PG归并排序算法详解

前言

  • 归并排序算法是连接算法中比较复杂的算法，相比嵌套循环与Hash匹配而言。本节会通过实例来说明该算法在PG中的具体实现。

  • 在PG中，通过状态机来实现——归并-连接。当然这里的完整流程是排序——归并——连接，由于排序通过Sort操作来完成，这里就不赘述。

  • 这里的状态机一共有11中状态，在这11中状态的转换过程中，会根据外表(inner)或内表(inner)读取到数据的状态分为——
    MJEVAL_MATCHABLE、MJEVAL_NONMATCHABLE、MJEVAL_ENDOFJOIN。可以简单理解为读取到非空数据，读取到数据为空以及所有数据读取完成。

  • 前置条件，内外表均已排序完成且都是升序策略。

-----------初始状态-----------------
EXEC_MJ_INITIALIZE_OUTER	
EXEC_MJ_INITIALIZE_INNER		
-----------中间状态-----------------				
EXEC_MJ_NEXTOUTER			
EXEC_MJ_TESTOUTER			
EXEC_MJ_NEXTINNER			
EXEC_MJ_SKIP_TEST			
EXEC_MJ_SKIPOUTER_ADVANCE	
EXEC_MJ_SKIPINNER_ADVANCE		
-------------结束状态-----------------
EXEC_MJ_JOINTUPLES
EXEC_MJ_ENDOUTER			
EXEC_MJ_ENDINNER

举例

  • 接下来，以一个实例来说明状态机转换的具体流程。这里假设有两张表进行全外连接——outer/inner。数据如下所示：
outer  inner
  5	  5 
  5	  5
  6      8
  6      8  
  7     12
  8     14

  • 简单提及一下后面说明过程中会涉及到的变量

  • 1 (current) outer tuple扫描到的一条外表数据，eg: 5/6/7

  • 2 (current) inner tuple扫描到的一条内表数据，eg: 8/12/14

  • 3 marked tuple 上一次与outer tuple匹配到的inner tuple，记录为marked tuple(描述的是inner tuple)

  • 4 offset tuple 在方法ExecMarkPos执行时，会将当前inner tuple的位置做标记，以便后面inner tuple的重新扫描。通过方法ExecSortRestrPos实现标记。通过方法ExecRestrPos来实现将(current) inner tuple恢复为offset tuple。

  • 1 第一轮，初始状态为EXEC_MJ_INITIALIZE_OUTER，外表游标下移获取到outer tuple——5(1)。通过MJEVAL_MATCHABLE切换到状态EXEC_MJ_INITIALIZE_INNER。

    在状态EXEC_MJ_INITIALIZE_INNER下，内表游标下移获取到——5(1)。通过MJEVAL_MATCHABLE切换到EXEC_MJ_SKIP_TEST。

    来到状态EXEC_MJ_SKIP_TEST，这里执行方法MJCompare，也就是对outer tuple与inner tuple进行了比较，5(1) == 5(1)。标记offset为current，同时将marked tuple置为当前tuple。然后切换到状态EXEC_MJ_JOINTUPLES。

    在状态EXEC_MJ_JOINTUPLES下，首先更改状态为EXEC_MJ_NEXTINNER，然后将匹配到的数据返回。

    到这里为止，完成了外表/内表的数据匹配，一轮匹配就结束了。

  • 匹配结果 5(1) == 5(1)

              outer  inner
outer tuple -  5    5  - marked tuple - offset tuple - inner tuple
               5        5
               6       8
               6       8  
               7      12
               8      14

  • 2 第二轮，由于上一轮在退出时将状态置为EXEC_MJ_NEXTINNER，因此，这一轮从状态EXEC_MJ_NEXTINNER出发。该状态下，内表游标下移获取数据——5(2),然后调用方法MJCompare比较outer tuple与inner tuple，5(1) == 5(2)，切换到状态EXEC_MJ_JOINTUPLES。同样，切换状态为EXEC_MJ_NEXTINNER，并且完成该轮扫描(后面不再赘述)。

  • 匹配结果 5(1) == 5(2)

              outer  inner
outer tuple -  5	5  - marked tuple  - offset tuple
               5	5  - inner tuple
               6       8
               6       8  
               7      12
               8      14

  • 3 第三轮，继续来到状态EXEC_MJ_NEXTINNER，此时内表游标下移获取数据——8(1)，与outer tuple相比——5(1) < 8(1)，切换到状态EXEC_MJ_NEXTOUTER。

    在状态EXEC_MJ_NEXTOUTER下，外表游标下移获取到outer tuple——5(2)，同时通过MJEVAL_MATCHABLE切换到EXEC_MJ_TESTOUTER。

    在状态EXEC_MJ_TESTOUTER下，这里对于outer tuple与marked tuple进行了比较，也就是5(2) == 5(1)，这里调用方法ExecRestrPos重置了内表的游标，将inner tuple置为offset tuple，也就是说，下一次内表游标的下移后获取的数据是——5(2)。然后切换状态为EXEC_MJ_JOINTUPLES，同时结束了本轮的匹配。

  • 匹配结果 5(2) == 5(1)

              outer  inner
               5	5  - marked tuple - offset tuple - inner tuple 
 outer tuple - 5	5  
               6       8  
               6       8  
               7      12
               8      14

  • 4 第四轮，其实与第二轮的描述基本一致，只是结果发生了变化

  • 匹配结果 5(2) == 5(2)

              outer  inner
               5	5  - marked tuple - offset tuple 
 outer tuple - 5	5  - inner tuple 
               6       8  
               6       8  
               7      12
               8      14

  • 5 第五轮，在状态EXEC_MJ_NEXTINNER下，内表游标下移获取数据——8(1)，需要注意的是，这里将mj_MatchedInner标记为false。与outer tuple比较——5(2) < 8(1)，切换到状态EXEC_MJ_NEXTOUTER。

    在状态EXEC_MJ_NEXTOUTER下，外表游标下移获取到outer tuple——6(1)，同时通过MJEVAL_MATCHABLE切换到EXEC_MJ_TESTOUTER。

    在状态EXEC_MJ_TESTOUTER下，这里对于outer tuple与marked tuple进行了比较——6(1) > 5(1)，重新载入current inner tuple——8(1)，然后切换到状态EXEC_MJ_SKIP_TEST。

    在状态EXEC_MJ_SKIP_TEST下，调用方法MJCompare比较outer tuple与inner tuple——6(1) < 8(1)。切换到状态EXEC_MJ_SKIPOUTER_ADVANCE。

    来到状态EXEC_MJ_SKIPOUTER_ADVANCE。由于在该轮开始，变量mj_MatchedOuter已经被置为false，因此，这里并没有继续外表的游标下移，而是修改变量mj_MatchedOuter为true，然后调用MJFillOuter将其关联的inner tuple置为空。这里没有进行状态的切换。该轮循环结束。

  • 关联结果 6(1) null

              outer  inner
               5	5  - marked tuple  - offset tuple 
               5	5  
 outer tuple - 6       8  - inner tuple 
               6       8  
               7      12
               8      14

  • 6 由于上面一轮并没有发生状态的切换，因此，该轮继续从状态EXEC_MJ_SKIPOUTER_ADVANCE出发，只是，上一轮结束时，将变量mj_MatchedOuter置为true，因此，外表游标下移获取到outer tuple——6(2)，将mj_MatchedOuter置为false，然后切换到状态EXEC_MJ_SKIP_TEST。

    来到状态EXEC_MJ_SKIP_TEST，调用方法MJCompare比较outer tuple与inner tuple——6(2) < 8(1)。切换到状态EXEC_MJ_SKIPOUTER_ADVANCE。与上一轮相似，这里同样调用MJFillOuter将其关联的inner tuple置为空。这里没有进行状态的切换。该轮循环结束。

  • 关联结果 6(2) null

              outer  inner
               5	5  - marked tuple  - offset tuple 
               5	5  
               6       8  - inner tuple 
 outer tuple - 6       8  
               7      12
               8      14

  • 7 这一轮的流程基本与第六轮相似，只是外表游标下移获取到outer tuple——7。

  • 关联结果 7 null

              outer  inner
               5	5  - marked tuple  - offset tuple 
               5	5  
               6       8  - inner tuple 
               6       8  
outer tuple -  7      12
               8      14

  • 8 该轮同样从状态EXEC_MJ_SKIPOUTER_ADVANCE出发，外表游标下移获取到outer tuple——8，状态切换到EXEC_MJ_SKIP_TEST。

    来到状态EXEC_MJ_SKIP_TEST，调用方法MJCompare比较outer tuple与inner tuple——8 == 8(1)。这里标记offset为current，同时将marked tuple置为当前tuple。然后切换到状态EXEC_MJ_JOINTUPLES。同时结束了本轮的匹配。（不要忘记，下一轮从状态EXEC_MJ_NEXTINNER出发）

  • 关联结果 8 == 8(1)

              outer  inner
               5	5  
               5	5  
               6       8  - marked tuple  - offset tuple  - inner tuple 
               6       8  
               7      12
outer tuple -  8      14

  • 9 该轮从状态EXEC_MJ_NEXTINNER出发，内表游标下移获取数据——8(2)，调用方法MJCompare与outer tuple相比较——8 == 8(2)，因此，切换到状态EXEC_MJ_JOINTUPLES，同时结束本轮的匹配。

  • 关联结果 8 == 8(2)

              outer  inner
               5	5  
               5	5  
               6       8  - marked tuple  - offset tuple  
               6       8  - inner tuple 
               7      12
outer tuple -  8      14

  • 10 该轮同样从状态EXEC_MJ_NEXTINNER出发，内表游标下移获取数据——8(2)，同时将变量mj_MatchedInner设置为false，调用方法MJCompare与outer tuple相比较——8 < 12，故切换到状态EXEC_MJ_NEXTOUTER。

    在状态EXEC_MJ_NEXTOUTER下，外表游标下移，同时将变量mj_MatchedOuter置为false，由于此时外表已经没有数据了，因此通过MJEVAL_ENDOFJOIN切换到状态EXEC_MJ_ENDOUTER。

    来到状态EXEC_MJ_ENDOUTER，由于变量mj_MatchedInner为false，这里重置mj_MatchedInner为true后，调用方法MJFillInner，将inner tuple——12关联的outer tuple填充为null。这里没有状态切换。该轮循环结束。

  • 关联结果 null 12

              outer  inner
               5	5  
               5	5  
               6       8  - marked tuple  - offset tuple
               6       8  
               7      12  - inner tuple   
               8      14   
outer tuple - eof    eof

  • 11 该轮从上一轮结束的状态EXEC_MJ_ENDOUTER出发。由于mj_MatchedInner为true，首先调用方法ExecMarkPos标记offset为current，然后内表游标下移，同时将变量变量mj_MatchedInner设置为false，状态不变。

    继续来到状态，这里与继续调用方法MJFillInner，将inner tuple——14关联的outer tuple填充为null。这里没有状态切换。该轮循环结束。

  • 关联结果 null 14

              outer  inner
               5	5  
               5	5  
               6       8  - marked tuple 
               6       8  
               7      12  - offset tuple 
               8      14  - inner tuple    
outer tuple - eof    eof

  • 12 仍然是状态EXEC_MJ_ENDOUTER，这里同样首先调用方法ExecMarkPos标记offset为current，然后内表游标下移，同时将变量变量mj_MatchedInner设置为false。由于此时内表的扫描结束，返回为空，同时该轮循环结束。

  • 关联结果 null

              outer  inner
               5	5  
               5	5  
               6       8  - marked tuple 
               6       8  
               7      12  
               8      14  - offset tuple   
outer tuple - eof    eof  - inner tuple
  • 至此，归并排序的举例就结束了。我推荐大家在阅读本文的时候最好参照pg源码——nodeMergejoin.c文件中的ExecMergeJoin方法，有事半功倍之效。

总结

  • 状态EXEC_MJ_NEXTINNER，该状态的前置状态只有EXEC_MJ_JOINTUPLES。在该状态下内表游标下移获取数据，因此，outer tuple与inner tuple比较只有两种情况

    • 1 outer tuple = inner tuple
    • 2 outer tuple < inner tuple

  • 状态EXEC_MJ_TESTOUTER，该状态的前置状态只有EXEC_MJ_NEXTINNER与EXEC_MJ_NEXTOUTER。而在该状态下外表游标下移获取数据，因此，outer tuple与inner tuple比较只有两种情况

    • 1 outer tuple = inner tuple
    • 2 outer tuple > inner tuple

  • 状态EXEC_MJ_NEXTOUTER与EXEC_MJ_SKIPOUTER_ADVANCE的区别：

    前者会切换到状态EXEC_MJ_TESTOUTER来比较。

    而后者会切换到EXEC_MJ_SKIP_TEST来比较。

  • 状态EXEC_MJ_SKIP_TEST与EXEC_MJ_TESTOUTER区别：

    前者outer tuple与inner tuple比较有三种可能的结果。这里比较的是current outer tuple与current inner tuple。

    而后者只有两种可能的情况。而这里比较的是current outer tuple与makred inner tuple。

    如果current outer tuple > marked inner tuple，那么inner tuple从current tuple与outer tuple切换到状态EXEC_MJ_SKIP_TEST进行比较。

  • 恢复标记
    在状态EXEC_MJ_TESTOUTER中遇到outer tuple == marked tuple时，这里会置inner tuple为offset tuple，并且将inner tuple置为之前保存的offset tuple。

图示

posted @ 2020-03-15 14:35  letsfly  阅读(550)  评论(0)  编辑  收藏  举报