iOffset; /* Memory registers holding LIMIT & OFFSET counters */
int addrOpenEphm[ 3 ]; /* OP_OpenEphem opcodes related to this select */
};
该结构体比较简单,但要注意几个字段。pEList输出结果列的语法树;pSrc为FROM子句语法树;pWhere为WHERE部分的语法树。
select语法分析在最终在sqlite3SelectNew中完成:
它主要就是将之前得到的各个子语法树汇总到Select结构体,并根据该结构,进行接下来语义分析及生成执行计划等工作。
来看个例子,这个例子贯穿于全文:
2 0 |Trace| 0 | 0 | 0 || 00 |
3 1 |Goto| 0 | 35 | 0 || 00 |
4 //( 1 )
5 2 |OpenRead| 0 | 3 | 0 | 2 | 00 |students #打开students表
6 3 |OpenRead| 1 | 7 | 0 | 3 | 00 |sc #打开sc表
7 4 |OpenRead| 3 | 8 | 0 |keyinfo( 2 ,BINARY,BINARY)| 00 |sqlite_autoindex_sc_1 #sc的索引
8 5 |OpenRead| 2 | 5 | 0 | 2 | 00 |course #course表
9 6 |OpenRead| 4 | 6 | 0 |keyinfo( 1 ,BINARY)| 00 |sqlite_autoindex_course_1 #course的索引
10 //( 2 )//
11 7 |Rewind| 0 | 29 | 0 || 00 | #将游标p0定位到students表的第一条记录
12 8 |Column| 0 | 0 | 1 || 00 |students.sid #取出第0列,写到r1
13 9 |IsNull| 1 | 28 | 0 || 00 |
14 10 |Affinity| 1 | 1 | 0 |d| 00 |
15 11 |SeekGe| 3 | 28 | 1 | 1 | 00 | #将游标p3定位到sc索引的>=r1的记录处
16 12 |IdxGE| 3 | 28 | 1 | 1 | 01 |
17 13 |IdxRowid| 3 | 2 | 0 || 00 |
18 14 |Seek| 1 | 2 | 0 || 00 |
19 15 |Column| 3 | 1 | 3 || 00 |sc.cid #读取sc.cid到r3
20 16 |IsNull| 3 | 27 | 0 || 00 |
21 17 |Affinity| 3 | 1 | 0 |d| 00 |
22 18 |SeekGe| 4 | 27 | 3 | 1 | 00 | #将游标p4定位到course索引的>=r3的记录处
23 19 |IdxGE| 4 | 27 | 3 | 1 | 01 |
24 20 |IdxRowid| 4 | 4 | 0 || 00 |
25 21 |Seek| 2 | 4 | 0 || 00 |
26 ///( 3 )//
27 22 |Column| 0 | 1 | 5 || 00 |students.sname #从游标p0取出第1列 (sname)
28 23 |Column| 2 | 1 | 6 || 00 |course.cname #从游标p2取出第1列 (cname)
29 24 |Column| 1 | 2 | 7 || 00 |sc.grade #从游标p1取出第2列(grade)
30 25 |ResultRow| 5 | 3 | 0 || 00 |
31 ///( 4 )///
32 26 |Next| 4 | 19 | 0 || 00 |
33 27 |Next| 3 | 12 | 0 || 00 |
34 28 |Next| 0 | 8 | 0 || 01 |
35 29 |Close| 0 | 0 | 0 || 00 |
36 30 |Close| 1 | 0 | 0 || 00 |
37 31 |Close| 3 | 0 | 0 || 00 |
38 32 |Close| 2 | 0 | 0 || 00 |
39 33 |Close| 4 | 0 | 0 || 00 |
40 //( 5 )//
41 34 |Halt| 0 | 0 | 0 || 00 |
42 35 |Transaction| 0 | 0 | 0 || 00 |
43 36 |VerifyCookie| 0 | 7 | 0 || 00 |
44 37 |TableLock| 0 | 3 | 0 |students| 00 |
45 38 |TableLock| 0 | 7 | 0 |sc| 00 |
46 39 |TableLock| 0 | 5 | 0 |course| 00 |
47 40 |Goto| 0 | 2 | 0 || 00 |
48
来看看该SQL语句生成的语法树:
FROM部分:
第一个表项:
表名zName =”stduents”,zAlias=”s”,jointype = 0。
第二个表项:
注意,jointype = 1(JT_INNER)。
第三个表项:
注意,jointype = 1(JT_INNER)。
WHERE部分(结点类型为Expr的一棵二叉树):
2、生成执行计划(语法树到OPCODE)
Select的执行计划在sqlite3Select中完成:
Parse * pParse, /* The parser context */
Select * p, /* SELECT语法树 */
SelectDest * pDest /* 如果处理结果集 */
)
其实,该函数先对SQL语句进行语义分析,然后再进行优化,最后生成执行计划。
对于上面要SQL语句,生成的执行计划(虚拟机opcode)大致分成5部分,前4部分都在sqlite3Select()中生成,它主要调用了以下几个函数:
其中(1)、(2)在sqlite3WhereBegin()中生成,(2)即所谓的查询优化处理;(3)在 selectInnerLoop中生成;(4)在sqlite3WhereEnd中生成;(5)是sqlite3FinishCoding中完成的。后续章节,我将分别分析每一部分。
3、sqlite3WhereBegin
该函数是查询处理最为核心的函数,它主要完成where部分的优化及相关opcode的生成。
Parse * pParse, /* The parser context */
SrcList * pTabList, /* A list of all tables to be scanned */
Expr * pWhere, /* The WHERE clause */
ExprList ** ppOrderBy, /* An ORDER BY clause, or NULL */
u16 wctrlFlags /* One of the WHERE_* flags defined in sqliteInt.h */
)
pTabList是由分析器对FROM部分生成的语法树,它包含FROM中表的信息;pWhere是WHERE部分的语法树,它包含WHERE中所有表达式的信息;ppOrderBy 对应ORDER BY子句(暂不考虑)。
Sqlite的查询优化做得简单又精致。在一个简单的sqlite3WhereBegin函数中,完成所有的优化处理。查询优化的基本理念就是嵌套循环(nested loop),select语句的FROM子句的每个表对应一层循环(INSERT和UPDATE对应只有一个表SELECT语句)。例如,
SELECT * FROM t1, t2, t3 WHERE ...;
进行如下操作:
foreach row2 in t2 do |-- by sqlite3WhereBegin()
foreach row3 in t3 do /
...
end \ Code generated
end |-- by sqlite3WhereEnd()
end /
而对于每一层的优化,基本的理念就是对于该层循环的表,分析WHERE子句中是否有表达式能够使用其索引。
Sqlite有三种基本的扫描策略:
(1)全表扫描,这种情况通常出现在没有WHERE子句时;
(2)基于索引扫描,这种情况通常出现在表有索引,而且WHERE中的表达式又能够使用该索引的情况;
(3)基本rowid的扫描,这种情况通常出现在WHERE表达式中含有rowid的条件。该情况实际上也是对表进行的扫描。可以说,Sqlite以rowid为聚簇索引。
第一种情况比较简单,第三种情况与第二种情况没有什么本质的差别。所以,这里只对第二种情况进行详细讨论。
先来看看sqlite3WhereBegin的代码(去掉了一些无关紧要的代码):
优化部分的代码的基本的算法如下:
bestPlan.rCost = SQLITE_BIG_DBL
foreach table in tables that not handled
{
计算where中表达式能使用其索引的策略及代价rCost
If(sCost.rCost < bestPlan.rCost)
bestPlan = sCost
}
level.plan = bestPlan
该算法本质上是一个贪婪算法(greedy algorithm)。
bestBtreeIndex是某个表针对where子句中的表达式分析查询策略的核心函数,后面再讨论。
对于我们的例子,经过上面的优化处理后,得到的查询策略分3层循环,最外层是students表,全表扫描;中间层是sc表,利用索引sqlite_autoindex_sc_1,即sc的key对应的索引;内层是course表,利用索引sqlite_autoindex_course_1。
下面,开始生成(1)、(2)两部分的opcode,其中(1)由以下几行代码生成:
2 if ( (pLevel -> plan.wsFlags & WHERE_IDX_ONLY) == 0
3 && (wctrlFlags & WHERE_OMIT_OPEN) == 0 ){
4 // pTabItem->iCursor为表对应的游标下标
5 int op = pWInfo -> okOnePass ? OP_OpenWrite : OP_OpenRead;
6 sqlite3OpenTable(pParse, pTabItem -> iCursor, iDb, pTab, op);
7 }
8
9 // 生成打开索引的指令
10 if ( (pLevel -> plan.wsFlags & WHERE_INDEXED) != 0 ){
11 Index * pIx = pLevel -> plan.u.pIdx;
12 KeyInfo * pKey = sqlite3IndexKeyinfo(pParse, pIx);
13
14 int iIdxCur = pLevel -> iIdxCur; // 索引对应的游标下标
15
16 sqlite3VdbeAddOp4(v, OP_OpenRead, iIdxCur, pIx -> tnum, iDb,
17 ( char * )pKey, P4_KEYINFO_HANDOFF);
18 VdbeComment((v, " %s " , pIx -> zName));
19 }
20
而(2)中的opcode在以下几行代码完成:
for (i = 0 ; i < nTabList; i ++ ){
// 核心代码,从最外层向最内层,为每一层循环生成opcode
notReady = codeOneLoopStart(pWInfo, i, wctrlFlags, notReady);
pWInfo -> iContinue = pWInfo -> a[i].addrCont;
}
4、codeOneLoopStart
该函数根据优化分析得到的结果生成每层循环的opcode。
WhereInfo * pWInfo, /* Complete information about the WHERE clause */
int iLevel, /* Which level of pWInfo->a[] should be coded */
u16 wctrlFlags, /* One of the WHERE_* flags defined in sqliteInt.h */
Bitmask notReady /* Which tables are currently available */
)
codeOneLoopStart针对5种不同的查询策略,生成各自不同的opcode:
...
} else if ( pLevel -> plan.wsFlags & WHERE_ROWID_RANGE ){ // rowid的范围查询
...
// 使用索引的等值/范围查询
} else if ( pLevel -> plan.wsFlags & (WHERE_COLUMN_RANGE | WHERE_COLUMN_EQ) ){
...
} if ( pLevel -> plan.wsFlags & WHERE_MULTI_OR ){ // or
...
} else { // 全表扫描
...
}
先看全表扫描:
2 static const u8 aStart[] = { OP_Rewind, OP_Last };
3 pLevel -> op = aStep[bRev];
4 pLevel -> p1 = iCur;
5 pLevel -> p2 = 1 + sqlite3VdbeAddOp2(v, aStart[bRev], iCur, addrBrk); // 生成OP_Rewind/OP_Last指令
6 pLevel -> p5 = SQLITE_STMTSTATUS_FULLSCAN_STEP;
7
非常简单,对于我们的例子,最外层循环students是全表扫描,生成指令7。
利用索引的等值/范围查询:
这种情况相对来说比较复杂(不过读懂了也很简单),对于我们的例子,中间循环sc表,用到索引,指令8~14是对应的opcode。内层循环course表也用到索引,指令15~21是对应的opcode。(具体的含义见其注释,其生成算法见源码)。
这里不得不提到一点。在通用数据库中,连接操作会生成所谓的结果集(用临时表存储)。而sqlite不会生成中间结果集,例如,对这里的例子,它会分别对students、sc和course各分配一个游标,每次调用接口sqlite3_step时,游标根据where条件分别定位到各自的记录,然后取出查询输出列的数据,放到用于存放结果的寄存器中(见(3)中的opcode)。所以,sqlite中,必须不断调用sqlite3_step才能读取所有记录。
4、selectInnerLoop
该函数主要生成输出结果列的opcode,见(3),比较简单。
5、sqlite3WhereEnd
主要完成嵌套循环的收尾工作的opcode生成,为每层循环生成OP_Next/OP_Prev,以及关闭表和索引游标的OP_Close,也比较简单。
6、SQLite的代价模型
最后,来看看bestBtreeIndex,在这个函数中,完成查询代价的计算以及查询策略的确定。
SQLite采用基于代价的优化。根据处理查询时CPU和磁盘I/O的代价,主要考虑以下一些因素:
A、查询读取的记录数;
B、结果是否排序(这可能会导致使用临时表);
C、是否需要访问索引和原表。
Parse * pParse, /* The parsing context */
WhereClause * pWC, /* The WHERE clause */
struct SrcList_item * pSrc, /* The FROM clause term to search */
Bitmask notReady, /* Mask of cursors that are not available */
ExprList * pOrderBy, /* The ORDER BY clause */
WhereCost * pCost /* Lowest cost query plan */
)
函数的参数注释得已经很详细了,不再多说。该函数的主要工作就是输出pCost,它包含查询策略信息及相应的代价。
核心算法如下:
2 for (; pProbe; pIdx = pProbe = pProbe -> pNext){
3 const unsigned int * const aiRowEst = pProbe -> aiRowEst;
4 double cost; /* Cost of using pProbe */
5 double nRow; /* Estimated number of rows in result set */
6 int rev; /* True to scan in reverse order */
7 int wsFlags = 0 ;
8 Bitmask used = 0 ; // 该表达式使用的表的位码
9
10 int nEq; // 可以使用索引的等值表达式的个数
11 int bInEst = 0 ; // 如果存在 x IN (SELECT...),则设为true
12 int nInMul = 1 ; // 处理IN子句
13 int nBound = 100 ; // 估计需要扫描的表中的元素. 100表示需要扫描整个表.范围条件意味着只需要扫描表的某一部分.
14 int bSort = 0 ; // 是否需要排序
15 int bLookup = 0 ; // 如果对索引中的每个列,需要对应的表进行查询,则为true
16
17 /* Determine the values of nEq and nInMul */
18 // 计算nEq和nInMul值
19 for (nEq = 0 ; nEq < pProbe -> nColumn; nEq ++ ){
20 WhereTerm * pTerm; /* A single term of the WHERE clause */
21 int j = pProbe -> aiColumn[nEq];
22 pTerm = findTerm(pWC, iCur, j, notReady, eqTermMask, pIdx);
23 if ( pTerm == 0 ) // 如果该条件在索引中找不到,则break.
24 break ;
25 wsFlags |= (WHERE_COLUMN_EQ | WHERE_ROWID_EQ);
26 if ( pTerm -> eOperator & WO_IN ){
27 Expr * pExpr = pTerm -> pExpr;
28 wsFlags |= WHERE_COLUMN_IN;
29 if ( ExprHasProperty(pExpr, EP_xIsSelect) ){ // IN (SELECT...)
30 nInMul *= 25 ;
31 bInEst = 1 ;
32 } else if ( pExpr -> x.pList ){
33 nInMul *= pExpr -> x.pList -> nExpr + 1 ;
34 }
35 } else if ( pTerm -> eOperator & WO_ISNULL ){
36 wsFlags |= WHERE_COLUMN_NULL;
37 }
38 used |= pTerm -> prereqRight; // 设置该表达式使用的表的位码
39 }
40
41 // 计算nBound值
42 if ( nEq < pProbe -> nColumn ){ // 考虑不能使用索引的列
43 int j = pProbe -> aiColumn[nEq];
44 if ( findTerm(pWC, iCur, j, notReady, WO_LT | WO_LE | WO_GT | WO_GE, pIdx) ){
45 WhereTerm * pTop = findTerm(pWC, iCur, j, notReady, WO_LT | WO_LE, pIdx);
46 WhereTerm * pBtm = findTerm(pWC, iCur, j, notReady, WO_GT | WO_GE, pIdx); // >=
47
48 // 估计范围条件的代价
49 whereRangeScanEst(pParse, pProbe, nEq, pBtm, pTop, & nBound);
50 if ( pTop ){
51 wsFlags |= WHERE_TOP_LIMIT;
52 used |= pTop -> prereqRight;
53 }
54 if ( pBtm ){
55 wsFlags |= WHERE_BTM_LIMIT;
56 used |= pBtm -> prereqRight;
57 }
58 wsFlags |= (WHERE_COLUMN_RANGE | WHERE_ROWID_RANGE);
59 }
60 } else if ( pProbe -> onError != OE_None ){ // 所有列都能使用索引
61 if ( (wsFlags & (WHERE_COLUMN_IN | WHERE_COLUMN_NULL)) == 0 ){
62 wsFlags |= WHERE_UNIQUE;
63 }
64 }
65
66 if ( pOrderBy ){ // 处理order by
67 if ( (wsFlags & (WHERE_COLUMN_IN | WHERE_COLUMN_NULL)) == 0
68 && isSortingIndex(pParse,pWC -> pMaskSet,pProbe,iCur,pOrderBy,nEq, & rev)
69 ){
70 wsFlags |= WHERE_ROWID_RANGE | WHERE_COLUMN_RANGE | WHERE_ORDERBY;
71 wsFlags |= (rev ? WHERE_REVERSE : 0 );
72 } else {
73 bSort = 1 ;
74 }
75 }
76
77 if ( pIdx && wsFlags ){
78 Bitmask m = pSrc -> colUsed; // m为src使用的列的位图
79 int j;
80 for (j = 0 ; j < pIdx -> nColumn; j ++ ){
81 int x = pIdx -> aiColumn[j];
82 if ( x < BMS - 1 ){
83 m &= ~ (((Bitmask) 1 ) << x); // 将索引中列对应的位清0
84 }
85 }
86 if ( m == 0 ){ // 如果索引包含src中的所有列,则只需要查询索引即可.
87 wsFlags |= WHERE_IDX_ONLY;
88 } else {
89 bLookup = 1 ; // 需要查询原表
90 }
91 }
92
93 // 估计输出行数,同时考虑IN运算
94 nRow = ( double )(aiRowEst[nEq] * nInMul);
95 if ( bInEst && nRow * 2 > aiRowEst[ 0 ] ){
96 nRow = aiRowEst[ 0 ] / 2 ;
97 nInMul = ( int )(nRow / aiRowEst[nEq]);
98 }
99
100 // 代价为输出的行数+二分查找的代价
101 cost = nRow + nInMul * estLog(aiRowEst[ 0 ]);
102
103 // 考虑范围条件影响
104 nRow = (nRow * ( double )nBound) / ( double ) 100 ;
105 cost = (cost * ( double )nBound) / ( double ) 100 ;
106
107 // 加上排序的代价:cost *log (cost)
108 if ( bSort ){
109 cost += cost * estLog(cost);
110 }
111
112 // 如果只查询索引,则代价减半
113 if ( pIdx && bLookup == 0 ){
114 cost /= ( double ) 2 ;
115 }
116
117 // 如果当前的代价更小
118 if ( ( ! pIdx || wsFlags) && cost < pCost -> rCost ){
119 pCost -> rCost = cost; // 代价
120 pCost -> nRow = nRow; // 估计扫描的元组数
121 pCost -> used = used; // 表达式使用的表的位图
122 pCost -> plan.wsFlags = (wsFlags & wsFlagMask); // 查询策略标志(全表扫描,使用索引进行扫描)
123 pCost -> plan.nEq = nEq; // 查询策略使用等值表达式个数
124 pCost -> plan.u.pIdx = pIdx; // 查询策略使用的索引(全表扫描则为NULL)
125 }
126
127
128 // 如果SQL语句存在INDEXED BY,则只考虑该索引
129 if ( pSrc -> pIndex ) break ;
130
131 /* Reset masks for the next index in the loop */
132 wsFlagMask = ~ (WHERE_ROWID_EQ | WHERE_ROWID_RANGE);
133 eqTermMask = idxEqTermMask;
134 }
135
可见,SQLite的代价模型非常简单。而通用数据库一般是将基于规则的优化和基于代价的优化结合起来,十分复杂。
后记:
查询优化是关系数据库中最复杂的技术之一,这点我深有感触,对于SQLite这样简单的优化处理,我断断续续也差不多看了一个来月。如果你不是做DB内核开发,你会认为这些东西用处也许不会太大。但是,作为一个DBA,或者经常做数据库应用开发的程序员,如果你不理解数据库系统的执行计划,是不合格的,因为你很难写出高效的SQL语句。SQLite虽然简单,但是,它却五脏俱全。通过它,我们能够观察到数据库系统内部的一些东西,而这些东西是有益处的。