技术特点

• 支持标准SQL查询语法

  完全继承GaussDB 200的SQL查询语法的支持，实现HDFS分布式文件系统上的结构化数据分析查询，支持连接、聚合、字符日期等系统函数，支持子查询以及HDFS结构化数据和GaussDB 200本地数据的联合访问，支持窗口函数等。

• 针对HDFS数据的代价估算模型

  在GaussDB 200基于代价估算（Cost-based）的SQL优化器中，增加了针对HDFS分布式文件系统上结构化数据访问的代价估算模型，从而可以制定HDFS数据的最优执行计划。

• 智能扫描

  GaussDB 200可以将适用的谓词条件直接下推到存储在HDFS上的Hadoop原生数据上，在压缩数据上进行谓词过滤，且针对Hadoop ORC（Optimized Row Columnar）列式存储实现后期物化（Later-materialazation），从而显著减少HDFS数据读取。

• LLVM(Low Level Virtual Machine)优化

  基于智能扫描，将下推到Hadoop原生数据上的适用谓词进行LLVM优化，使其谓词条件生成中间表示(IR)，最终生成与平台相关的机器码，进而提高谓词过滤及查询性能。

• 支持信息约束（Informational Constraint）

  若表上的列具有唯一性特征，则在数据库中创建该表时指定对应列具有信息约束属性，在执行阶段利用该属性提供查询性能。

• 向量引擎

  针对HDFS上存储的ORC列式结构化数据，直接对接GaussDB 200已有成熟的向量化执行引擎，提升分析查询性能。

• 支持分区表

  适配HDFS上依据Hive语法定义的分区表数据，由GaussDB 200 SQL优化器来实现自动的分区表访问的剪枝操作，提高分析查询性能。

• 分布式高效读取HDFS数据

  GaussDB 200 SQL编译器引入Scheduler组件，来达到GaussDB 200 Data Nodes的HDFS数据访问负载均衡，并可以通过HDFS组件的本地读特性（short-circuit）来提升数据读取性能。