当前位置: 首页 > news >正文

Starrocks 怎么计算各个算子的统计信息

背景

写这个文章的原因是为了了解一下Starrocks对各个算子的代价是怎么计算的,以便在后续对Starrocks做优化的时候,能够起到辅助作用
本文基于 Starrocks 3.3.5

结论

StatisticsCalculator 通过获取底层数据源的统计信息而进行自上而下的数据信息的统计,这些统计信息的计算大部分也是估算获得的。

分析

直接到 StatisticsCalculator 类中(该类会被DeriveStatsTask调用),这个类采用的典型的Visitor模式,对于不同的算子,会进入到不同的方法中去:
这里我们分析三种算子:

1. Scan olap
2. Filter
3. Projection

其他的算子可以看源码实现。

  1. Scan olap算子
   @Overridepublic Void visitLogicalOlapScan(LogicalOlapScanOperator node, ExpressionContext context) {return computeOlapScanNode(node, context, node.getTable(), node.getSelectedPartitionId(),node.getColRefToColumnMetaMap());}@Overridepublic Void visitPhysicalOlapScan(PhysicalOlapScanOperator node, ExpressionContext context) {return computeOlapScanNode(node, context, node.getTable(), node.getSelectedPartitionId(),node.getColRefToColumnMetaMap());}private Void computeOlapScanNode(Operator node, ExpressionContext context, Table table,Collection<Long> selectedPartitionIds,Map<ColumnRefOperator, Column> colRefToColumnMetaMap) {Preconditions.checkState(context.arity() == 0);// 1. get table row countlong tableRowCount = StatisticsCalcUtils.getTableRowCount(table, node, optimizerContext);// 2. get required columns statisticsStatistics.Builder builder = StatisticsCalcUtils.estimateScanColumns(table, colRefToColumnMetaMap, optimizerContext);if (tableRowCount <= 1) {builder.setTableRowCountMayInaccurate(true);}// 3. deal with column statistics for partition pruneOlapTable olapTable = (OlapTable) table;adjustPartitionColsStatistic(selectedPartitionIds, olapTable, builder, colRefToColumnMetaMap);builder.setOutputRowCount(tableRowCount);if (isRewrittenMvGE(node, table, context)) {adjustNestedMvStatistics(context.getGroupExpression().getGroup(), (MaterializedView) olapTable, builder);if (node.getProjection() != null) {builder.setShadowColumns(node.getProjection().getOutputColumns());}}// 4. estimate cardinalitycontext.setStatistics(builder.build());return visitOperator(node, context);}

这个也是统计信息的来源,其他算子的统计信息都是基于此类算子计算出来的。

  • StatisticsCalcUtils.getTableRowCount 首先计算行数
    该方法会首先获取到扫描的分区数,之后再从CachedStatisticStorage获取到对应分区的行数信息,从而累加,最小为1行
  • StatisticsCalcUtils.estimateScanColumns 获取到对应列的统计信息
    该方法也是从CachedStatisticStorage 获取ColumnStatisticsHistogramStatistics信息
  • 如果行数只有一行,那就标记为统计信息不准确
  • 调增分区列的统计信息
  • visitOperator 这里会对scan涉及到的谓词以及 limit projection 做进一步的统计分析
    对于不同的谓词,利用 BaseCalculatingVisitor / LargeOrCalculatingVisitor 进行统计,比如说 in / or / and等
    对于projection 利用 ExpressionStatisticVisitor类进行统计
  1. Filter算子
    @Overridepublic Void visitLogicalFilter(LogicalFilterOperator node, ExpressionContext context) {return computeFilterNode(node, context);}@Overridepublic Void visitPhysicalFilter(PhysicalFilterOperator node, ExpressionContext context) {return computeFilterNode(node, context);}private Void computeFilterNode(Operator node, ExpressionContext context) {Statistics inputStatistics = context.getChildStatistics(0);Statistics.Builder builder = Statistics.builder();builder.addColumnStatistics(inputStatistics.getColumnStatistics());builder.setOutputRowCount(inputStatistics.getOutputRowCount());context.setStatistics(builder.build());return visitOperator(node, context);}
  • 对于filter操作来说 ,也是沿用了子节点的统计信息,所以说filter这一层级统计信息和子节点是一致的
  1. Projection算子
@Overridepublic Void visitLogicalProject(LogicalProjectOperator node, ExpressionContext context) {return computeProjectNode(context, node.getColumnRefMap());}@Overridepublic Void visitPhysicalProject(PhysicalProjectOperator node, ExpressionContext context) {return computeProjectNode(context, node.getColumnRefMap());}private Void computeProjectNode(ExpressionContext context, Map<ColumnRefOperator, ScalarOperator> columnRefMap) {Preconditions.checkState(context.arity() == 1);Statistics.Builder builder = Statistics.builder();Statistics inputStatistics = context.getChildStatistics(0);builder.setOutputRowCount(inputStatistics.getOutputRowCount());Statistics.Builder allBuilder = Statistics.builder();allBuilder.setOutputRowCount(inputStatistics.getOutputRowCount());allBuilder.addColumnStatistics(inputStatistics.getColumnStatistics());for (ColumnRefOperator requiredColumnRefOperator : columnRefMap.keySet()) {ScalarOperator mapOperator = columnRefMap.get(requiredColumnRefOperator);if (mapOperator instanceof SubfieldOperator && context.getOptExpression() != null) {Operator child = context.getOptExpression().inputAt(0).getOp();if (child instanceof LogicalScanOperator || child instanceof PhysicalScanOperator) {addSubFiledStatistics(child, ImmutableMap.of(requiredColumnRefOperator,(SubfieldOperator) mapOperator), builder);continue;}}ColumnStatistic outputStatistic =ExpressionStatisticCalculator.calculate(mapOperator, allBuilder.build());builder.addColumnStatistic(requiredColumnRefOperator, outputStatistic);allBuilder.addColumnStatistic(requiredColumnRefOperator, outputStatistic);}context.setStatistics(builder.build());return visitOperator(context.getOp(), context);}

对于Projection来说,也是根据不同的 Projection 算子来做区别对待的(也是用ExpressionStatisticVisitor类),如case when操作,函数操作等,这些对应的列的最大值和最小值都是不一样的

相关文章:

  • R语言科研编程-柱状图
  • DeepSeek 赋能医疗影像分析:从卷积神经网络到临床诊断效率革新
  • Spark 中,map和foreach的区别
  • 基于Spring boot+vue的中医养生系统的设计与实现(源码+论文+部署+安装+调试+售后)
  • STM32之看门狗(IWDG)
  • [CSS3]Flex布局
  • John the Ripper 入门指南:密码破解工具的正确打开方式
  • Cmake编译gflags过程记录和在QT中测试
  • Qt实战:自定义QTreeWidget搜索隐藏显示项功能 | 附完整源码
  • 轻量化开源方案——浅析PdfPatcher实际应用
  • 在单片机中如何在断电前将数据保存至DataFlash?
  • C++:整数奇偶排序
  • [特殊字符] 使用增量同步+MQ机制将用户数据同步到Elasticsearch
  • MATLAB 2023b 配电柜温度报警系统仿真
  • 【算法】:动态规划--背包问题
  • Spring AI 源码解析:Tool Calling链路调用流程及示例
  • 夏日旅行(广度优先搜索)
  • 嵌入式软件-如何做好一份技术文档?
  • 深入理解设计模式之适配器模式
  • 《Python语言程序设计》第4章第8题3个个位数之间比大小。‘a小于b而b大于c’这是最有漏洞的一个对比,请问我如何判断a和c
  • 工艺品网站怎么做/什么是网络整合营销
  • 上海 网站建设平台 补贴/厦门谷歌seo
  • 编辑不了的wordpress/淮南网站seo
  • 武汉做网站公司方讯/杭州专业seo
  • 17网站一起做网店打不开/建站教程
  • 余姚专业网站建设公司/常州seo关键词排名