Nebula Graph 源码解读系列｜ Vol.03 Planner 的实现

2022-11-07 19:34:49

上篇我们讲到 Validator 会将由 Parser 生成的抽象语法树（AST）转化为执行计划，这次，我们来讲下执行计划是如何生成的。

概述

Planner 是执行计划（Execution Plan）生成器，它会根据 Validator 校验过、语义合法的查询语法树生成可供执行器（Executor）执行的未经优化的执行计划，而该执行计划会在之后交由 Optimizer 生成一个优化的执行计划，并最终交给 Executor 执行。执行计划由一系列节点（PlanNode）组成。

源码目录结构

src/planner
├── CMakeLists.txt
├── match/
├── ngql/
├── plan/
├── Planner.cpp
├── Planner.h
├── PlannersRegister.cpp
├── PlannersRegister.h
├── SequentialPlanner.cpp
├── SequentialPlanner.h
└── test

其中，Planner.h中定义了 SubPlan 的数据结构和 planner 的几个接口。

struct SubPlan {
    // root and tail of a subplan.
    PlanNode*   root{nullptr};
    PlanNode*   tail{nullptr};
};

PlannerRegister 负责注册可用的 planner，Nebula Graph 目前注册了 SequentialPlanner、PathPlanner、LookupPlanner、GoPlanner、MatchPlanner。

SequentialPlanner 对应的语句是 SequentialSentences，而 SequentialSentence 是由多个 Sentence 及间隔分号组成的组合语句。每个语句又可能是 GO/LOOKUP/MATCH等语句，所以 SequentialPlanner 是通过调用其他几个语句的 planner 来生成多个 plan，并用 Validator::appendPlan 将它们首尾相连。

match 目录定义了 openCypher 相关语句及子句（如 MATCH、UNWIND、WITH、RETURN、WHERE、ORDER BY、SKIP、LIMIT）的 planner 和 SubPlan 之间的连接策略等。SegmentsConnector 根据 SubPlan 之间的关系使用相应的连接策略（AddInput、addDependency、innerJoinSegments 等）将它们首尾连接成一个完整的 plan。

src/planner/match
├── AddDependencyStrategy.cpp
├── AddDependencyStrategy.h
├── AddInputStrategy.cpp
├── AddInputStrategy.h
├── CartesianProductStrategy.cpp
├── CartesianProductStrategy.h
├── CypherClausePlanner.h
├── EdgeIndexSeek.h
├── Expand.cpp
├── Expand.h
├── InnerJoinStrategy.cpp
├── InnerJoinStrategy.h
├── LabelIndexSeek.cpp
├── LabelIndexSeek.h
├── LeftOuterJoinStrategy.h
├── MatchClausePlanner.cpp
├── MatchClausePlanner.h
├── MatchPlanner.cpp
├── MatchPlanner.h
├── MatchSolver.cpp
├── MatchSolver.h
├── OrderByClausePlanner.cpp
├── OrderByClausePlanner.h
├── PaginationPlanner.cpp
├── PaginationPlanner.h
├── PropIndexSeek.cpp
├── PropIndexSeek.h
├── ReturnClausePlanner.cpp
├── ReturnClausePlanner.h
├── SegmentsConnector.cpp
├── SegmentsConnector.h
├── SegmentsConnectStrategy.h
├── StartVidFinder.cpp
├── StartVidFinder.h
├── UnionStrategy.h
├── UnwindClausePlanner.cpp
├── UnwindClausePlanner.h
├── VertexIdSeek.cpp
├── VertexIdSeek.h
├── WhereClausePlanner.cpp
├── WhereClausePlanner.h
├── WithClausePlanner.cpp
├── WithClausePlanner.h
├── YieldClausePlanner.cpp
└── YieldClausePlanner.h

ngql 目录定义了 nGQL 语句相关的 planner（如 GO、LOOKUP、FIND PATH）

src/planner/ngql
├── GoPlanner.cpp
├── GoPlanner.h
├── LookupPlanner.cpp
├── LookupPlanner.h
├── PathPlanner.cpp
└── PathPlanner.h

plan 目录定义了 7 大类，共计 100 多种 Plan Node。

src/planner/plan
├── Admin.cpp
├── Admin.h
├── Algo.cpp
├── Algo.h
├── ExecutionPlan.cpp
├── ExecutionPlan.h
├── Logic.cpp
├── Logic.h
├── Maintain.cpp
├── Maintain.h
├── Mutate.cpp
├── Mutate.h
├── PlanNode.cpp
├── PlanNode.h
├── Query.cpp
├── Query.h
└── Scan.h

部分节点说明：

Admin 是数据库管理相关节点
Algo 是路径、子图等算法相关节点
Logic 是逻辑控制节点，如循环、二元选择等
Maintain 是 schema 相关节点
Mutate 是 DML 相关节点
Query 是查询计算相关的节点
Scan 是索引扫描相关节点

每个 PlanNode 在 Executor（执行器）阶段会生成相应的 executor，每种 executor 负责一个具体的功能。

eg. GetNeighbors 节点：

static GetNeighbors* make(QueryContext* qctx,
                              PlanNode* input,
                              GraphSpaceID space,
                              Expression* src,
                              std::vector<EdgeType> edgeTypes,
                              Direction edgeDirection,
                              std::unique_ptr<std::vector<VertexProp>>&& vertexProps,
                              std::unique_ptr<std::vector<EdgeProp>>&& edgeProps,
                              std::unique_ptr<std::vector<StatProp>>&& statProps,
                              std::unique_ptr<std::vector<Expr>>&& exprs,
                              bool dedup = false,
                              bool random = false,
                              std::vector<storage::cpp2::OrderBy> orderBy = {},
                              int64_t limit = -1,
                              std::string filter = "")

GetNeighbors 是存储层边的 kv 的语义上的封装：它根据给定类型边的起点，找到边的终点。在找边过程中，GetNeighbors 可以获取边上属性（edgeProps）。因为出边随起点存储在同一个 partition（数据切片）上，所以我们还可以方便地获得边上起点的属性（vertexProps）。

Aggregate 节点：

static Aggregate* make(QueryContext* qctx,
                               PlanNode* input, 
                               std::vector<Expression*>&& groupKeys = {},
                               std::vector<Expression*>&& groupItems = {})

Aggregate 节点为聚合计算节点，它根据 groupKeys 作分组，根据 groupItems 做聚合计算作为组内值。

Loop 节点：

static Loop* make(QueryContext* qctx,
                      PlanNode* input,
                      PlanNode* body = nullptr,
                      Expression* condition = nullptr);

loop 为循环节点，它会一直执行 body 到最近一个 start 节点之间的 PlanNode 片段直到 condition 值为 false。

InnerJoin 节点：

static InnerJoin* make(QueryContext* qctx,
                           PlanNode* input,
                           std::pair<std::string, int64_t> leftVar,
                           std::pair<std::string, int64_t> rightVar,
                           std::vector<Expression*> hashKeys = {},
                           std::vector<Expression*> probeKeys = {})

InnerJoin 节点对两个表（Table、DataSet）做内联，leftVar 和 rightVar 分别用来引用两个表。

入口函数

planner 入口函数是 Validator::toPlan

Status Validator::toPlan() {
    auto* astCtx = getAstContext();
    if (astCtx != nullptr) {
        astCtx->space = space_;
    }
    auto subPlanStatus = Planner::toPlan(astCtx);
    NG_RETURN_IF_ERROR(subPlanStatus);
    auto subPlan = std::move(subPlanStatus).value();
    root_ = subPlan.root;
    tail_ = subPlan.tail;
    VLOG(1) << "root: " << root_->kind() << " tail: " << tail_->kind();
    return Status::OK();
}

具体步骤

1.调用 getAstContext()

首先调用 getAstContext() 获取由 validator 校验并重写过的 AST 上下文，这些 context 相关数据结构定义在 src/context中。

src/context/ast
├── AstContext.h
├── CypherAstContext.h
└── QueryAstContext.h

struct AstContext {
    QueryContext*   qctx; // 每个查询请求的 context
    Sentence*       sentence; // query 语句的 ast
    SpaceInfo       space; // 当前 space
};

CypherAstContext 中定义了 openCypher 相关语法的 ast context，QueryAstContext 中定义了 nGQL 相关语法的 ast context。

2.调用Planner::toPlan(astCtx)

然后调用 Planner::toPlan(astCtx)，根据 ast context 在 PlannerMap 中找到语句对应注册过的 planner，然后生成相应的执行计划。

每个 Plan 由一系列 PlanNode 组成，PlanNode 之间有执行依赖和数据依赖两大关系。

执行依赖：从执行顺序上看，plan 是一个有向无环图，节点间的依赖关系在生成 plan 时确定。在执行阶段，执行器会对每个节点生成一个对应的算子，并且从根节点开始调度，此时发现此节点依赖其他节点，就先递归调用依赖的节点，一直找到没有任何依赖的节点（Start 节点），然后开始执行，执行此节点后，继续执行此节点被依赖的其他节点，一直到根节点为止。
数据依赖：节点的数据依赖一般和执行依赖相同，即来自前面一个调度执行的节点的输出。有的节点，如：InnerJoin 会有多个输入，那么它的输入可能是和它间隔好几个节点的某个节点的输出。

(实线为执行依赖，虚线为数据依赖)

举个例子

我们以 MatchPlanner 为例，来看一个执行计划是如何生成的：

语句：

MATCH (v:player)-[:like*2..4]-(v2:player)\
WITH v, v2.age AS age ORDER BY age WHERE age > 18\
RETURN id(v), age

该语句经过 MatchValidator 的校验和重写后会输出一个 context 组成的 tree。

每个 Clause 及 SubClause 对应一个 context：

enum class CypherClauseKind : uint8_t {
    kMatch,
    kUnwind,
    kWith,
    kWhere,
    kReturn,
    kOrderBy,
    kPagination,
    kYield,
};

struct CypherClauseContextBase : AstContext {
    explicit CypherClauseContextBase(CypherClauseKind k) : kind(k) {}
    virtual ~CypherClauseContextBase() = default;

    const CypherClauseKind  kind;
};

struct MatchClauseContext final : CypherClauseContextBase {
    MatchClauseContext() : CypherClauseContextBase(CypherClauseKind::kMatch) {}

    std::vector<NodeInfo>                       nodeInfos; // pattern 中涉及的顶点信息
    std::vector<EdgeInfo>                       edgeInfos; // pattern 中涉及的边信息
    PathBuildExpression*                        pathBuild{nullptr}; // 构建 path 的表达式
    std::unique_ptr<WhereClauseContext>         where; // filter SubClause
    std::unordered_map<std::string, AliasType>* aliasesUsed{nullptr}; // 输入的 alias 信息
    std::unordered_map<std::string, AliasType>  aliasesGenerated; // 产生的 alias 信息
};
...

然后：

1.找语句 planner

找到对应语句的 planner，该语句类型为 Match。在 PlannersMap 中找到该语句的 planner MatchPlanner。

2.生成 plan

调用 MatchPlanner::transform 方法生成 plan：

StatusOr<SubPlan> MatchPlanner::transform(AstContext* astCtx) {
    if (astCtx->sentence->kind() != Sentence::Kind::kMatch) {
        return Status::Error("Only MATCH is accepted for match planner.");
    }
    auto* matchCtx = static_cast<MatchAstContext*>(astCtx);

    std::vector<SubPlan> subplans;
    for (auto& clauseCtx : matchCtx->clauses) {
        switch (clauseCtx->kind) {
            case CypherClauseKind::kMatch: {
                auto subplan = std::make_unique<MatchClausePlanner>()->transform(clauseCtx.get());
                NG_RETURN_IF_ERROR(subplan);
                subplans.emplace_back(std::move(subplan).value());
                break;
            }
            case CypherClauseKind::kUnwind: {
                auto subplan = std::make_unique<UnwindClausePlanner>()->transform(clauseCtx.get());
                NG_RETURN_IF_ERROR(subplan);
                auto& unwind = subplan.value().root;
                std::vector<std::string> inputCols;
                if (!subplans.empty()) {
                    auto input = subplans.back().root;
                    auto cols = input->colNames();
                    for (auto col : cols) {
                        inputCols.emplace_back(col);
                    }
                }
                inputCols.emplace_back(unwind->colNames().front());
                unwind->setColNames(inputCols);
                subplans.emplace_back(std::move(subplan).value());
                break;
            }
            case CypherClauseKind::kWith: {
                auto subplan = std::make_unique<WithClausePlanner>()->transform(clauseCtx.get());
                NG_RETURN_IF_ERROR(subplan);
                subplans.emplace_back(std::move(subplan).value());
                break;
            }
            case CypherClauseKind::kReturn: {
                auto subplan = std::make_unique<ReturnClausePlanner>()->transform(clauseCtx.get());
                NG_RETURN_IF_ERROR(subplan);
                subplans.emplace_back(std::move(subplan).value());
                break;
            }
            default: { return Status::Error("Unsupported clause."); }
        }
    }

    auto finalPlan = connectSegments(astCtx, subplans, matchCtx->clauses);
    NG_RETURN_IF_ERROR(finalPlan);
    return std::move(finalPlan).value();
}

match 语句可能由多个 MATCH/UNWIND/WITH/RETURN Clause 组成，所以在 transform 中，根据 Clause 的类型，直接调用相应的 ClausePlanner 生成 SubPlan，最后再由 SegmentsConnector 依据各种连接策略将它们连接起来。

在我们的示例语句中，

第一个 Clause 是 Match Clause: MATCH (v:player)-[:like*2..4]-(v2:player)，所以会调用 MatchClause::transform 方法：

StatusOr<SubPlan> MatchClausePlanner::transform(CypherClauseContextBase* clauseCtx) {
    if (clauseCtx->kind != CypherClauseKind::kMatch) {
        return Status::Error("Not a valid context for MatchClausePlanner.");
    }

    auto* matchClauseCtx = static_cast<MatchClauseContext*>(clauseCtx);
    auto& nodeInfos = matchClauseCtx->nodeInfos;
    auto& edgeInfos = matchClauseCtx->edgeInfos;
    SubPlan matchClausePlan;
    size_t startIndex = 0;
    bool startFromEdge = false;

    NG_RETURN_IF_ERROR(findStarts(matchClauseCtx, startFromEdge, startIndex, matchClausePlan));
    NG_RETURN_IF_ERROR(
        expand(nodeInfos, edgeInfos, matchClauseCtx, startFromEdge, startIndex, matchClausePlan));
    NG_RETURN_IF_ERROR(projectColumnsBySymbols(matchClauseCtx, startIndex, matchClausePlan));
    NG_RETURN_IF_ERROR(appendFilterPlan(matchClauseCtx, matchClausePlan));
    return matchClausePlan;
}

该 transform 方法又分为以下几个步骤：

寻找拓展的起点：

目前有三个寻找起点的策略，由 planner 注册在 startVidFinders 里：

// MATCH(n) WHERE id(n) = value RETURN n
startVidFinders.emplace_back(&VertexIdSeek::make);

// MATCH(n:Tag{prop:value}) RETURN n
// MATCH(n:Tag) WHERE n.prop = value RETURN n
startVidFinders.emplace_back(&PropIndexSeek::make);

// seek by tag or edge(index)
// MATCH(n: tag) RETURN n
// MATCH(s)-[:edge]->(e) RETURN e
startVidFinders.emplace_back(&LabelIndexSeek::make);

这三个策略中，VertexIdSeek 最佳，可以确定具体的起点 VID；PropIndexSeek 次之，会被转换为一个附带属性 filter 的 IndexScan；LabelIndexSeek 会被转换为一个 IndexScan。

findStarts 函数会对每个寻找起点策略，分别遍历 match pattern 中的所有节点信息，直到找到一个可以作为起点的 node，并生成相应的找起点的 Plan Nodes。

示例语句的寻点策略是 LabelIndexScan，确定的起点是 v。最终生成一个 IndexScan 节点，索引为 player 这个 tag 上的索引。

根据起点及 match pattern，进行多步拓展：

示例中句子的 match pattern 为：(v:player)-[:like*1..2]-(v2:player)，以 v 为起点，沿着边 like 拓展一到二步，终点拥有 player 类型 tag。

先做拓展：

Status Expand::doExpand(const NodeInfo& node, const EdgeInfo& edge, SubPlan* plan) {
    NG_RETURN_IF_ERROR(expandSteps(node, edge, plan));
    NG_RETURN_IF_ERROR(filterDatasetByPathLength(edge, plan->root, plan));
    return Status::OK();
}

多步拓展会生成 Loop 节点，loop body 为 expandStep 意为根据给定起点拓展一步，拓展一步需要生成 GetNeighbors 节点。每一步拓展的终点作为后面一步拓展的起点，一直循环下去，直到达到 pattern 中指定的最大步数。

在做第 M 步拓展时，以前面得到的长度为 M-1 的 path 的终点作为本次拓展的起点，向外延伸一步，并根据拓展的结果构建一个以边的起点和边本身组成的步长为 1 的 path，然后将该步长为 1 的 path 与前面的步长为 M-1 的 path 做一个 InnerJoin 得到步长为 M 的一组 path。

再调用对这组 path 做过滤，去除掉有重复边的 path（openCypher 路径的拓展不允许有重复边），最后将 path 的终点输出作为下一步拓展的起点。下一步拓展继续做上述步骤，直至达到最大中指定的最大步数。

loop 之后会生成 UnionAllVersionVar 节点，将 loop body 每次循环构建出的步长分别为 1 到 M 步的 path 合并起来。filterDatasetByPathLength()函数会生成一个 Filter 节点过滤掉步长小于 match pattern 中指定最小步数的 path。

最终得到的 path 形如(v)-like-()-e-(v)-?，还缺少最后一步的终点的属性信息。因此，我们还需要生成一个 GetVertices 节点，然后将获取到的终点与之前的 M 步 path 再做一个 InnerJoin，得到的就是符合 match pattern 要求的 path 集合了!

match 多步拓展原理会在 Variable Length Pattern Match 一文中有更详细的解释。

// Build Start node from first step
SubPlan loopBodyPlan;
PlanNode* startNode = StartNode::make(matchCtx_->qctx);
startNode->setOutputVar(firstStep->outputVar());
startNode->setColNames(firstStep->colNames());
loopBodyPlan.tail = startNode;
loopBodyPlan.root = startNode;

// Construct loop body
NG_RETURN_IF_ERROR(expandStep(edge,
                              startNode,                // dep
                              startNode->outputVar(),   // inputVar
                              nullptr,
                              &loopBodyPlan));

NG_RETURN_IF_ERROR(collectData(startNode,           // left join node
                               loopBodyPlan.root,   // right join node
                               &firstStep,          // passThrough
                               &subplan));
// Union node
auto body = subplan.root;

// Loop condition
auto condition = buildExpandCondition(body->outputVar(), startIndex, maxHop);

// Create loop
auto* loop = Loop::make(matchCtx_->qctx, firstStep, body, condition);

// Unionize the results of each expansion which are stored in the firstStep node
auto uResNode = UnionAllVersionVar::make(matchCtx_->qctx, loop);
uResNode->setInputVar(firstStep->outputVar());
uResNode->setColNames({kPathStr});

subplan.root = uResNode;
plan->root = subplan.root;

输出 table，确定 table 的列名：

将 match pattern 中所有出现的具名符号作为 table 列名，生成一个 table，以供后续子句使用。这会生成一个 Project 节点。

第二个 clause 是 WithClause，调用 WithClause::transform 生成 SubPlan：

WITH v, v2.age AS age ORDER BY age WHERE age > 18

该 WITH 子句先 yield v 和 v2.age 两列作为一个 table，然后以 age 作为 sort item 进行排序，然后对排序后的 table 作 filter。

YIELD 部分会生成一个 Project 节点，ORDER BY 部分会生成一个 Sort 节点，WHERE 部分对应一个会生成一个 Filter 节点。

第三个 clause 是 Return Clause，会生成一个 Project 节点。

RETURN id(v), age

最终整合语句完整的的执行计划如下图:

以上为本篇文章的介绍内容。

交流图数据库技术？加入 Nebula 交流群请先填写下你的 Nebula 名片，Nebula 小助手会拉你进群~~

码农公寓

概述