CMU15-445 Lab3记录

Task 1 Excutors

这次lab介绍非常非常长，要完成9个executors，有sequential scan, insert, update, delete, neted loop join, hash join, aggregation, limit, distinct，每一个种query plan都有init next方法，init是用来初始化的，next是提供给调用者一个tuple和对应的RID
每一个excutor都负责执行一个plan node type。plan node是一个query plan的单独模组。每个plan node可能定义了一个operator需要的特定的信息。
Executors 接受来自子节点的tuples，然后处理后把这些tuples给parent。可能executors依赖children的顺序(?)
本次实验并不需要保证是并发安全的。
project提供了一个ExecutionEnginehelper class，它将input query转化为一个query excutor，然后执行这个excutor。我们需要修改ExecutionEngine来捕获异常。
ExecutorFactor是负责在执行query exection时创建excutors的，每个executor都会在执行的时候访问ExcutorContext。
当实现类似insert, update之类的修改类型的函数的时候，需要保证index的一致性，所以这些executors选哟去更新修改表的所有index。可以使用上次实现的extendible hash table来作为index的数据结构

Sequential Scan

这个较为简单，只需要从exec_ctx_中获取table中有关tuple的迭代器，遍历这个迭代器，然后根据plan中的GetPredicate，判断当且遍历到的tuple是否符合查询的条件，如果符合，那么就将tuple转换成plan中的格式，最后赋值给*tuple即可

std::vector<Value> values;
  values.reserve(plan_->OutputSchema()->GetColumnCount());
  for (const auto &col : plan_->OutputSchema()->GetColumns()) {
    values.push_back(
        col.GetExpr()->Evaluate(&(*ptr_), &exec_ctx_->GetCatalog()->GetTable(plan_->GetTableOid())->schema_));
  }

Insert/Delete/Update

这三个大同小异，通过child plan或者从plan中获取的tuple，使用tableheap中的insert/delete更改表中的tuple，最后更新index中的信息。

std::vector<IndexInfo *> index_info_array =
        exec_ctx_->GetCatalog()->GetTableIndexes(exec_ctx_->GetCatalog()->GetTable(plan_->TableOid())->name_);
    for (auto &index_info : index_info_array) {
      index_info->index_->InsertEntry(tuple->KeyFromTuple(exec_ctx_->GetCatalog()->GetTable(plan_->TableOid())->schema_,
                                                          index_info->key_schema_, index_info->index_->GetKeyAttrs()),
                                      *rid, exec_ctx_->GetTransaction());

nested loop join

通过双重循环，判断left tuple和right tuple是否符合plan中的条件即可， 如果符合，通过col中的evaluatejoin来将left tuple和right tuple join起来

if (join_predicate_ == nullptr ||
         join_predicate_->EvaluateJoin(&outer_tuple_, left_schema_, &inner_tuple_, right_schema_).GetAs<bool>()) {
       std::vector<Value> values;
       values.reserve(GetOutputSchema()->GetColumnCount());
       for (const auto &col : GetOutputSchema()->GetColumns()) {
         values.push_back(col.GetExpr()->EvaluateJoin(&outer_tuple_, left_schema_, &inner_tuple_, right_schema_));
       }

hash join

这个需要参考aggregation来写一个hash table，key为tuple经过left plan转成的对应Value，value为vecotr<Tuple>，因为可能多个tuple对应了一个key，之后遍历right tuple，去看table对应的tuple（可能有多个），最后调用EvaluateJoin即可。

aggregation

这个核心代码都实现好了，只需要在init的时候构建对应的table即可。

while (child_->Next(&tuple, &rid)) {
      aht_.InsertCombine(MakeAggregateKey(&tuple), MakeAggregateValue(&tuple));
    }

然后在Next，如果没有having子语句或者符合having，那么返回迭代器当前指向的值就可以了。

while (
        aht_iterator_ != aht_.End() &&
        !have_node->EvaluateAggregate(aht_iterator_.Key().group_bys_, aht_iterator_.Val().aggregates_).GetAs<bool>()) {
      ++aht_iterator_;
    }
    if (aht_iterator_ == aht_.End()) {
      return false;
    }
    for (auto &col : plan_->OutputSchema()->GetColumns()) {
      values.push_back(
          col.GetExpr()->EvaluateAggregate(aht_iterator_.Key().group_bys_, aht_iterator_.Val().aggregates_));
    }

distinct和limit

这两个很简单，就不记录了