Resources

• 课程官网
• 官方课程视频
• Bilibili 课程视频
• P. Boncz, et al., MonetDB/X100: Hyper-Pipelining Query Execution, in CIDR, 2005
• L. Shrinivas, et al., Materialization Strategies in the Vertica Analytic Database: Lessons Learned, in ICDE, 2013 (Optional)
• M. Kester, et al., Access Path Selection in Main-Memory Optimized Data Systems: Should I Scan or Should I Probe?, in SIGMOD, 2017 (Optional)

Goal

DBMS的优化是一大堆优化的综合体，没有哪个优化比其他优化更重要。我个人总结为三个原则：

• 没必要做的不必做
• 能多线程就多线程
• 要多利用硬件优化

而其中在查询执行的优化主要用到以下的技术

• 数据预取 / 扫描共享
• 任务并行化 / 多线程
• 聚簇 (Cluster) / 排序
• 延迟物化
• 物化视图 / 结果缓存
• 数据跳过 Data Skipping
• 数据并行化 / 向量化
• 代码特化 (Specification) / 编译

对于这些技术，对应上面的原则，我们可以很容易理解，延迟物化/数据向量化 这些就是减少没必要做的，代码特化也就是多用SIMD指令的就是利用硬件优化。

由于我个人对于OLAP更加感兴趣，所以接下来我主要关注于

1. 代码层面的硬件优化例子
2. 查询向量化的处理例子以及性能提升
3. 并行执行的例子

这三个方面。

Hardware optimization in code level

Processing of query vectorization

Parallel execution