向量化并行执行器

IMCI执行器引擎使用经典的火山模型，但是借助了列存存储以及向量执行来提升执行性能。
火山模型中，SQL生成的语法树所对应的关系代数中，每一种操作会抽象为一个Operator，执行引擎会将整个SQL构建成一个Operator树，查询树自顶向下调用Next()接口，数据则自底向上被拉取处理。该方法的优点是其计算模型简单直接，通过把不同物理算子抽象成一个个迭代器。每一个算子只关心自己内部的逻辑即可，使得各个算子之间的耦合性降低，从而比较容易写出一个逻辑正确的执行引擎。

• 在IMCI执行引擎中，每个Operator也使用迭代器函数来访问数据，但不同的是每次调用迭代器会返回一批数据，而不是一行，可以认为这是一个使用了向量化模式的火山模型。
  
• 串行执行受制于单核计算效率、访存延时、IO延迟等限制，执行能力有限。而IMCI执行器在几个关键物理算子（Scan/Join/Agg等）上均并行执行。除物理算子需要支持并行外，IMCI的优化器也支持生成并行执行计划，优化器在确定一个表的访问方式时，会根据需要访问的数据量来决定是否启用并行执行，如果确定启用并行执行，则会参考一系列状态数据（包括当前系统可用的CPU/Memory/IO资源、目前已经调度和在排队的任务信息、统计信息、query的复杂程度、用户可配置的参数等）。 根据这些数据会计算出一个推荐的DOP值给一个算子，而一个算子内部会使用相同的DOP。同时，DOP也支持用户使用Hint进行设定。
  
  基于以上两点优化思路，重新实现了所有物理执行算子，包括TableScan、HashJoin、NestedLoopJoin、Groupby等。下面以HashJoin为例展示执行器的并行化及向量化加速效果。在IMCI中，HashJoin按如下流程执行：
  
  向量化执行解决了单核执行效率低的问题，而并行执行突破了单核的计算瓶颈。二者结合使得IMCI执行速度相比传统MySQL行式执行有了数量级的提升。