clickhouse之向量执行引擎

clickhouse作为一款OLAP类型的数据库为什么快？可以列出来的原因有很多，比如：列式存储、多级索引优化、算法优化等等，其中对硬件性能的极致压榨也是其中一个很重要的原因，引入向量化执行引擎就是一个代表性的操作。
所谓向量化执行引擎其实就是利用了CPU的SIMD指令来处理计算。

1. SIMD

• SIMD：Single Instruction Multiple Data，即单条指令操作多条数据。
• SSE: Streaming SIMD Extensions，是一种SIMD指令集。SSE有8个128位寄存器，XMM0 ~XMM7。可以用来存放四个32位的单精确度浮点数。

SIMD的优势？

• 基于CPU寄存器层面的操作。 热知识：从寄存器中访问数据的速度是从内存访问数据的300倍，是从磁盘访问数据的3000万倍。
• 并行优势：举例来说，两个向量的加法，假如每个向量有4个整数元素，那么传统的CPU计算，需要读取8次寄存器，进行四次加法操作才可以完成，而对于SSE来说，每个128位的寄存器可以存放4个32位的单精度浮点数，那么意味着只需要读取两次寄存器执行一条SIMD的指令即可（对一组数据执行相同的操作）。

SIMD的使用

• 利用优点： 频繁调用的基础函数，大量的可并行计算，代替循环操作
• 尽量避免： SSE指令集对分支处理能力非常的差，而且从128位的数据中提取某些元素数据的代价又非常的大，因此不适合有复杂逻辑的运算。

2. clickhouse如何使用SIMD？

clickhouse目前使用SSE4.2的指令集实现向量化执行。

前提条件是需要CPU支持SSE，测试自己的CPU是否支持SSE4.2的方法：

cat /proc/cpuinfo|grep -q sse4_2 && echo 'yes' || echo 'no'

CH在所有能够提高CPU计算效率的地方，都大量的使用了SIMD，有人对此进行了一组对比测试，详见：https://www.jianshu.com/p/fc384f18ff1a

clickhouse能够使用SIMD特性，也和其采用列式存储的方式密不可分。