StarRocks的博客

在本文我们介绍了如何通过 Analyze 任务来收集统计信息，如何自底向上地计算各个节点的统计信息，也介绍了 Optimizer 是如何使用 Memo 计算 Cost，以及是如何在 Plan 的探索过程中利用 Cost Upper Bound 进行裁剪，并最终选择出代价最小的 Plan。

多表 Join 是现实业务场景中很常见的需求，其执行效率和 Join 的执行顺序息息相关，比如两表 t1 Join t2 就有t1⨝t2和t2⨝t1两种方式（Join 满足交换律），三表 t1 Join t2 Join t3 由于 Join 满足结合律，可以 t1 和 t2 先做Join，再和 t3 Join，即(t1⨝t2) ⨝t3， 也可以先做 t2 和 t3 的 Join，再和 t1 做 Join，即t1⨝ (t2⨝t3)。​。

StarRocks 作为近年来非常优秀的 OLAP 引擎，在 Planner/Optimizer 上有高效、稳定的实现，这篇文章会从分析主流 Optimizer 框架的模型入手，详细解构 StarRocks 的 Optimizer 实现过程。

导读：欢迎来到 StarRocks 源码解析系列文章，我们将为你全方位揭晓 StarRocks 背后的技术原理和实践细节，助你逐步了解这款明星开源数据库产品。本期 StarRocks 技术内幕将主要介绍 StarRocks 优化器的原理及代码设计。

Analyzer 是数据库实现中的重要组成模块，主要用于进行 SQL 的语义解析，承担了多个重要功能。而绝大部分的 SQL 正确性检查和语法报错逻辑，也均集中在 Analyzer 中。本文将着重介绍 StarRocks 中 Analyzer 的实现逻辑，以及如何根据 StarRocks 中的元数据信息，完成AST 的 Analyze 逻辑。

Parser 的主要工作是将字符串类型的 SQL 语句文本，解析成树形结构的抽象语法树（Abstract Syntax Tree，AST），便于语义解析和查询计划的生成与优化。本文首先介绍 StarRocks 中实现语法解析的工具 Antlr4，并介绍其在 StarRocks 内部的实现，以及相关的 AST 生成逻辑。