一文剖析PolarDB列存索引（IMCI）如何实现极致TopK查询性能？

作者简介

余南龙（花名：顾绅），来自阿里云瑶池数据库-PolarDB新型存储引擎组，从事PolarDB列存索引（In Memory Column Index，IMCI）的研发工作，有任何问题和咨询请发邮件至：[email protected]。

导读

在海量数据上求TopK是一个很经典的问题，特别是衍生出的深翻页查询，给分析型数据库带来了很大的挑战。在本文中，我们将介绍云原生关系型数据库PolarDB的列存索引（In Memory Column Index，IMCI）特性如何应对这样的挑战，并最终在性能上显著领先单表查询性能优异的ClickHouse。

1.背景

业务系统中普遍存在这样一种场景：根据给定条件筛选一批记录，这些记录按用户指定的条件排序，以分页的方式展示。例如，筛选出某个商家在售的商品，按商品销量排序，以分页的方式展示。

上述场景，反映在数据库上，往往以ORDER BY column LIMIT n, m这样的TopK查询实现。例如，假设业务系统中每页展示100条记录，可以通过ORDER BY column LIMIT 0, 100来展示第1页，通过ORDER BY column LIMIT 1000000, 100来展示第10001页。

在没有索引的情况下，这样的查询在数据库中往往通过很经典的基于堆的TopK算法来实现：在内存中维护一个大小为K的堆，堆顶为当前排在第K位的记录，算法执行过程中会实时维护这个堆，保证堆中的记录始终是排在前K位的。当翻页较浅时（如上文中展示第1页），K较小，上述基于堆的TopK算法非常高效。

然而，业务场景中也存在翻页较深的场景（下文中我们简称“深翻页”），例如上文中展示第10001页。该场景下的K非常大，内存中可能无法缓存大小为K的堆，也就无法使用上述方式获得查询结果。即便内存充裕，由于维护堆的操作访存是乱序的，当堆非常大时，经典TopK算法的访存效率较差，最终的性能表现也差强人意。

PolarDB IMCI最初也采用了上述方式来实现这样的查询，并在内存不足以缓存大小为K的堆时，退化为全表排序后取相应位置的记录，所以在深翻页时的性能表现也不是非常理想。为此，我们分析了深翻页场景的特点和传统方案存在的问题，并调研了相关研究和工业界实现，重新设计了PolarDB IMCI的Sort/TopK算子。在测试场景中，重新设计的Sort/TopK算子显著提升了PolarDB IMCI在深翻页场景的性能表现。

2.业界方案调研

TopK是一个非常经典的问题，存在多种方案来高效地实现TopK查询，这些方案的核心都在于减少对非结果集数据的操作。已经在工业界中应用的方案主要有如下三种：

2.1 基于Priority Queue的TopK算法

在背景部分已简单介绍，不再赘述。

2.2 归并排序时基于offset和limit做truncate

当内存不足以缓存大小为K的Priority Queue时，一些数据库会使用归并排序来处理TopK查询（如PolarDB IMCI，ClickHouse，SQL Server，DuckDB）。因为TopK查询只需要获取排在第[offset, offset + limit)位的记录，所以在每一次merge sorted run时，不需要对所有数据做排序，而是仅输出长度为offset + limit的新的sorted run即可。上述merge时的truncation可以在保证结果正确性的同时减少对非结果集数据的操作。

2.3 Self-sharpening Input Filter

该方案最初是在Goetz Graefe的论文中提出的，ClickHouse目前采用了这种方案。该方案在执行过程中会维护一个cutoff value，并且保证大于cutoff value的记录一定不会出现在TopK的结果集中。在生成new sorted run时，方案会使用当前的cutoff value对数据进行过滤。在生成new sorted run之后，如果K小于new sorted run的长度，则会使用new sorted run中第K条记录替换当前cutoff value。由于new sorted run中的数据都是经过old cutoff value过滤的，因此必定有new cutoff value <= old cutoff value，即cutoff value是一个不断sharpening的值。最后只需要合并这些过滤后的sorted run即可得到结果集。

通过一个简单的例子来说明上述算法：假设当前TopK查询中K=3，读取第一批数据后生成的sorted run为(1, 2, 10, 15, 21)，则cutoff value更新为10。接下来使用cutoff value=10过滤第二批数据，生成的第二个sorted run为(2, 3, 5, 6, 8)，则cutoff value更新为5。然后读取并过滤第三批数据，生成的第三个sorted run为(1, 2, 3, 3, 3)，则cutoff value更新为3。依此类推，不断sharpen cutoff value从而在接下来过滤更多的数据。

如果TopK查询中K大于单个sorted run的长度，该方案会积累足够的sorted run（包含的记录数量大于K），然后对这些sorted run提前进行merge，从而获得cutoff value。接下来会使用cutoff value进行过滤并继续积累足够的sorted run，从而获得更小的cutoff value，依此类推。整个执行过程和K小于单个sorted run的情况是类似的，区别在于需要merge足够的sorted run才能获得cutoff value。

3.问题分析

深翻页是TopK问题中一个较为特殊的场景，特殊之处在于所求的K特别大，但实际结果集很小。例如上文中展示第10001页的例子，对于ORDER BY column LIMIT 1000000, 100，K=1,000,100，但最终结果集只包含100条记录。该特点会给上一节中所述方案带来如下挑战：

• 当内存充足时，如果采用基于Priority Queue的TopK算法，则需要维护一个非常大的Priority Queue，队列操作对内存的访问操作是乱序的，访存效率较差，影响算法实际运行的性能。
• 当内存不足时，如果使用归并排序并基于offset和limit做truncate，则在归并排序的前期阶段，sorted run的长度可能小于offset + limit，无法进行truncate，所有数据都将参与排序，truncate的实际效果受到影响。

注：本文中的内存充足指的是，算法中用于管理至少K条记录的数据结构可以在执行内存中缓存，而不是TopK查询的输入数据可以在执行内存中缓存。实际上本文讨论的场景，TopK查询的输入数据都是远大于执行内存的。

另外，从系统设计的角度上看，设计深翻页的解决方案时还应考虑如下两点：

• 是否采用不同方案来实现深翻页和浅翻页？如果需要使用不同的方案来处理两种场景，如果判断深浅翻页的界线？
• 如何根据可用执行内存的大小自适应地选择内存算法或磁盘算法？

4.方案设计

4.1 总体设计

综合上述调研和分析，我们基于现有的成熟方案，针对深翻页带来的挑战，重新设计了PolarDB IMCI的Sort/TopK算子：

内存充足时：

• 采用Self-sharpening Input Filter的设计，避免访存效率的问题。
• 并在此基础上利用SIMD指令提升过滤效率。
• 深浅翻页均采用该内存算法，不需要判断深浅翻页的界线。

内存不足时：

• 采用归并排序时基于offset和limit做truncate的方案。
• 并在此基础上利用ZoneMap在归并排序的前期阶段做pruning，尽可能地减少对非结果集数据的操作。

动态选择内存磁盘算法：

不依赖固定的阈值来选择使用内存算法或磁盘算法，而是在执行过程中根据可用执行内存的大小，动态调整所用算法。

由于Self-sharpening Input Filter和归并排序时基于offset和limit做truncate的方案在上一节中已经介绍，因此接下来仅介绍选择这两种方案的原因，并介绍利用SIMD指令提升过滤效率、利用ZoneMap做pruning以及动态选择内存磁盘算法的部分。

4.2 SIMD Accelerated Self-sharpening Input Filter

在内存充足时，我们直接采用了Self-sharpening Input Filter的设计，主要基于两个原因：

• Self-sharpening Input Filter不管是使用cutoff value进行过滤，还是pre-merge，访问内存的模式都是顺序的，可以避免Priority Queue访存效率的问题。
• 该设计无论翻页深浅都具有优异的性能，在应用时不需要考虑深浅翻页的界线。

实际上，Self-sharpening Input Filter在某种程度上和基于Priority Queue的算法是类似的，cutoff value类似堆顶，都用于过滤后续读取的数据，两者的不同之处在于，基于Priority Queue的算法会实时更新堆顶，而Self-sharpening Input Filter则将数据积累在sorted run中，以batch的方式更新cutoff value。

使用cutoff value进行过滤是Self-sharpening Input Filter中很重要的过程，涉及数据比较，操作简单重复但非常频繁，因此我们使用SIMD指令来加速这一过程。由于使用cutoff value过滤和TableScan中使用Predicate过滤是类似的，因此在具体实现中我们直接复用处理Predicate的表达式，提升过滤的效率，减少了计算TopK的时间。

4.3 Zonemap-based Pruning

在内存不足时，我们采用归并排序，并基于offset和limit做truncate，主要原因如下：

• 如果在内存不足时继续使用Self-sharpening Input Filter的设计，那么就需要将积累的sorted run落盘，并且在pre-merge时同样使用外排序算法，产生大量的读写磁盘的操作，相对于内存充足场景下的Self-sharpening Input Filter有额外的开销。当K非常大时，pre-merge时的外排序可能还会涉及大量非结果集数据，因为我们最终只需要获取排在第[offset, offset + limit)位的记录，而不关心排在第[0, offset)位的记录。
• 在这种场景下，我们可以使用归并排序，在生成sorted run的阶段仅将sorted run落盘，然后使用统计信息进行pruning，避免不必要的读写磁盘的操作，也可以尽可能地避免对非结果集数据的操作。

我们以下图为例来说明使用统计信息进行pruning的原理。下图中，箭头表示数轴，代表sorted run的矩形的左右两端在数轴上对应的位置表示sorted run的min/max值，Barrier表示pruning所依赖的一个阈值。

任意一个Barrier可以将所有sorted run分为三类：

• 类型A：min value of sorted run < Barrier && max value of sorted run < Barrier，如上图中Run1，Run2。
• 类型B：min value of sorted run < Barrier && max value of sorted run > Barrier，如上图中Run3。
• 类型C：min value of sorted run > Barrier && max value of sorted run > Barrier，如上图中Run4，Run5。

对于任意一个Barrier，如果类型A和类型B中的数据量 < TopK查询中的offset，那么类型A中的数据必然排在第[0, offset)位，类型A中的sorted run可以不参与后续的merge。

对于任意一个Barrier，如果类型A中的数据量 > TopK查询中的offset + limit，那么类型C中的数据必然排在第[offset + limit, N)位，类型C中的sorted run可以不参与后续的merge。

根据上述原理，使用统计信息进行pruning的具体流程如下：

• 构建包含sorted run的min/max信息的Zonemap。
• 基于Zonemap寻找一个尽可能大的Barrier1满足类型A和类型B中的数据量 < TopK查询中的offset。
• 基于Zonemap寻找一个尽可能小的Barrier2满足类型A中的数据量 > TopK查询中的offset + limit。
• 使用Barrier1和Barrier2对相关sorted run进行pruning。

4.4 动态选择内存磁盘算法

我们的方案中内存算法和磁盘算法不同，如果使用一个固定的阈值来作为选择内存算法或磁盘算法的依据（比如K小于阈值时使用内存算法，否则使用磁盘算法），那么针对不同的可用执行内存就需要设置不同的阈值，带来了人工干预的开销。

因此我们设计了一个简单的回退机制，可以在执行过程中根据可用执行内存的大小，动态调整所用算法：

• 无论可用执行内存有多大，首先尝试以内存算法计算TopK
• 在内存算法的执行过程中，如果内存始终都是充足的，那么直接使用内存算法完成整个计算过程
• 在内存算法的执行过程中，如果出现内存不足的情况（例如，K比较大时，可用执行内存不足以缓存足够的sorted run使其包含的记录数量大于K，或者可用执行内存不足以完成pre-merge的过程），那么执行回退机制
• 回退机制：采集内存中已积累的sorted run的min/max信息，以便于后续使用Zonemap进行pruning，然后将sorted run落盘，这些sorted run将会参与磁盘算法的计算过程
• 执行完回退机制后，使用磁盘算法完成整个计算过程

由于内存算法和磁盘算法采用相同的数据组织格式，因此回退机制并不需要对数据进行重新组织，开销较小。另外，内存算法只会过滤非结果集的数据，因此直接使用内存算法已积累的sorted run参与磁盘算法的计算过程不会有正确性的问题。

4.5 番外1：延迟物化

延迟物化是一个工程实现方面的优化，指的是在生成sorted run时仅物化RowID和ORDER BY相关的表达式（列），在计算出TopK的结果集后，再根据结果集中的RowID从存储上获取查询需要输出的列。延迟物化相比于在生成sorted run时就物化查询需要输出的所有列有两个优势：

• 物化RowID的空间占用更小，在可用执行内存一定的情况下，可以使用内存算法处理更大的数据量
• 计算TopK的过程需要调整数据顺序，涉及对数据的Copy/Swap。如果在生成sorted run时就物化查询需要输出的所有列，则计算过程中对一条记录的Copy/Swap需要对每一列都进行相应操作，带来很大的overhead。而如果仅物化RowID，则可以降低Copy/Swap的代价。

延迟物化的不足之处在于根据结果集中的RowID从存储上获取查询需要输出的列时，可能会产生一些随机IO。根据我们的分析，深翻页场景虽然K特别大，但实际结果集很小，因此使用延迟物化时随机IO产生的overhead较小。

4.6 番外2：计算下推

应用Self-sharpening Input Filter时，我们会将不断更新的cutoff value下推至table scan算子，作为SQL中一个新的predicate，在table scan算子获取数据时根据这个新的predicate，复用pruner对pack（或称为row group）进行过滤。

计算下推可以从两个方面提升TopK查询的性能：

1. 减少IO：table scan时避免读取仅包含非结果集数据的pack/row group

2. 减少计算：被过滤的pack/row group中的数据将不再参与table scan上层算子的后续计算

5.实验结果

我们在 TPC-H 100G 的数据集上对我们的方案进行简单的验证：

select
    l_orderkey,
    sum(l_quantity)
from
    lineitem
group by
    l_orderkey
order by
    sum(l_quantity) desc
limit
    1000000, 100;