8.1节提到表达一个SQL语句需要很多不同的代数运算符的组合。openGauss为了完成这些代数运算符的功能，引入了很多算子（Operator），算子是执行树的最基本的运算单元，这些算子按照不同的功能划分，有如下几种：
1. 控制算子
这些算子并不映射代数运算符，是为了执行器完成一些特殊的流程引入的算子，主要有以下几种算子。如表8-2所示：
表8-2 控制算子
| 算子类型 | 描述 |
| Result | 处理仅需要一次计算的条件表达式或insert中的value子句 |
| Append | 处理大于或者等于2的子树流程 |
| BitmapAnd | 需要对两个或以上位图进行并操作的流程 |
| BitmapOr | 需要对两个或以上位图进行或操作的流程 |
| RecursiveUnion | 用于处理with recursive递归查询 |
| Limit | 用于处理下层数据的limit操作 |
| VecToRow | 用于普通执行器和向量化执行器之间数据传输的转换 |
2. 扫描算子
扫描算子负责从底层数据来源抽取数据，数据来源可能是来自文件系统，也可能来自网络（分布式查询）。扫描节点都位于执行树的叶子节点，作为执行数的数据输入来源。如表8-3所示：
表8-3 扫描算子
| 算子类型 | 描述 |
| Seqscan | 顺序扫描行存 |
| CstoreScan | 顺序扫描列存 |
| DfsScan | 顺序扫描HDFS类文件系统 |
| Stream | 顺序扫描来自网络的数据流，数据流一般来自其他子树执行分发到网络中的数据 |
| BitmapHeapScan | 通过bitmap结构获取元组 |
| BitmapIndexScan | 利用索引获取满足条件的bitmap结构 |
| TidScan | 通过事先得到的Tid来扫描heap上的数据 |
| SubQueryScan | 从子查询的输出来扫描数据 |
| ValueScan | 扫描Values子句产生的数据源 |
| CteScan | 扫描cte表达式 |
| WorkTableScan | 扫描RecursiveUnion产生的迭代数据 |
| FunctionScan | 扫描Function产生的批量数据 |
| IndexScan | 扫描索引得到Tid，然后从heap上扫描数据 |
| IndexOnlyScan | 在某些情况下，可以只用扫描索引就能得到查询想要的数据，因此不需要扫描heap |
| ForgeinScan | 从用户定义的外表数据源扫描数据 |
3. 物化算子
这类节点因为算法要求，在做算子逻辑处理的时候，要求把下层的数据进行缓存处理，因为对于下层算子返回的数据量不可提前预知，因此需要在算法上考虑数据无法全部放置到内存的情况，如表8-4所示。
表8-4 物化算子
| 算子类型 | 描述 |
| Sort | 对下层数据进行排序，例如快速排序 |
| Group | 对下层已经排序的数据进行分组 |
| Agg | 对下层数据进行分组（无序） |
| Unique | 对下层数据进行去重操作 |
| Hash | 对下层数据进行缓存，存储到一个hash表里 |
| SetOp | 对下层数据进行缓存，用于处理intersect等集合操作 |
4. 连接算子
这类算子是为了应对数据库中最常见的join操作，根据处理算法和数据输入源的不同分成以下几种，如表8-5所示。
表8-5 连接算子
| 算子类型 | 描述 |
| Nestloop | 对下层两股数据流实现循环嵌套连接操作 |
| MergeJoin | 对下层两股排序数据流实现归并连接操作 |
| HashJoin | 对下层两股数据流实现哈希连接操作 |
同时为了应对不同的连接操作，openGauss定义了如下的连接类型。定义两股数据流，一股为S1(左)，一股为S2（右），Join算子连接类型如表8-6所示：
表8-6 Join算子连接类型
| Join算子连接类型 | 描述 |
| Inner Join | 内连接，对于S1和S2上满足条件的数据进行连接操作。 |
| Left Join | 左连接，对于S1没有匹配S2的数据，进行补空输出。 |
| Right Join | 右连接，对于S2没有匹配S1的数据，进行补空输出。 |
| Full Join | 全连接，除了Inner Join的输出部分，对于S1，S2没有匹配的部分，进行各自补空输出 |
| Semi Join | 半连接，当S1能够在S2中找到一个匹配的，单独输出S1 |
| Anti Join | 反连接，当S1能够在S2中找不到一个匹配的，单独输出S1 |
上述三个Join算子都已经支持上述6个不同的连接类型。
NestLoop算子：对于左表中的每一行，扫描一次右表。算法简单，但非常耗时（计算笛卡尔乘积），如果可以用索引扫描右表则这可能是一个不错的策略。可以将左表的当前行中的值用作右索引扫描的键。
MergeJoin：在join开始前，先对每个表按照连接属性(join attributes)进行排序。然后并行扫描两个表，组合匹配的行形成join行。MergeJoin只需扫描一次表。排序可以通过排序算法或使用连接键上的索引来实现。
HashJoin：先扫描内表，并根据其连接属性计算hash值作为散列键(hash key)存入散列表(hash table)中。然后扫描外表，计算hash key，在hash table中找到匹配的行。
对于Join的表无序的情况，MergeJoin需要两个表扫描并进行排序，复杂度会达到O(nlogn)，而NestLoop是一种嵌套循环的查询方式，复杂度到O(n^2)。而Hashjoin借助hash表来加速查询，复杂度基本在O(n)。
不过HashJoin只适用于等值连接，对于>、<、<=、>=这样的连接还需要NestLoop这种通用的连接方式来处理。如果连接键是索引列本来就有序，或者SQL本身需要排序，那么用MergeJoin的代价会比Hashjoin更小。
下面我们简单介绍下HashJoin执行流程。
HashJoin顾名思义就是利用Hash表来进行Join查询，Hash表的数据结构组织形式如图8-4所示。
图8-4 Hash表
可以看到Hash表根据Hash值分成多个桶，相同的Hash键值的元组用链表的方式串联在一起，因为hash算法的高效和hash表的唯一指向性，hashjoin的匹配效率非常高，但是hashjoin只能支持等值查询。
Hashjoin节点有两颗子树，一颗我们称之为外表，另外一颗我们称之为内表，内表输出的数据用于生成hash表，而外表生成的数据则在hash表上进行探查并返回join结果。
在内外表的选择上，优化器一般根据这两个子树的代价进行分析选择。因为Hash表需要申请内存进行存放，因此优化器倾向于输出行数少的子树作为内表，这样数据能够被内存存放的概率比较大，如果存放不下，则需要进行下盘操作。
HashJoin主要执行流程如下面描述：
(1) 扫描内表元组，根据连接键计算hash值，并插入到hash表中的根据hash值计算出来的槽位上。这个步骤中，会反复读取内表元组直到把内表读取完全，并将hash表构建出来。
(2) 扫描外表元组，根据连接键计算hash值，直接查找hash表进行连接操作，并将结果输出，在这个步骤中，会反复读取外表直到外表读取完毕，这个时候join的结果也将全部输出。
上面说了，如果当前内表的元组无法全部放在内存里，会进行下盘操作，hashjoin对于下盘支持的设计思想非常精妙，采用了典型的分而治之算法。其主要的流程如下描述。
(3) 根据内表和外表的键值的hash值，对内表和外表进行分区，经过分区之后，内表和外表划分成很多小的内外表，这里的划分原则是相同的hash值分区之后数据要划分到相同下标的内外表中，同时内表的数据要能够存放在内存里。
(4) 取相同下标的内外表，重复(1)、(2)里面的算法进行元组输出。
(5) 重复第(4)步的操作只到处理完所有的经过分区后的内外表。
