ClickHouse源碼筆記1:聚合函數的實現_網頁設計公司 | 中古機械買賣-CNC車床加工-電子零組件-汽機車零件

3{icon} {views}

※如何讓商品強力曝光呢? 網頁設計公司幫您建置最吸引人的網站，提高曝光率!

以設計的實用美學觀點，規劃出舒適、美觀的視覺畫面，有效提昇使用者的心理期待，營造出輕鬆、愉悅的網站瀏覽體驗。

八德區建德路、興豐路捷運高架橋完工全線道路開放通行

Read

由於工作的需求，後續筆者工作需要和開源的OLAP數據庫ClickHouse打交道。ClickHouse是Yandex在2016年6月15日開源了一個分析型數據庫，以強悍的單機處理能力被稱道。
筆者在實際測試ClickHouse和閱讀ClickHouse的源碼過程之中，對”戰鬥民族”開發的數據庫十分欣賞。ClickHouse不僅是一個很好的數據庫學習材料，而且同時應用了大量的CPP17的新特性進行開發，也是一個大型的Modern CPP的教導資料。
筆者接下來會陸續將閱讀ClickHouse的部分心得體會與通過源碼閱讀筆記的方式和大家分享，坦白說，這種源碼閱讀筆記很難寫啊。(多一分繁瑣，少一分就模糊了~~)
第一篇文章，我們就從聚合函數的實現開始聊起~~ 上車！

1.基礎知識的梳理

什麼是聚合函數？

聚合函數: 顧名思義就是對一組數據執行聚合計算並返回結果的函數。
這類函數在數據庫之中很常見，如：count, max, min, sum等等。

ClickHouse的實現接口

IAggregateFunction接口
在ClickHouse之中，定義了一個統一的聚合函數接口：IAggregateFunction.（在ClickHouse之中，所有的接口類都是以大寫的I開頭的。) 上文筆者提到的聚合函數，則都是作為抽象類IAggregateFunction的子類實現的。其中該接口最為核心的方法是下面這5個方法：
- add函數：最為核心的調用接口，將對應AggregateDataPtr指針之中數據取出，與列columns中的第row_num的數據進行對應的聚合計算。(這裏可以看到ClickHouse是一個純粹的列式存儲數據庫，所有的操作都是基於列的數據結構。）
- merge函數：將兩個聚合結果進行合併的函數，通常用在併發執行聚合函數的過程之中，需要將對應的聚合結果進行合併。
- serialize函數與deserialize函數：序列化與反序列化的函數，通常用於spill to disk或分佈式場景需要保存或傳輸中間結果的。
- addBatch函數：這是函數也是非常重要的，雖然它僅僅實現了一個for循環調用add函數。它通過這樣的方式來減少虛函數的調用次數，並且增加了編譯器內聯的概率。（虛函數的調用需要一次訪存指令，一次查表，最終才能定位到需要調用的函數上，這在傳統的火山模型的實現上會帶來極大的CPU開銷。）

  /** Adds a value into aggregation data on which place points to.
     *  columns points to columns containing arguments of aggregation function.
     *  row_num is number of row which should be added.
     *  Additional parameter arena should be used instead of standard memory allocator if the addition requires memory allocation.
     */
    virtual void add(AggregateDataPtr place, const IColumn ** columns, size_t row_num, Arena * arena) const = 0;

    /// Merges state (on which place points to) with other state of current aggregation function.
    virtual void merge(AggregateDataPtr place, ConstAggregateDataPtr rhs, Arena * arena) const = 0;

    /// Serializes state (to transmit it over the network, for example).
    virtual void serialize(ConstAggregateDataPtr place, WriteBuffer & buf) const = 0;

    /// Deserializes state. This function is called only for empty (just created) states.
    virtual void deserialize(AggregateDataPtr place, ReadBuffer & buf, Arena * arena) const = 0;
    // /** Contains a loop with calls to "add" function. You can collect arguments into array "places"
      *  and do a single call to "addBatch" for devirtualization and inlining.
      */
    virtual void addBatch(size_t batch_size, AggregateDataPtr * places, size_t place_offset, const IColumn ** columns, Arena * arena) const = 0;

抽象類IColumn
上面的接口IAggregateFunction的函數使用到了ClickHouse的核心接口IColumn類，這裏也進行簡要的介紹。 IColumn 接口表達了所有數據在ClickHouse之中的用內存表達的數據結構，其他帶有具體數據類型的如ColumnUInt8、ColumnArray 等, 都實現了對應的列接口，並且在子類之中具象實現了不同的內存布局。
IColumn的子類實現細節很瑣碎，筆者這裏就暫時不展開講了，筆者這裏就簡單講講涉及到聚合函數調用部分的IColumn接口的對應方法：
這裏columns是一個二維數組，通過columns[0]可以取到第一列。(這裏只有涉及到一列，為什麼columns是二維數組呢？因為處理array等列的時候，也是通過對應的接口，而array就需要應用二維數組了. )
注意這裡有一個強制的類型轉換，column已經轉換為ColVecType類型了，這是模板派生出IColumn的子類。
然後通過IColumn子類實現的getData方法獲取對應row_num行的數據進行add函數調用就完成了一次聚合函數的計算了。

    void add(AggregateDataPtr place, const IColumn ** columns, size_t row_num, Arena *) const override
    {
        const auto & column = static_cast<const ColVecType &>(*columns[0]);
        this->data(place).add(column.getData()[row_num]);
    }

IAggregateFunctionHelper接口
這個接口是上面提到 IAggregateFunction的輔助子類接口，它很巧妙的通過模板的類型派生，將虛函數的調用轉換為函數指針的調用，這個在實際聚合函數的實現過程之中能夠大大提高計算的效率。
函數addFree就實現了我上述所說的過程，但是它是一個private的函數，所以通常我們都是通過getAddressOfAddFunction獲取對應的函數地址。這在聚合查詢的過程之中能夠提高20%左右的執行效率。

template <typename Derived>
class IAggregateFunctionHelper : public IAggregateFunction
{
private:
    static void addFree(const IAggregateFunction * that, AggregateDataPtr place, const IColumn ** columns, size_t row_num, Arena * arena)
    {
        static_cast<const Derived &>(*that).add(place, columns, row_num, arena);
    }

public:
    IAggregateFunctionHelper(const DataTypes & argument_types_, const Array & parameters_)
        : IAggregateFunction(argument_types_, parameters_) {}

    AddFunc getAddressOfAddFunction() const override { return &addFree; }

AggregateFunctionFactory類
顧名思義，這個是一個生成聚合函數的工廠類。它的邏輯很簡單，所有ClickHouse之中所相關的聚合函數都是通過這個工廠類註冊並且獲取，然後進行調用的。

class AggregateFunctionFactory final : private boost::noncopyable, public IFactoryWithAliases<AggregateFunctionCreator>
{
public:

    static AggregateFunctionFactory & instance();

    /// Register a function by its name.
    /// No locking, you must register all functions before usage of get.
    void registerFunction(
        const String & name,
        Creator creator,
        CaseSensitiveness case_sensitiveness = CaseSensitive);

    /// Throws an exception if not found.
    AggregateFunctionPtr get(
        const String & name,
        const DataTypes & argument_types,
        const Array & parameters = {},
        int recursion_level = 0) const;

2.聚合函數的註冊流程

有了上述的背景知識，我們接下來舉個栗子。來看看一個聚合函數的實現細節，以及它是如何被使用的。

AggregateFunctionSum

筆者這裏選取了一個很簡單的聚合算子Sum，我們來看看它實現的代碼細節。
這裏我們可以看到AggregateFunctionSum是個final類，無法被繼承了。而它繼承了上面提到的IAggregateFunctionHelp類的子類IAggregateFunctionDataHelper類。

這裏我們就重點看，這個類override了getName方法，返回了對應的名字sum。並且實現了我們上文提到的四個核心的方法。

add
merge
seriable
deserialize

template <typename T, typename TResult, typename Data>
class AggregateFunctionSum final : public IAggregateFunctionDataHelper<Data, AggregateFunctionSum<T, TResult, Data>>
{
public:
    using ResultDataType = std::conditional_t<IsDecimalNumber<T>, DataTypeDecimal<TResult>, DataTypeNumber<TResult>>;
    using ColVecType = std::conditional_t<IsDecimalNumber<T>, ColumnDecimal<T>, ColumnVector<T>>;
    using ColVecResult = std::conditional_t<IsDecimalNumber<T>, ColumnDecimal<TResult>, ColumnVector<TResult>>;

    String getName() const override { return "sum"; }

    AggregateFunctionSum(const DataTypes & argument_types_)
        : IAggregateFunctionDataHelper<Data, AggregateFunctionSum<T, TResult, Data>>(argument_types_, {})
        , scale(0)
    {}

    AggregateFunctionSum(const IDataType & data_type, const DataTypes & argument_types_)
        : IAggregateFunctionDataHelper<Data, AggregateFunctionSum<T, TResult, Data>>(argument_types_, {})
        , scale(getDecimalScale(data_type))
    {}

    DataTypePtr getReturnType() const override
    {
        if constexpr (IsDecimalNumber<T>)
            return std::make_shared<ResultDataType>(ResultDataType::maxPrecision(), scale);
        else
            return std::make_shared<ResultDataType>();
    }

    void add(AggregateDataPtr place, const IColumn ** columns, size_t row_num, Arena *) const override
    {
        const auto & column = static_cast<const ColVecType &>(*columns[0]);
        this->data(place).add(column.getData()[row_num]);
    }

    void merge(AggregateDataPtr place, ConstAggregateDataPtr rhs, Arena *) const override
    {
        this->data(place).merge(this->data(rhs));
    }

    void serialize(ConstAggregateDataPtr place, WriteBuffer & buf) const override
    {
        this->data(place).write(buf);
    }

    void deserialize(AggregateDataPtr place, ReadBuffer & buf, Arena *) const override
    {
        this->data(place).read(buf);
    }

    void insertResultInto(ConstAggregateDataPtr place, IColumn & to) const override
    {
        auto & column = static_cast<ColVecResult &>(to);
        column.getData().push_back(this->data(place).get());
    }

private:
    UInt32 scale;
};

接下來，ClickHouse實現了兩種聚合計算：AggregateFunctionSumData和AggregateFunctionSumKahanData。後者是用Kahan算法避免float類型精度損失的，我們可以暫時不細看。直接看SumData的實現。這是個模板類，之前我們講到AggregateFunction的函數就是通過AggregateDataPtr指針來獲取AggregateFunctionSumData的地址，來調用add實現聚合算子的。我們可以看到AggregateFunctionSumData實現了前文提到的add, merge, write,read四大方法，正好和接口一一對應上了。

※自行創業缺乏曝光? 網頁設計幫您第一時間規劃公司的形象門面

網站的第一印象網頁設計，決定了客戶是否繼續瀏覽的意願。台北網動廣告製作的RWD網頁設計，採用精簡與質感的CSS語法，提升企業的專業形象與簡約舒適的瀏覽體驗，讓瀏覽者第一眼就愛上它。

template <typename T>
struct AggregateFunctionSumData
{
    T sum{};

    void add(T value)
    {
        sum += value;
    }

    void merge(const AggregateFunctionSumData & rhs)
    {
        sum += rhs.sum;
    }

    void write(WriteBuffer & buf) const
    {
        writeBinary(sum, buf);
    }

    void read(ReadBuffer & buf)
    {
        readBinary(sum, buf);
    }

    T get() const
    {
        return sum;
    }
};

ClickHouse在Server啟動時。main函數之中會調用registerAggregateFunction的初始化函數註冊所有的聚合函數。
然後調用到下面的函數：

void registerAggregateFunctionSum(AggregateFunctionFactory & factory)
{
    factory.registerFunction("sum", createAggregateFunctionSum<AggregateFunctionSumSimple>, AggregateFunctionFactory::CaseInsensitive);
    factory.registerFunction("sumWithOverflow", createAggregateFunctionSum<AggregateFunctionSumWithOverflow>);
    factory.registerFunction("sumKahan", createAggregateFunctionSum<AggregateFunctionSumKahan>);
}

這裏又調用了 factory.registerFunction("sum", createAggregateFunctionSum<AggregateFunctionSumSimple>, AggregateFunctionFactory::CaseInsensitive);來進行上述我們看到的聚合函數的註冊。這裡有一點很噁心的模板代碼，筆者這裏簡化了一下，把註冊的部分函數拉出來：

createAggregateFunctionSum(const std::string & name, const DataTypes & argument_types, const Array & parameters)
{
    AggregateFunctionPtr res;
    DataTypePtr data_type = argument_types[0];
    if (isDecimal(data_type))
        res.reset(createWithDecimalType<Function>(*data_type, *data_type, argument_types));
    else
        res.reset(createWithNumericType<Function>(*data_type, argument_types));
    return res;

這裏的Function模板就是上面的AggregateFunctionSumSimple, 而它又是下面的模板類型：

template <typename T> using AggregateFunctionSumSimple = typename SumSimple<T>::Function;

template <typename T>
struct SumSimple
{
    /// @note It uses slow Decimal128 (cause we need such a variant). sumWithOverflow is faster for Decimal32/64
    using ResultType = std::conditional_t<IsDecimalNumber<T>, Decimal128, NearestFieldType<T>>;
    using AggregateDataType = AggregateFunctionSumData<ResultType>;
    using Function = AggregateFunctionSum<T, ResultType, AggregateDataType>;
};

不知道讀者被繞暈了沒，最終繞回來還是new出來這個AggregateFunctionSum<T, ResultType, AggregateDataType>
也就是完成了這個求和算子的註冊，後續我們get出來就可以愉快的調用啦。（這裏這部分的模板變化比較複雜，如果看不明白可以回到源碼梳理一下~~~）

3. 小結

好了，關於聚合函數的基礎信息，和它是如何實現並且通過工廠方法註冊獲取的流程算是搞明白了。
關於其他的聚合算子，也是大同小異的方式。筆者就不再贅述了，感興趣的可以回到源碼之中繼續一探究竟。講完了聚合函數的實現，下一篇筆者就要繼續給探究聚合函數究竟在ClickHouse之中是如何和列存結合使用，並實現向量化的~~。
筆者是一個ClickHouse的初學者，對ClickHouse有興趣的同學，也歡迎和筆者多多指教，交流。

4. 參考資料

官方文檔
ClickHouse源代碼

本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理

※綠能、環保無空污,成為電動車最新代名詞，目前市場使用率逐漸普及化

台中景泰電動車行只是一個單純的理由，將來台灣的環境，出門可以自由放心的深呼吸，讓空氣回歸自然的乾淨，減少污染，留給我們下一代有好品質無空污的優質環境
Trend 🔥 雙料肯定！新北獲原民會公共工程績優全國第一