Databend SQL Planner 全新设计
前言
为了支持复杂的 SQL 查询，并且提供更好的使用体验，我们在最近的几个月里对 Databend 的 SQL planner 进行了大规模的重构。目前重构已经接近尾声，感兴趣的朋友可以通过修改 Databend 的 Session settings
SET enable_planner_v2 = 1
来启用新 planner 进行抢先体验。
功能亮点
更加友好的查询体验
无论是数据分析师还是开发人员，在编写 SQL 查询的时候总会遇到各种各样的报错。尤其是在 SQL 查询较为复杂的情况下，排查报错成了许多人的噩梦（笔者本人曾经修改过有数十个 JOIN 子句的 MySQL 查询，从此对 MySQL 的错误提示深恶痛绝）。
为了改善这方面的用户体验，我们在新的 Planner 中引入了严格的语义检查环节，使得大部分的错误可以在查询编译阶段就被拦截。同时为了方便用户定位错误的位置，我们也引入了全新的错误提示算法。
当你的 SQL 查询使用了错误的语法时（比如写错了关键字，或者遗漏了某些子句），Databend 会为你提供提示信息：
当你的 SQL 查询出现语义上的错误时（比如使用了不存在的 Column，或者 Column 具有歧义），Databend 也会为你指出错误出现的位置：
在编写复杂查询时，依然可以获得较好的体验：
支持 JOIN 查询与关联子查询
在新的 SQL planner 中，我们支持了 JOIN 查询（INNER JOIN，OUTER JOIN，CROSS JOIN）与关联子查询，并且提供了 Hash Join 算法用以执行 JOIN 查询。
JOIN 查询的相关文档已经发布在 https://databend.rs/doc/reference/sql/query-syntax/dml-join，你可以查阅文档以了解 Databend 中 JOIN 查询的使用方式。
在 OLAP 查询中，JOIN 是非常重要的一部分。在传统的星型模型和雪花模型中，我们都需要通过 JOIN 查询将维度表与事实表连接起来以生成结果报表。
TPCH Benchmark 是由 TPC 委员会制定的一套 OLAP 查询基准测试标准，用于评测数据库系统的 OLAP 能力。其中包含了 8 张表，分别是：
- Lineitem：产品项目
- Orders：订单信息
- Customer：顾客信息
- Part：零部件信息
- Supplier：供应商信息
- Partsupp：零件与供应商的关系表
- Nation：国家信息
- Region：地区信息
TPCH 中有 22 条复杂的查询，对应不同的商业需求。这里以 Q9 查询为例，它的用途是计算指定年度和地区的利润额，其中包含了大量的 JOIN 计算。在新的 Planner 中，我们已经可以支持该查询：
关联子查询同样也是 SQL 中的重要组成部分，通过关联子查询可以轻松表示复杂的查询逻辑。TPCH 的 Q4 就是一个例子，它的用途是计算一段时间内各优先级的订单的交付情况。其中使用了 EXISTS 关联子查询来筛选逾期收货的订单：
目前 Databend 仅支持了关联子查询的简单执行，相关的查询优化工作仍在进行中，敬请期待。
全新架构
新的 SQL planner 中我们对 SQL 解析的流程进行了重新设计，以支撑更加复杂的语义分析和 SQL 优化。在新的 SQL planner 中，一条 SQL 语句通过客户端发送到 databend-query server 后，会按照下图所示的顺序由不同的组件进行处理，最终将查询的结果返回给客户端：
收到 SQL 查询后，Parser 组件会对其进行解析。在此步骤中如果遇到了语法错误则会直接将错误信息返回给客户端，解析成功则会生成查询对应的 AST(抽象语法树)。
Parser
为了提供更丰富的语法分析功能和更好的开发体验，我们开发了一套基于 nom Parser combinator 的 DSL (领域特定语言) nom-rule，并基于该框架重新编写了 SQL Parser。
在这套框架下我们可以非常轻松地定义一条 Statement 的语法，以 CREATE TABLE 语句为例，我们可以使用 DSL 将其简单描述为：
CREATE ~ TABLE ~ #identifier ~ "(" ~ (#column_def)+ ~ ")" ~ ";"
优雅的语法大大提高了编写 Parser 的乐趣，欢迎有兴趣的朋友们进行尝试。
Binder
由 Parser 成功解析出 AST 后，我们会通过 Binder 对其进行语义分析，并且生成一个初始的 Logical Plan（逻辑计划）。在此过程中，我们会进行不同类型的语义分析：
- Name resolution：通过查询 Databend Catalog 中相关的 Table, Column 对象信息，来检查 SQL 查询中引用的变量的合法性。并将合法的变量与对应的对象进行绑定，以进行后续的分析。
- Type check：根据 name resolution 中拿到的信息，对表达式的合法性进行检查，并且为表达式寻找合适的返回类型。
- Subquery unnesting：将表达式中的子查询提取出来，翻译成关系代数的形式
- Grouping check: 对于含有聚合计算的查询，分析是否在聚合函数以外引用了非聚合列
通过语义分析，我们可以排除掉绝大多数的语义错误，并在编译阶段将其返回给用户，以提供最佳的错误排查体验。
Optimizer
得到初始的 Logical Plan 后，优化器会对其进行改写和优化，最终生成一个可执行的 Physical Plan 。
在新的 Planner 中，我们引入了一套基于 Transformation Rule 的优化器框架（Volcano/Cascades）。通过定义一个关系代数子树结构的 Pattern 以及相关的 Transform 逻辑，即可实现一个独立的 Rule。
以简单的 Predicate Push Down 为例：
我们只需要定义输入的 Plan 的 Pattern：
impl RulePushDownFilterProject {
pub fn new() -> Self {
Self {
id: RuleID::PushDownFilterProject,
// Filter
// \
// Project
// \
// *
pattern: SExpr::create_unary(
Pattern {
plan_type: RelOp::Filter,
},
SExpr::create_unary(
Pattern {
plan_type: RelOp::Project,
},
SExpr::create_leaf(
Pattern {
plan_type: RelOp::Pattern,
},
),
),
),
}
}
}
并且实现一个进行转换的函数：
impl RulePushDownFilterProject {
pub fn apply(&self, s_expr: SExpr) -> Result<SExpr> {
let filter = s_expr.plan().into();
let project = s_expr.child(0).plan().into();
let result = SExpr::create_unary(
project,
SExpr::create_unary(
filter,
s_expr.child(0).child(0)
)
);
Ok(result)
}
}
Interpreter
通过 Optimizer 生成 Physical Plan 后，我们会将其翻译成可执行的 Pipeline，并交由 Databend 的 Processor 执行框架进行计算。至此 Planner 的工作就告一段落，相信读者也对新 Planner 的架构有了一个初步的了解。更多的技术细节请关注我们的后续文章。
未来规划
从头构建一个 SQL Planner 是一件十分具有挑战性的事情，但是通过重新的设计和开发，我们可以找到最适合系统本身的架构与功能。在未来的一段时间里，我们将持续完善和巩固新的 SQL Planner，功能方面则会注重于：
- Cost-based Optimization（CBO, 基于代价的优化）
- 分布式查询优化
- 更多的优化规则
目前，新的 SQL planner 的迁移工作已经接近尾声，你可以通过该 issue 追踪进度。预计在七月份内所有的迁移工作将会完成， 届时我们将会发布版本更新的公告，敬请期待。
关于 Databend
Databend 是一款开源、弹性、低成本，基于对象存储也可以做实时分析的新式数仓。期待您的关注，一起探索云原生数仓解决方案，打造新一代开源 Data Cloud。
-
Databend 文档：https://databend.rs/
-
Wechat：Databend
文章首发于公众号：Databend
