淘宝数据库OceanBase SQL编译器部分 源码阅读
- WBOY原创
- 2016-06-07 15:11:421298浏览
淘宝数据库OceanBase SQL编译器部分 源码阅读--生成逻辑计划 淘宝数据库OceanBase SQL编译器部分 源码阅读--解析SQL语法树里做了介绍，这篇博客主要研究第二步，生成逻辑计划。 一、 什么是逻辑计划？ 我们已经知道，语法树就是一个树状的结构组织，每个节点
淘宝数据库OceanBase SQL编译器部分 源码阅读--生成逻辑计划
淘宝数据库OceanBase SQL编译器部分 源码阅读--解析SQL语法树里做了介绍，这篇博客主要研究第二步，生成逻辑计划。
一、 什么是逻辑计划？
我们已经知道，语法树就是一个树状的结构组织，每个节点代表一种类型的语法含义。如
update student set sex="M" where name
="小明";
这条SQL的语法树形状为：
|Update Stmt
|----Table:student
|----TargeList:
|--------sex = "M"
|----Qualifications:
|--------name="小明"
但是仅仅语法树并不能知道数据库中是否存在student这张表，这张表是否有sex,name这两个字段，我们是否有权限修改这条记录等。语法树只能判断这条SQL的写法是否正确，不能确定这条SQL是否可以执行。
逻辑计划需要明确SQL语句中所涉及到的表，字段，表达式等是否有效。这个的逻辑计划与在《数据库系统实现》等书中描述的逻辑查询计划不同。逻辑查询计划将SQL语句直接转为可运算的关系表达式。在OceanBase中，逻辑计划则只是查找或生成涉及到的表的ID，涉及字段的ID，涉及表达式的ID等，逻辑计划是不可运算的。
二、逻辑计划包含哪些内容？
简单来说，逻辑计划要弄清楚，这条SQL可以分解为几条stmt,每条stmt包含了哪些表，字段和表达式。在此基础上，如果是insert的Stmt，要加上设置哪些值;如果是update的stmt,要加上需要更新的列和对应的值，等等。
在一个逻辑计划中，每一个查询有一个唯一标识qid,每一张表有一个唯一的标识tid,每一个列有一个唯一的标识cid,每一个表达式有一个唯一的标识eid。
来看OceanBase中的逻辑计划的结构（省略无关方法和变量).
<code> <span>class</span> ObLogicalPlan
{
<span>//... </span>
oceanbase::common::ObVector<obstmt> stmts_; <span>//存储该逻辑计划的所有stmt</span>
oceanbase::common::ObVector<obsqlrawexpr> exprs_; <span>//逻辑计划的所有表达式</span>
oceanbase::common::ObVector<obrawexpr> raw_exprs_store_;<span>//存储逻辑计划的所有表达式</span>
uint64_t new_gen_tid_;<span>//用于生成新的tid</span>
uint64_t new_gen_cid_;<span>//用于生成新的cid</span>
uint64_t new_gen_qid_;<span>//用于生成新的qid</span>
uint64_t new_gen_eid_;<span>//用于生成新的eid</span>
};
</obrawexpr></obsqlrawexpr></obstmt></code>
oceanbase::common::ObVector是OceanBase中自己实现的泛型容器之一，作用与STL的vector相同。
stmts_存储该逻辑计划的所有stmt;
raw_exprs_store_仅仅用于存储表达式，exprs_则引用raw_exprs_store_中的内容。
new_gen_tid_等4个变量是用来生成新的标识时使用，一个逻辑是可以用多个tid,多个cid,多个eid，多个qid的。这些标识分布于存储的stmt和表达式中。
注：stmt实在不知道中文该怎么称呼，就不改中文名了。
2.1 逻辑计划中表的定义
<code>
<span>struct</span> TableItem
{
uint64_t table_id_;
common::ObString table_name_;
common::ObString alias_name_;
TableType type_;
uint64_t ref_id_;
};
</code>
table_id_唯一标识一个关系表，其类型分为基本表，引用表和子查询关系。
对同一个实体表,ref_id_与table_id_相同;
如果是一个引用别名的表，则table_id_是新生成的，ref_id_与这个表真正的table_id_相同;如果是一个子查询，则table_id_是新生成的,ref_id_是对子查询的引用。
对同一个实体表，它在所有线程使用的table_id_都是相同的；如果是生成的标识，则仅在该线程会话期间是唯一的。
2.2 逻辑计划中列的定义
<code><span>struct</span> ColumnItem
{
uint64_t column_id_;
common::ObString column_name_;
uint64_t table_id_;
uint64_t query_id_;
<span>bool</span> is_name_unique_;
<span>bool</span> is_group_based_;
common::ObObjType data_type_;
};
</code>
column_id_唯一标识一个列，table_id_和query_id_为该列所属的关系表和stmt。is_name_unique_仅用在解析逻辑计划期间，标记该列的名称是否在所有表的字段中都是唯一的。is_group_based_标记该列是否用于分组。data_type_标识该列的数据类型。
2.3 逻辑计划中的表达式的定义
逻辑计划的中表达式有多种类型，其基类为ObRawExpr.包括两个成员变量，type_表示表达式的类型，result_type_表示表达式值的类型。
<code> <span>class</span> <span>ObRawExpr</span>
<span>{
<span>//省略其他方法
<span>private</span>:<span>
ObItemType type_</span></span>;
<span><span>common</span>:<span>:ObObjType result_type_</span></span>;
<span>}</span></span>
</code>
表达式分为常量表达式, 一元引用表达式，二元引用表达式，一元操作符表达式，二元操作符表达式，三元操作符表达式，多元操作符表达式，case操作符表达式，聚集函数表达式，系统函数表达式，SQL原生表达式等。继承关系如下。
<code>namespace sql
{
<span>//原生表达式基类</span>
class ObRawExpr
<span>//常量表达式</span>
class ObConstRawExpr : <span>public</span> ObRawExpr
//一元引用表达式
<span>class</span> ObUnaryRefRawExpr : <span>public</span> ObRawExpr
//二元引用表达式
<span>class</span> ObBinaryRefRawExpr : <span>public</span> ObRawExpr
//一元操作符表达式
<span>class</span> ObUnaryOpRawExpr : <span>public</span> ObRawExpr
//二元操作符表达式
<span>class</span> ObBinaryOpRawExpr : <span>public</span> ObRawExpr
//三元操作符表达式
<span>class</span> ObTripleOpRawExpr : <span>public</span> ObRawExpr
//多元操作符表达式
<span>class</span> ObMultiOpRawExpr : <span>public</span> ObRawExpr
//<span>case</span>操作符表达式
<span>class</span> ObCaseOpRawExpr : <span>public</span> ObRawExpr
//聚集函数表达式
<span>class</span> ObAggFunRawExpr : <span>public</span> ObRawExpr
//系统函数表达式
<span>class</span> ObSysFunRawExpr : <span>public</span> ObRawExpr
//SQL原生表达式
<span>class</span> ObSqlRawExpr : <span>public</span> ObRawExpr
};
class ObRawExpr
{
};
</code>
在ObLogicalPlan中，存储使用的是vector<obrawexpr></obrawexpr>,使用时转为vector<obsqlrawexpr></obsqlrawexpr>.
2.4 逻辑计划中的Stmt的定义
Stmt表示一个单独的查询所包含的内容，一个逻辑计划可以包含多个Stmt.
<code> <span><span>class</span> <span><em>ObStmt</em></span></span>
{
<span>/*省略部分内容...*/</span>
<span>protected:</span>
<span>common:</span><span>:ObVector<tableitem></tableitem></span> table_items<span>_</span>;
<span>common:</span><span>:ObVector<columnitem></columnitem></span> column_items<span>_</span>;
<span>private:</span>
<span>StmtType</span> type<span>_</span>;
uint64_t query_id<span>_</span>;
<span>//uint</span>64_t where_expr_id<span>_</span>;
<span>common:</span><span>:ObVector<uint64_t></uint64_t></span> where_expr_ids<span>_</span>;
};
</code>
Stmt包括了一个查询所有的表table_items_,列column_items_,表达式where_expr_ids_和一个唯一的查询标识query_id_。注意这里存储的只有表达式的id,而不是表达式的实际内容。
从上述的定义总结来看，一个逻辑计划拥有多条查询实例Stmt和多个表达式，一个查询实例Stmt包含了多个表和多个列及所需表达式的引用。表，列，表达式，查询实例都有唯一的标识符进行标记。
ObLogicalPlan
----ObStmt : 1...n
--------TableItem : 0...n
--------ColnumItem : 0...n
--------expr_id_ref : 0...n
----ObRawExpr : 0...n
三、 如何制定逻辑计划？
3.1 reslove系列解析函数
制定逻辑计划的源码在build_plan.h和build_plan.cpp中，在OceanBase0.4中，则增加了dml_build_plan.h和dml_build_plan.cpp。制定逻辑对外提供的接口只有两个,解析函数resolove和销毁函数destroy_plan,其他的为自用，可以浏览下其函数声明及用途，基本的结构就是这样，因为目前OceanBase中支持的SQL语句不多，相应的解析函数也比较少，还有一些没有完成，可以想见未来还会添加更多的函数。
<code><span>//解析多重查询</span> <span>int</span> resolve_multi_stmt(ResultPlan* result_plan, ParseNode* node) <span>//解析独立表达式</span> <span>int</span> resolve_independ_expr() <span>//解析and表达式</span> <span>int</span> resolve_and_exprs() <span>//解析表达式</span> <span>int</span> resolve_expr() <span>//解析聚集函数</span> <span>int</span> resolve_agg_func() <span>//解析join表连接</span> <span>int</span> resolve_joined_table() <span>//解析表</span> <span>int</span> resolve_table() <span>//解析from子句</span> <span>int</span> resolve_from_clause() <span>//解析列</span> <span>int</span> resolve_table_columns() <span>//解析*</span> <span>int</span> resolve_star() <span>//解析select的投影列表</span> <span>int</span> resolve_select_clause() <span>//解析where子句</span> <span>int</span> resolve_where_clause() <span>//解析group by子句</span> <span>int</span> resolve_group_clause() <span>//解析having子句</span> <span>int</span> resolve_having_clause() <span>//解析order子句</span> <span>int</span> resolve_order_clause() <span>//解析limit子句</span> <span>int</span> resolve_limit_clause() <span>//解析select查询</span> <span>int</span> resolve_select_stmt() <span>//解析delete查询</span> <span>int</span> resolve_delete_stmt() <span>//解析insert的插入列</span> <span>int</span> resolve_insert_columns() <span>//解析intsert查询的插入值</span> <span>int</span> resolve_insert_values() <span>//解析insert查询</span> <span>int</span> resolve_insert_stmt() <span>//解析update查询</span> <span>int</span> resolve_update_stmt() <span>//解析函数。对外提供</span> <span>int</span> resolve(ResultPlan* result_plan, ParseNode* node) <span>//销毁函数，对外提供</span> <span>extern</span> <span>void</span> destroy_plan(ResultPlan* result_plan) </code>
resolve函数根据语法树node的类型调用不同的查询解析实例。以下是部分代码摘抄：
<code><span>int</span> resolve(ResultPlan* result_plan, ParseNode* node)
{
<span>/*...*/</span>
uint64_t query_id = OB_INVALID_ID;
<span>if</span> (ret == OB_SUCCESS && node != NULL)
{
<span>switch</span> (node->type_)
{
<span>case</span> T_STMT_LIST:
{
ret = resolve_multi_stmt(result_plan, node);
<span>break</span>;
}
<span>case</span> T_SELECT:
{
ret = resolve_select_stmt(result_plan, node, query_id);
<span>break</span>;
}
<span>case</span> T_DELETE:
{
ret = resolve_delete_stmt(result_plan, node, query_id);
<span>break</span>;
}
<span>case</span> T_INSERT:
{
ret = resolve_insert_stmt(result_plan, node, query_id);
<span>break</span>;
}
<span>case</span> T_UPDATE:
{
ret = resolve_update_stmt(result_plan, node, query_id);
<span>break</span>;
}
<span>default</span>:
ret = OB_ERROR;
<span>break</span>;
};
}
<span>return</span> ret;
}
<span>int</span> resolve_update_stmt(ResultPlan* result_plan, ParseNode* node, uint64_t& query_id)
{
<span>int</span>& ret = result_plan->err_stat_.err_code_ = OB_SUCCESS;
uint64_t table_id = OB_INVALID_ID;
query_id = OB_INVALID_ID;
ObLogicalPlan* logical_plan logical_plan = <span>new</span>(logical_plan) ObLogicalPlan(name_pool);
result_plan->plan_tree_ = logical_plan;
update_stmt = <span>new</span>(update_stmt) ObUpdateStmt(name_pool);
query_id = logical_plan->generate_query_id();
<span>//为update_stmt设置新的标识qid</span>
update_stmt->set_query_id(query_id);
logical_plan->add_query(update_stmt);
ParseNode* table_node = node->children_[<span>0</span>];
<span>//解析表 </span>
ret = resolve_table(result_plan, update_stmt, table_node, table_id);
update_stmt->set_update_table(table_id);
ParseNode* assign_list = node->children_[<span>1</span>];
uint64_t ref_id;
ColumnItem *column_item = NULL;
<span>//解析要更新的列表，如:update student set sex="M",grade="2" where name = "xiaoming";</span>
<span>for</span> (int32_t i = <span>0</span>; ret == OB_SUCCESS && i num_child_; i++)
{
ParseNode* assgin_node = assign_list->children_[i];
<span>/* resolve target column */</span>
ParseNode* column_node = assgin_node->children_[<span>0</span>];
ObString column_name;
column_name.assign_ptr(
(<span>char</span>*)(column_node->str_value_),
<span>static_cast</span><int32_t>(<span>strlen</span>(column_node->str_value_))
);
<span>//1 根据列名获取列</span>
column_item = update_stmt->get_column_item(NULL, column_name);
<span>//2 解析列到vector<columnitem></columnitem></span>
ret = update_stmt->add_column_item(*result_plan, column_name, NULL, &column_item);
<span>//3 增加列引用到update_stmt </span>
ret = update_stmt->add_update_column(column_item->column_id_);
<span>/* resolve new value expression */</span>
<span>//4 解析值表达式</span>
ParseNode* expr = assgin_node->children_[<span>1</span>];
ret = resolve_independ_expr(result_plan, update_stmt, expr, ref_id, T_UPDATE_LIMIT);
<span>//5 添加值表达式引用到update_stmt</span>
ret = update_stmt->add_update_expr(ref_id)
}
<span>//解析where子句</span>
ret = resolve_where_clause(result_plan, update_stmt, node->children_[<span>2</span>]);
<span>return</span> ret;
}
</int32_t></code>
我们仍旧以update语句为例。上面是根据源代码整理的逻辑，不是源码，主要是为了理清思路。
- 首先是创建一个新的查询update_stmt，并为其生成一个独立的查询标识qid
- 解析语句中的表，并将表的标识tid添加到update_stmt的引用列表
- 利用for循环逐个解析要更新的列-值对：
(1). 根据列名获取列;
(2). 将该列存储到update_stmt的vector<columnitem></columnitem>中,并将列引用id添加到update_stmt的更新列列表ObArray<uint64_t> update_columns_</uint64_t>中;
(3). 解析值表达式;
(4). 将值表达式引用id添加到更新值列表ObArray<uint64_t> update_exprs_</uint64_t>中去; - 解析where子句.
3.2 如何解析表和列？
通过上面我们知道，逻辑计划的解析的一个重要内容就是要确定查询stmt,表，列，表达式的标识.查询和表达式的标识id都可以在解析的时候生成。因为这两项不是线程共有的，但是表和列是持久的数据，可以跨线程使用同样的id。这些表和列的信息由谁来管理？
3.2.1 使用Schema
追根溯源，你会发现实体表和列的id是在ob_schema.cpp中获取的。什么是schema？schema就是数据库对象的一个集合。网上有一个很形象的比喻,我稍微做了点改动：
什么是Database，什么是Schema，什么是Table，什么是列，什么是行，什么是User？我们可以可以把Database看作是一个大仓库，仓库分了很多很多的房间，Schema就是其中的房间，一个Schema代表一个房间，Table可以看作是每个Schema中的柜子，行和列就是柜子中的格子。User就是房间的主人。
OceanBase要求schema强类型约束，也就是要预先定义好schema。这样可以方便的进行各种online ddl操作。
OceanBase的表和列信息存储在Schema的一个hash_map中。关于Schema 以后再深入了解。
四、总结
制定逻辑计划，最关键的是要理解逻辑计划的设计目标，其中最主要的内容就是确定逻辑计划中使用到的查询Stmt,表，列，表达式，并为它们生成或设置唯一标识，确保在同一个逻辑计划中是不相同的。制定逻辑计划的函数只要是reslove系列函数。而表和列的信息存储在Schema中一个hash_map中。
欢迎光临我的网站----我的博客园----我的CSDN。
如果阅读本文过程中有任何问题，请联系作者