OceanBase GROUP BY

2021-06-29 16:57 更新

GROUP BY 算子主要用于在 SQL 中進(jìn)行分組聚合計(jì)算操作。

用于對數(shù)據(jù)進(jìn)行分組的算法有 HASH 算法和 MERGE 算法，因此根據(jù)算法可以將 GROUP BY 算子分為兩種：HASH GROUP BY 和 MERGE GROUP BY。執(zhí)行計(jì)劃生成時根據(jù) SQL 優(yōu)化器對于兩種算子的代價評估，來選擇使用哪種 GROUP BY 算子。

對于普通的聚合函數(shù)（SUM/MAX/MIN/AVG/COUNT/STDDEV）也是通過分配 GROUP BY 算子來完成，而對于只有聚合函數(shù)而不含有 GROUP BY 的 SQL，分配的是 SCALAR GROUP BY 算子，因此 GROUP BY 算子又可以分為三種：SCALAR GROUP BY、HASH GROUP BY 和 MERGE GROUP BY。

SCALAR GROUP BY

示例 1：含 SCALAR GROUP BY 算子的執(zhí)行計(jì)劃

obclient>CREATE TABLE t1(c1 INT, c2 INT);
Query OK, 0 rows affected (0.12 sec)

obclient>INSERT INTO t1 VALUES(1, 1);
Query OK, 1 rows affected (0.12 sec)

obclient>INSERT INTO t1 VALUES(2, 2);
Query OK, 1 rows affected (0.12 sec)

obclient>INSERT INTO t1 VALUES(3, 3);
Query OK, 1 rows affected (0.12 sec)

Q1:
obclient> EXPLAIN SELECT SUM(c1) FROM t1\G;
*************************** 1. row ***************************
Query Plan:
| ========================================
|ID|OPERATOR       |NAME|EST. ROWS|COST|
----------------------------------------
|0 |SCALAR GROUP BY|    |1        |37  |
|1 | TABLE SCAN    |T1  |3        |37  |
========================================

Outputs & filters: 
-------------------------------------
  0 - output([T_FUN_SUM(T1.C1)]), filter(nil), 
      group(nil), agg_func([T_FUN_SUM(T1.C1)])
  1 - output([T1.C1]), filter(nil), 
      access([T1.C1]), partitions(p0)

上述示例中，Q1 查詢的執(zhí)行計(jì)劃展示中的 outputs & filters 中詳細(xì)列出了 SCALAR GROUP BY 算子的輸出信息如下：

信息名稱

含義

output

該算子輸出的表達(dá)式。

filter

該算子上的過濾條件。

由于示例中 SCALAR GROUP BY 算子未設(shè)置 filter，所以為 nil。

group

需要進(jìn)行分組的列。

例如，Q1 查詢中是 SCALAR GROUP BY 算子，所以為 nil。

agg_func

所涉及的聚合函數(shù)。

例如，Q1 查詢是計(jì)算表 t1 的 c1 列數(shù)據(jù)之和，因此為 T_FUN_SUM(t1.c1)。

HASH GROUP BY

示例 2：含 HASH GROUP BY 算子的執(zhí)行計(jì)劃

Q2: 
obclient>EXPLAIN SELECT SUM(c2) FROM t1 GROUP BY c1 HAVING SUM(c2) > 2\G;
*************************** 1. row ***************************
Query Plan:
| ======================================
|ID|OPERATOR     |NAME|EST. ROWS|COST|
--------------------------------------
|0 |HASH GROUP BY|    |1        |40  |
|1 | TABLE SCAN  |T1  |3        |37  |
======================================

Outputs & filters: 
-------------------------------------
  0 - output([T_FUN_SUM(T1.C2)]), filter([T_FUN_SUM(T1.C2) > 2]), 
      group([T1.C1]), agg_func([T_FUN_SUM(T1.C2)])
  1 - output([T1.C1], [T1.C2]), filter(nil), 
      access([T1.C1], [T1.C2]), partitions(p0)

上述示例中，Q2 查詢的執(zhí)行計(jì)劃展示中的 outputs & filters 詳細(xì)列出了 HASH GROUP BY 算子的輸出信息如下：

信息名稱

含義

output

該算子輸出的表達(dá)式。

filter

該算子上的過濾條件。

由于設(shè)置要求分組后的 c2 列求和大于 2，因此為 T_FUN_SUM(t1.c2) > 2。

group

需要進(jìn)行分組的列。

例如，Q2 查詢是 HASH GROUP BY 算子，所以為 nil。

agg_func

所涉及的聚合函數(shù)。

例如，Q2 查詢中計(jì)算表 t1 的 c1 列之和，因此為 T_FUN_SUM(t1.c1)。
說明 
HASH GROUP BY 算子將會保證在執(zhí)行時采用 HASH 算法進(jìn)行分組。

MERGE GROUP BY

示例 3：含 MERGE GROUP BY 算子的執(zhí)行計(jì)劃

Q3: 
obclient>EXPLAIN SELECT /*+NO_USE_HASH_AGGREGATION*/SUM(c2) FROM 
       t1 GROUP BY c1 HAVING SUM(c2) > 2\G;
*************************** 1. row ***************************
Query Plan:
| =======================================
|ID|OPERATOR      |NAME|EST. ROWS|COST|
---------------------------------------
|0 |MERGE GROUP BY|    |1        |45  |
|1 | SORT         |    |3        |44  |
|2 |  TABLE SCAN  |T1  |3        |37  |
=======================================

Outputs & filters: 
-------------------------------------
  0 - output([T_FUN_SUM(T1.C2)]), filter([T_FUN_SUM(T1.C2) > 2]), 
      group([T1.C1]), agg_func([T_FUN_SUM(T1.C2)])
  1 - output([T1.C1], [T1.C2]), filter(nil), sort_keys([T1.C1, ASC])
  2 - output([T1.C1], [T1.C2]), filter(nil), 
      access([T1.C1], [T1.C2]), partitions(p0)

上述示例中，Q3 查詢的執(zhí)行計(jì)劃展示中的 outputs & filters 中詳細(xì)列出了 MERGE GROUP BY 算子的信息，可以看出相同的 SQL 生成執(zhí)行計(jì)劃時選擇了 MERGE GROUP BY 算子，其算子基本信息都是相同的，最大的區(qū)別是在執(zhí)行的時候選擇的分組算法不一樣。同時，這里的 2 號算子 TABLE SCAN 返回的結(jié)果是一個無序結(jié)果，而 GROUP BY 算法采用的是 MERGE GROUP BY，因此必須分配一個 SORT 算子。

注意 
NO_USE_HASH_AGGREGATION 和 USE_HASH_AGGREGATION 的 HINT 可以用于控制 GROUP BY 算子選擇何種算法進(jìn)行分組。


以上內(nèi)容是否對您有幫助：
在線筆記
App下載
App下載

掃描二維碼

下載編程獅App

公眾號
微信公眾號

編程獅公眾號