• 词法、语法解析，生成解析树后，将其交给语义解析
  • 语义解析，生成查询树，将其交给Planner
  • Planner根据查询树，生成执行计划，交给执行器
  • 执行器执行完成后返回结果

数据库优化器在生成执行计划的时候，优化器会考虑是否需要使用索引，而使用了索引之后，则会考虑如何利用索引已经排过序的特点，来优化相关的排序，比如ORDER BY / GROUP BY等。

先来看个索引对ORDER BY起作用的例子：

由此可见，通过索引进行查询后，是可以直接利用已经索引的有序需不需要再次进行排序。

本文将介绍优化器如何在已有索引的基础上，优化排序的。

数据库以流水线的方式处理SQL请求，当一个SQL到来后：

以SQL中SELECT语句的基本表达形式为例：

为了表示一个SELECT的语句，语义解析之前是SelectStmt结构，其中包括targetlist、FROM 子句、WHERE子句、GROUP BY子句等。

在语义解析之后，会引入一个Query结构，该Query结构只表示当前语句中的内容，并不直接包括需要递归的子句，比如子查询(子查询用RangeTblEntry描述，存放在Query->rtable列表中)等。在Query之后，优化器根据其中的内容生成RelOptInfo，作为整个执行计划的入口。

Query 结构如下，此处我们着重关注rtable和jointree：

在Query中，此次最关注的是由$tables_or_sub_queries解析得来的Query->rtable。Query->rtable是一个RangeTblEntry的列表，用于表示$tables_or_sub_queries中的以下几种类型：

  • 表
  • 子查询，表示出另外一个子句，但不包含子句中的Query，而是由RangeTblEntry中的subquery来描述其对应的Query
  • JOIN，除了将JOIN相关的表添加到Query->rtable外，还会加入一个RangeTblEntry表示JOIN表达式用于后面的执行计划
  • 函数

同时也会添加到相应的ParseState->p_joinlist，后转换为FromExpr作为Query->jointree。后面的执行计划生成阶段主要依赖Query->jointree和Query->rtable用于处理pathkey相关的信息。

在SQL的操作中，几乎所有的操作（比如查询）最终都会落在实际的表上，那么在执行计划中表的表示就比较重要。PostgreSQL用RelOptInfo结构体来表示，如下：

  2.   518 typedef struct RelOptInfo
  3.   519 {
  4.   520     NodeTag     type;
  5.   521 
  6.   522     RelOptKind  reloptkind;
  7.   523 
  8.   524     /* all relations included in this RelOptInfo */
  9.   525     Relids      relids;         /* set of base relids (rangetable indexes) */
  10.   526 
  12.   ...  
  14.   537 
  15.   538     /* materialization information */
  16.   539     List       *pathlist;       /* Path structures */
  17.   540     List       *ppilist;        /* ParamPathInfos used in pathlist */
  18.   542     struct Path *cheapest_startup_path;
  19.   543     struct Path *cheapest_total_path;
  20.   544     struct Path *cheapest_unique_path;
  21.   545     List       *cheapest_parameterized_paths;
  25.   552     /* information about a base rel (not set for join rels!) */
  26.   553     Index       relid;
  27.   554     Oid         reltablespace;  /* containing tablespace */
  28.   555     RTEKind     rtekind;        /* RELATION, SUBQUERY, FUNCTION, etc */
  30.   ...
  32.   562     List       *indexlist;      /* list of IndexOptInfo */
  33.   563     List       *statlist;       /* list of StatisticExtInfo */
  35.   ...
  36.   584     /* used by various scans and joins: */
  37.   585     List       *baserestrictinfo;   /* RestrictInfo structures (if base rel) */
  38.   586     QualCost    baserestrictcost;   /* cost of evaluating the above */
  39.   587     Index       baserestrict_min_security;  /* min security_level found in
  40.   588                                              * baserestrictinfo */
  41.   589     List       *joininfo;       /* RestrictInfo structures for join clauses
  43.   ...
  44.   595 } RelOptInfo;

在SQL查询中，JOIN是最为耗时，执行计划的生成首先考虑JOIN。因此，整个执行计划路径的入口即为一个JOIN类型的RelOptInfo。当只是单表的查询时，则执行计划入口为这张表的RelOptInfo。

执行计划的生成过程，就是从下往上处理到最上层的RelOptInfo->pathlist的过程，选择有成本较优先节点、删除无用节点，最后得到一个成本最优的执行计划。

在整个过程中，大约分为以下几步：

  • 获取表信息
  • 创建表RelOptInfo，将所有该表的扫瞄路径加入到该表的RelOptInfo->pathlist
  • 创建JOIN的RelOptInfo，将所有可能的JOIN顺序和方式以Path结构体添加到RelOptInfo->pathlist
  • 针对JOIN的RelOptInfo，添加GROUP BY、ORDER BY等节点

生成范围表的扫瞄节点

执行计划一开始，即首先将获取所有的表信息，并以RelOptInfo（baserel）存放在PlannerInfo结构体中的simple_rel_array中，如RelOptInfo中的indexlist用于表示这张表的索引信息，用于判断是否可以用上索引。

为每张表建立扫瞄路径，一般有顺序扫瞄和索引扫瞄两种。扫瞄路径用Path结构体来表示，并存放在该表对应的RelOptInfo->pathlist中。Path结构体如下：

在添加表的扫瞄路径时，会首先添加顺序扫瞄（seqscan）到这张表的RelOptInfo->pathlist，保证表数据的获取。而后考虑indexscan扫瞄节点等其他方式。

当RelOptInfo->indexlist满足RelOptInfo->baserestrictinfo中的过滤条件，或满足RelOptInfo->joininfo等条件时，则认为index是有效的。然后根据统计信息（如过滤性等）计算成本后，建立index扫瞄节点。

在建立index扫瞄节点时，根据索引建立时的情况（排序顺序、比较操作符等），创建PathKeys的列表（可能多个字段），存放在IndexPath->Path->pathkeys中。PathKeys的结构体如下：

  1.   830 /*
  3.   833  * The sort ordering of a path is represented by a list of PathKey nodes.
  4.   834  * An empty list implies no known ordering.  Otherwise the first item
  5.   835  * represents the primary sort key, the second the first secondary sort key,
  6.   836  * etc.  The value being sorted is represented by linking to an
  7.   837  * EquivalenceClass containing that value and including pk_opfamily among its
  8.   838  * ec_opfamilies.  The EquivalenceClass tells which collation to use, too.
  9.   839  * This is a convenient method because it makes it trivial to detect
  10.   840  * equivalent and closely-related orderings. (See optimizer/README for more
  11.   841  * information.)
  12.   842  *
  13.   843  * Note: pk_strategy is either BTLessStrategyNumber (for ASC) or
  14.   844  * BTGreaterStrategyNumber (for DESC).  We assume that all ordering-capable
  15.   845  * index types will use btree-compatible strategy numbers.
  16.   846  */
  17.   847 typedef struct PathKey
  18.   848 {
  19.   849     NodeTag     type;
  20.   850 
  21.   851     EquivalenceClass *pk_eclass;    /* the value that is ordered */
  22.   852     Oid         pk_opfamily;    /* btree opfamily defining the ordering */
  23.   853     int         pk_strategy;    /* sort direction (ASC or DESC) */
  24.   854     bool        pk_nulls_first; /* do NULLs come before normal values? */
  25.   855 } PathKey;

事实上，PathKeys可以用于所有已排过序的RelOptInfo中，用于表示这个表、函数、子查询、JOIN等是有序的，作为上层判断选择Path的依据之一。

在建立除seqscan之外的其他节点时，会与pathlist中已有的每个节点根据启动成本和总体成本做对比（相差在一定比值，默认1%），则分为四种情况：

  • 新建节点和已有节点，其中一方启动成本和总成本都更优，且其pathkeys也更优，那么删除另外一个

  • 新建节点和所有已有节点的启动成本和总成本两方面的对比不一致（如总成本高但启动成本较低，或反过来），且新建节点总成本较低，则会全部保留并添加到RelOptInfo->pathlist中。

  • 新节点和已有节点，其中一方启动成和总成本都更优，但其pathkeys不够，则两者都保留，由上层Path节点来判断

此时，即完成一张表所有的Path的生成，保存在该表的RelOptInfo->pathlist中，并从中选择一条成本最低的Path，作为RelOptInfo->cheapest_total_path。索引扫瞄节点的pathkeys将会被上层路径在与排序相关节点中用到，如ORDER BY、GROUP BY、MERGE JOIN等。

生成JOIN节点

JOIN节点生成的算法较为复杂，简单来说，会针对所有参与JOIN的表，动态规划不同的顺序和JOIN方式，然后生成不同的Path加到这个JOIN的RelOptInfo->pathlist中。

最终执行计划的生成

在完成JOIN的各个路径判断后，针对各路径选择成本最低的Path（表的JOIN顺序和JOIN方式）作为最优路径，并依据这个路径上的pathkeys处理ORDER BY、GROUP BY等其他子句的计划，从而完成最终的执行计划。

在前面的介绍中，每张表的RelOptInfo->pathlist中的indexscan的Path都带有pathkeys信息，即表明这个节点执行完之后的结果是按pathkeys来排序的。那么在以下几个地方则可以用到该特性：

  • MERGE JOIN

    在建立JOIN节点时，会有多种JOIN方式可以选择，如NESTLOOP、MERGE JOIN等。当建立了MERGE JOIN节点之后，一般是需要对两张表进行排序。但当某张表的扫瞄节点返回的是有序的，且该顺序与查询所需完全一致，则会去除这个排序节点，从而在成本上占据优势。

  • ORDER BY

    当最终的RelOptInfo节点建立完成后，会拿表RelOptInfo->pathlist中成本最低的Path，与带有pathkeys的Path做成本上的对比，选择成本更低的路径。如果最终是pathkeys的路径，那么该RelOptInfo的pathkeys会保留。

    若该SQL语句中带ORDER BY，则可以判断该RelOptInfo的pathkeys是否对ORDER BY（字段和排列顺序一致），则不必再建立ORDER BY节点。如果pathkeys没有帮助，则会建立排序节点

  • GROUP BY

    GROUP BY有多种方式。如果RelOptInfo中的pathkeys与在解析阶段产生的GROUP BY的pathkeys一致，则从成本上对RelOptInfo结果集的pathkeys对该GROUP BY是否有效，从而可以考虑选用SORT加AGG的方式。这种方式，因为pathkeys的存在，则不必再建SORT 节点。然后再对比与其他方式的成本，择优采用。