計劃編譯執行和向量化引擎，是近十幾年資料庫學術界提出的兩種重要執行優化思路。計劃編譯執行在工業界以 SingleStore（原 MemSQL )為代表進行了初步探索，而向量化引擎以 MonetDB/X100 系統最早實踐，因 Vectorwise 的大規模使用帶來出色的性能表現，讓業内看到這項技術巨大的性能價值和技術前景。
據了解，在OceanBase 3.2.3 版本中，就已經全面實作了向量化引擎，由此使得該版本成為打造完整 HTAP 能力的一個重要裡程碑。相比非向量化執行引擎，實測整體執行性能提升 5 倍，部分算子和單場景可實作 10 倍以上性能提升。
布局HTAP，向量化引擎是關鍵
Gartner在多次報告中強調，HTAP是資料庫領域最重要的發展趨勢之一，也是使用者數字化轉型中重要的資料平台。業界甚至認為，HTAP的興起代表着資料庫大融合時代的開啟。
但OceanBase 認為，真正的 HTAP 要求先有高性能的 OLTP，然後在 OLTP 的基礎上支援實時分析。而想要讓 OLTP 資料庫具備 OLAP 的能力，高效執行的向量化引擎，就是解決這個問題的核心技術之一。
OceanBase 技術專家曲斌表示，自從OceanBase 引入向量化技術，并完全自主設計了向量化查詢引擎，極大地提高了 CPU 單核處理性能，實作了 HTAP 場景下複雜分析查詢性能的 10 倍提升，并在 TPC-H 測試（資料分析型基準測試，業界公認衡量資料庫資料分析能力的權威标準）中得到了充分驗證。
在 TPC-H 30TB 測試場景下，OceanBase 向量化引擎的性能是非向量化的 3 倍。對于 Q1 這種聚合分析且計算密集的 SQL 查詢，性能提升約 10 倍。測試結果可以證明，向量化引擎對提升 SQL 執行效率、降低使用者的查詢響應時間具有相當明顯的效果。
向量化引擎成突破口，OceanBase如何實作？
布局HTAP，向量化引擎是關鍵，歸根結底還是向量化引擎存在三種特殊的技術價值。第一，批量傳回資料，函數調用少，提升 Cache 友好性。與資料庫傳統的火山模型疊代類似，向量化模型也是通過 PULL 模式從算子樹的根節點層層拉取資料，但向量化引擎大幅減少了架構函數的調用次數。假設一張表有1億行資料，按火山模型的處理方式需要執行1億次疊代才能完成查詢。
能減少分支判斷提升 CPU 流水處理能力。由于資料庫 SQL 引擎邏輯十分複雜，在火山模型下條件判斷邏輯往往不可避免。但向量引擎可以在算子内部最大限度地避免條件判斷，例如向量引擎可以通過預設覆寫寫的操作，避免在 for 循環内部出現 if 判斷，進而避免分支預測失敗對 CPU 流水線的破壞，大幅提升 CPU 的處理能力。
第三，SIMD 指令加速計算。向量引擎可以通過 SIMD 指令，替換傳統的标量（scalar）算法，進行向量（Vector）計算。
而OceanBase 向量化引擎的實作細節，主要包括存儲和 SQL 兩大方面。在存儲上，OceanBase直接把微塊上的資料按列批量投影到 SQL 引擎的記憶體上，整個存儲的投影邏輯如下圖：
在SQL上，其向量化首先得從資料組織和記憶體編排說起，此外向量引擎的過濾辨別也需要重新設計，OceanBase則采用 bitmap 方案描述資料過濾，即每個算子都有一個 Bitmap ， filter 過濾掉的資料，通過 bitmap 辨別删除。
此外，算子的向量化也是 OceanBase 向量化引擎的重要工作。在向量化引擎中，所有查詢算子都按照向量化引擎的特點進行了新的設計實作。每個算子内部最大限度地按照 branchless 編碼、記憶體預取、SIMD 指令等指導原則進行工程化編碼，并取得大幅性能收益。
OceanBase 從 2010 年開始一直堅持做分布式 HTAP，在這個過程中，OceanBase通過不斷設計和優化向量化引擎，讓HTAP 場景下複雜分析查詢性能得到了 10 倍的提升。相信未來随着OceanBase 引入更多的新算法實作和技術方案到向量化引擎中，将會更好地打造出開放、靈活、高效、易用的下一代企業級分布式資料庫。