读 NebulaGraph源码 ｜ 查询语句 LOOKUP 的一生
本文由社区用户 Milittle 供稿
LOOKUP 是图数据库 NebulaGraph 的一个查询语句。它依赖索引，可以查询点或者边的信息。在本文，我将着重从源码的角度解析一下 LOOKUP 语句的一生是如何度过的。
本文源码阅读基于内核源码的 v3.3.0 版本，详见 GitHub https://github.com/vesoft-inc/nebula/releases/tag/v3.3.0
读源码之前
首先，我们需要明确 NebulaGraph 中 LOOKUP 语句的语法：
LOOKUP ON {<vertex_tag> | <edge_type>}
[WHERE <expression> [AND <expression> ...]]
YIELD <return_list> [AS <alias>]
[<clause>];
<return_list>
<prop_name> [AS <col_alias>] [, <prop_name> [AS <prop_alias>] ...];
ORDER BY、LIMIT等子句，子句详情参见 子句；
这里有个 LOOKUP 使用注意事项：
- 如果已经存在点、边，但是没有索引。必须在新建索引后再通过
REBUILD INDEX重建索引，才能使其生效；
读语句解析原理
为了便于大家理解这里放一张 NebulaGraph 计算层的服务架构：
我们再来看下此次阅读的语句，是一个比较简单的 LOOKUP Sentence。用比较简单的语句来解析 LOOKUP 语句的基本原理，后面可以慢慢扩展条件语句和子句：
// 我们需要分析以下语句
LOOKUP ON player YIELD id(vertex);
1. 从 Parser 开始
我们先从 Parser 入手分析 LOOKUP Sentence 的组成部分。这里不介绍 lex 词法分析和 yacc 语法分析，感兴趣的小伙伴自己可以了解一下。下面，我们直接上我们关心的部分：
我们打开源码，找到文件 src/parser/parser.yy 文件，里面有所有语句的定义。我们 定位到 LOOKUP Sentence，是这里 https://github.com/Milittle/nebula/blob/90a3107044ce1621c7834a0f36a4eef273ec2f31/src/parser/parser.yy#L2176。下面便是 LOOKUP 语句的定义，你也可以拷贝上面的链接访问 GitHub 查看。来，我们分析分析每个部分：
/// LOOKUP 语句的语法定义
lookup_sentence
: KW_LOOKUP KW_ON name_label lookup_where_clause yield_clause {
$$ = new LookupSentence($3, $4, $5);
}
;
// KW_LOOKUP 是 LOOKUP 的关键字，大小写不敏感的
// KW_ON 是 ON 的关键字，大小写不敏感的
// name_label 是 LABEL 的定义，也是 strval，简单的说就是字符串
// lookup_where_clause 是 WHERE 子句的定义，这个我们后面有机会扩展介绍，也有一个对应的语义定义
// yield_clause 这个是 YIELD 输出数据的关键语句，在 v3.x 版本以后，YIELD 子句是必须要指定的，不指定会报语法错误
/// YIELD clause 的语法定义，其实 YIELD clause 用在了很多其他语句中，比如 GO、FIND PATH、GET SUBGRAPH
yield_clause
: %empty { $$ = nullptr; }
| KW_YIELD yield_columns {
if ($2->hasAgg()) {
delete($2);
throw nebula::GraphParser::syntax_error(@2, "Invalid use of aggregating function in yield clause.");
}
$$ = new YieldClause($2);
}
| KW_YIELD KW_DISTINCT yield_columns {
if ($3->hasAgg()) {
delete($3);
throw nebula::GraphParser::syntax_error(@3, "Invalid use of aggregating function in yield clause.");
}
$$ = new YieldClause($3, true);
}
;
// 可以为 empty，但是后面 validator 会进行校验，不指定就会报 Error
// KW_YIELD 是 YIELD 的关键字，大小写不敏感
// yield_columns 是输出的列信息，也有对应的一个语法定义
// KW_DISTINCT 是 distinct 关键字，表示是否去除重复数据的语义，大小写不敏感
// LOOKUP Sentence 就是上面所有的信息组成，都会被构造在这个类里面，也就是 LOOKUP 语句的内容了
下面，我们继续从 lookup_sentence 语句的定义往下规约看，可以看到它属于 src/parser/parser.yy:2917: traverse_sentence → src/parser/parser.yy:2936: piped_sentence → src/parser/parser.yy:2942: set_sentence → src/parser/parser.yy:3924: sentence → src/parser/parser.yy:3933: seq_sentence。
其实，上面这些你可以暂时忽略，因为这些都是对 sentence 的规约抽象，有些集合语句和管道语句。这里，我想表达的是这些语句一定会映射到 seq_sentence 上的，即，序列语句。你可以把它理解为用分号分隔的复合语句，只不过这里面只包含了一条 lookup_sentence 而已。这样子，就好理解为什么下文在 seq_sentence 寻找入口代码，而不是 lookup_sentence.
2. 从 nGQL 解析看 LOOKUP 语句
第二，从 nGQL 的解析过程继续看 LOOKUP Sentence。其实，刚才已经强调过了，这里解析出来的对象一定是 seq_sentence。
/// src/graph/service/QueryInstance.cpp
void QueryInstance::execute() {
Status status = validateAndOptimize(); // 1. 负责 validate、执行计划生成、执行计划优化等工作
if (!status.ok()) {
onError(std::move(status));
return;
}
// Sentence is explain query, finish
if (!explainOrContinue()) { // 6. 判断是否是 explain 语句。如果是，直接输出执行计划，不做实际物理算子执行
onFinish();
return;
}
// The execution engine converts the physical execution plan generated by the Planner into a
// series of Executors through the Scheduler to drive the execution of the Executors.
scheduler_->schedule() // 7. 实际物理算子调度执行的部分，通过 DAG，对每一个 plan -> executor 的转换执行（后续步骤会进行详解）
.thenValue([this](Status s) {
if (s.ok()) {
this->onFinish(); // 8. 这里是干完了所有物理执行计划，然后开始处理客户端 resp 了
} else {
this->onError(std::move(s)); // 9. 这里是上面的过程出错了，需要处理 Error 信息
}
}) // 10. 下面是处理一些异常情况，也是走错误分支
.thenError(folly::tag_t<ExecutionError>{},
[this](const ExecutionError &e) { onError(e.status()); })
.thenError(folly::tag_t<std::exception>{},
[this](const std::exception &e) { onError(Status::Error("%s", e.what())); });
}
// 这个函数执行的是注释 1 的内容
Status QueryInstance::validateAndOptimize() {
auto *rctx = qctx()->rctx();
auto &spaceName = rctx->session()->space().name;
VLOG(1) << "Parsing query: " << rctx->query();
// Result of parsing, get the parsing tree
// 2. 第一步中的语法解析就是这里的解释，对 nGQL 进行词法语法解析，出来的 result 就是 Sentence*，通过我们上面的分析，这里吐出来的就是 seq_sentence 了
auto result = GQLParser(qctx()).parse(rctx->query());
NG_RETURN_IF_ERROR(result);
sentence_ = std::move(result).value();
// 3. 这里是做指标的统计。这个可以在 dashboard 里面展示
if (sentence_->kind() == Sentence::Kind::kSequential) {
size_t num = static_cast<const SequentialSentences *>(sentence_.get())->numSentences();
stats::StatsManager::addValue(kNumSentences, num);
if (FLAGS_enable_space_level_metrics && spaceName != "") {
stats::StatsManager::addValue(
stats::StatsManager::counterWithLabels(kNumSentences, {{"space", spaceName}}), num);
}
} else {
stats::StatsManager::addValue(kNumSentences);
if (FLAGS_enable_space_level_metrics && spaceName != "") {
stats::StatsManager::addValue(
stats::StatsManager::counterWithLabels(kNumSentences, {{"space", spaceName}}));
}
}
// Validate the query, if failed, return
// 4. 这个是源码校验 nGQL 解析出来的内容是否符合我们的预期，如果不符合预期就报语法错误
// validate 过程还会涉及到执行计划的生成，重点函数
NG_RETURN_IF_ERROR(Validator::validate(sentence_.get(), qctx()));
// Optimize the query, and get the execution plan
// 5. 对上面生成的执行计划进行 RBO 规则的优化，这个留在后面有机会再介绍
NG_RETURN_IF_ERROR(findBestPlan());
stats::StatsManager::addValue(kOptimizerLatencyUs, *(qctx_->plan()->optimizeTimeInUs()));
if (FLAGS_enable_space_level_metrics && spaceName != "") {
stats::StatsManager::addValue(
stats::StatsManager::histoWithLabels(kOptimizerLatencyUs, {{"space", spaceName}}));
}
return Status::OK();
}
我们按照上面的注释部分进行讲解，有的比较容易的部分，像注释 1、2、3、5。我们下面重点介绍注释 4 的部分
// src/graph/validator/Validator.cpp
// Entry of validating sentence.
// Check session, switch space of validator context, create validators and validate.
// static
// 1. 参数 sentence 就是刚才我们从语法解析器中拿到的 seq_sentence
// 2. 参数 qctx 是我们查询上下文，一个语句进来对应一个查询上下文，这个是在 QueryEngine 里面生成的，感兴趣可以自行阅读一下
Status Validator::validate(Sentence* sentence, QueryContext* qctx) {
DCHECK(sentence != nullptr);
DCHECK(qctx != nullptr);
// Check if space chosen from session. if chosen, add it to context.
auto session = qctx->rctx()->session();
if (session->space().id > kInvalidSpaceID) {
auto spaceInfo = session->space();
qctx->vctx()->switchToSpace(std::move(spaceInfo));
}
// 3. 既然我们需要校验该 sentence 是否符合我们的预期，则需要根据 sentence 的类型，创建一个 validator，记住目前是 seq_sentence
// 所以生成的就是 SequentialValidator，可以直接看下 makeValidator 函数的 switch case
auto validator = makeValidator(sentence, qctx);
// 4. 调用 validator 进行校验，我们切换到下面的函数中
NG_RETURN_IF_ERROR(validator->validate());
auto root = validator->root();
if (!root) {
return Status::SemanticError("Get null plan from sequential validator");
}
qctx->plan()->setRoot(root);
return Status::OK();
}
// 5. 所有子类 validator，调用 validate 方法，进行校验
// Validate current sentence.
// Check validator context, space, validate, duplicate reference columns,
// check permission according to sentence kind and privilege of user.
Status Validator::validate() {
if (!vctx_) {
VLOG(1) << "Validate context was not given.";
return Status::SemanticError("Validate context was not given.");
}
if (!sentence_) {
VLOG(1) << "Sentence was not given";
return Status::SemanticError("Sentence was not given");
}
if (!noSpaceRequired_ && !spaceChosen()) {
VLOG(1) << "Space was not chosen.";
return Status::SemanticError("Space was not chosen.");
}
if (!noSpaceRequired_) {
space_ = vctx_->whichSpace();
VLOG(1) << "Space chosen, name: " << space_.spaceDesc.space_name_ref().value()
<< " id: " << space_.id;
}
auto vidType = space_.spaceDesc.vid_type_ref().value().type_ref().value();
vidType_ = SchemaUtil::propTypeToValueType(vidType);
// 6. 调用子类 validateImpl
NG_RETURN_IF_ERROR(validateImpl());
// Check for duplicate reference column names in pipe or var statement
NG_RETURN_IF_ERROR(checkDuplicateColName());
// Execute after validateImpl because need field from it
if (FLAGS_enable_authorize) {
NG_RETURN_IF_ERROR(checkPermission());
}
// 7. 这里是生成执行计划调用
NG_RETURN_IF_ERROR(toPlan());
return Status::OK();
}
讲了这么久了，啥时候到 LOOKUP。只能说快了，因为第一次讲源码，一些上下文信息需要讲清楚，不然大家一看就看得云里雾里了。
3. 深入到 validator
下面，我们要进入 SequentialValidator.cpp 的 validateImpl() 去一探究竟。
// src/graph/validator/SequentialValidator.cpp
// Validator of sequential sentences which combine multiple sentences, e.g. GO ...; GO ...;
// Call validator of sub-sentences.
Status SequentialValidator::validateImpl() {
Status status;
if (sentence_->kind() != Sentence::Kind::kSequential) {
return Status::SemanticError(
"Sequential validator validates a SequentialSentences, but %ld is "
"given.",
static_cast<int64_t>(sentence_->kind()));
}
auto seqSentence = static_cast<SequentialSentences*>(sentence_);
auto sentences = seqSentence->sentences();
if (sentences.size() > static_cast<size_t>(FLAGS_max_allowed_statements)) {
return Status::SemanticError("The maximum number of statements allowed has been exceeded");
}
DCHECK(!sentences.empty());
// 我们的 StartNode 就是这里创建出来的
seqAstCtx_->startNode = StartNode::make(seqAstCtx_->qctx);
// 一般序列语句中会放很多语句，也就是分号分隔的语句，这里我们只有一条语句就是 lookup_sentence
// LOOKUP 语句创建出来 LookupValidator，终于看到曙光了
for (auto* sentence : sentences) {
auto validator = makeValidator(sentence, qctx_);
NG_RETURN_IF_ERROR(validator->validate());
seqAstCtx_->validators.emplace_back(std::move(validator));
}
return Status::OK();
}
4. 读一读 LookupValidator
终于，看到点 LOOKUP 的影子了，LookupValidator 驾到：
// src/graph/validator/LookupValidator.cpp
// LOOKUP 的 validateImpl 比较简洁，直接对 From Where Yield e分别进行校验
Status LookupValidator::validateImpl() {
lookupCtx_ = getContext<LookupContext>();
// 详情请见下面的子函数分析
NG_RETURN_IF_ERROR(validateFrom());
// 此次不涉及，我们先不做分析
NG_RETURN_IF_ERROR(validateWhere());
// 详情请见下面的子函数分析
NG_RETURN_IF_ERROR(validateYield());
return Status::OK();
}
// Validate specified schema(tag or edge) from sentence
Status LookupValidator::validateFrom() {
auto spaceId = lookupCtx_->space.id;
auto from = sentence()->from();
// 根据 spaceId 和指定的 label_name 查询 Schema
auto ret = qctx_->schemaMng()->getSchemaIDByName(spaceId, from);
NG_RETURN_IF_ERROR(ret);
// 指定的是不是边类型
lookupCtx_->isEdge = ret.value().first;
// 指定的 schemaId
lookupCtx_->schemaId = ret.value().second;
schemaIds_.emplace_back(ret.value().second);
return Status::OK();
}
// Validate yield clause.
Status LookupValidator::validateYield() {
auto yieldClause = sentence()->yieldClause();
if (yieldClause == nullptr) {
return Status::SemanticError("Missing yield clause.");
}
// 这个是判断是否指定了 distinct 关键字，用于后续生成 dedup
lookupCtx_->dedup = yieldClause->isDistinct();
lookupCtx_->yieldExpr = qctx_->objPool()->makeAndAdd<YieldColumns>();
// 如果是边类型，返回的列中，有 src、dst、rank、type
if (lookupCtx_->isEdge) {
idxReturnCols_.emplace_back(nebula::kSrc);
idxReturnCols_.emplace_back(nebula::kDst);
idxReturnCols_.emplace_back(nebula::kRank);
idxReturnCols_.emplace_back(nebula::kType);
// 校验边类型
NG_RETURN_IF_ERROR(validateYieldEdge());
} else { // 如果点类型、返回的列中有 vid
idxReturnCols_.emplace_back(nebula::kVid);
// 校验点类型，这次我们介绍点类型的校验
NG_RETURN_IF_ERROR(validateYieldTag());
}
if (exprProps_.hasInputVarProperty()) {
return Status::SemanticError("unsupport input/variable property expression in yield.");
}
if (exprProps_.hasSrcDstTagProperty()) {
return Status::SemanticError("unsupport src/dst property expression in yield.");
}
extractExprProps();
return Status::OK();
}
// Validate yield clause when lookup on tag.
// Disable invalid expressions, check schema name, rewrites expression to fit semantic,
// check type and collect properties.
Status LookupValidator::validateYieldTag() {
auto yield = sentence()->yieldClause();
auto yieldExpr = lookupCtx_->yieldExpr;
// yield 子句里面的每一个逗号分隔的就是一个 col、我们的示例语句是 id(vertex)
// src/parser/parser.yy:1559 对 col 进行了定义
for (auto col : yield->columns()) {
// 如果发现表达式有 Edge 类型的，则直接把语义错误
if (ExpressionUtils::hasAny(col->expr(), {Expression::Kind::kEdge})) {
return Status::SemanticError("illegal yield clauses `%s'", col->toString().c_str());
}
// 如果是 label 属性，则进行表达式名字的校验，比如 yield player.name 这种语句
if (col->expr()->kind() == Expression::Kind::kLabelAttribute) {
const auto& schemaName = static_cast<LabelAttributeExpression*>(col->expr())->left()->name();
if (schemaName != sentence()->from()) {
return Status::SemanticError("Schema name error: %s", schemaName.c_str());
}
}
// 这块应该是重写表达式，有 label 属性转换为 Tag 的 prop，这里不是特别清楚，后续精读一下
col->setExpr(ExpressionUtils::rewriteLabelAttr2TagProp(col->expr()));
NG_RETURN_IF_ERROR(ValidateUtil::invalidLabelIdentifiers(col->expr()));
auto colExpr = col->expr();
// 推测表达式的类型
auto typeStatus = deduceExprType(colExpr);
NG_RETURN_IF_ERROR(typeStatus);
// 组织输出，由名字和类型组成的集合对象
outputs_.emplace_back(col->name(), typeStatus.value());
yieldExpr->addColumn(col->clone().release());
NG_RETURN_IF_ERROR(deduceProps(colExpr, exprProps_, &schemaIds_));
}
return Status::OK();
}
到这里，LOOKUP 的 validator 工作差不多完事了。
5. 语句如何变成执行计划
介绍得不够细致，我还在熟悉过程，接下来就是介绍将 sentence 转换成执行计划的过程了。
执行计划生成
执行计划的生成，像是一些简单的语句，就通过子类的 validator 的 toPlan 直接生成了，比如：SHOW HOSTS 这个语句，就是直接在 ShowHostsValidator::toPlan 方法中直接生成执行计划。但是，对于一些比较复杂的语句来说，子类 validator 都没有实现 toPlan 方法，也就是需要借助父类的 toPlan 方法来生成执行计划。比如，本文在读的 LOOKUP 语句也属于复杂语句：
// src/graph/validator/Validator.cpp
// 这里就是复杂语句生成执行计划的入口
// 需要配合 AstContext 来生成，对于 LOOKUP 语句来说，就是 LookupContext
// Call planner to get final execution plan.
Status Validator::toPlan() {
// **去子类 LookupValidator 的 getAstContext() 方法看下，是不是返回的是 LookupContext**
auto* astCtx = getAstContext();
if (astCtx != nullptr) {
astCtx->space = space_;
}
// 利用抽象语法树上下文，借用 Planner 的 toPlan 生成具体的执行计划
auto subPlanStatus = Planner::toPlan(astCtx);
NG_RETURN_IF_ERROR(subPlanStatus);
auto subPlan = std::move(subPlanStatus).value();
// 将返回的 subPlan 对 root 和 tail 进行填充
root_ = subPlan.root;
tail_ = subPlan.tail;
VLOG(1) << "root: " << root_->kind() << " tail: " << tail_->kind();
return Status::OK();
}
6. 进入 toPlan() 一探究竟
从章节 5. 上面获知，需要进入 Planner 的 toPlan 方法一探究竟
// src/graph/planner/Planner.cpp
StatusOr<SubPlan> Planner::toPlan(AstContext* astCtx) {
if (astCtx == nullptr) {
return Status::Error("AstContext nullptr.");
}
const auto* sentence = astCtx->sentence;
DCHECK(sentence != nullptr);
// 从抽象语法树的执行上下文取到我们的 sentence
// 下面的 plannerMap 是我们在 src/graph/planner/PlannersRegister.cpp 注册好的，一些复杂的语句都在这里注册好了
auto planners = plannersMap().find(sentence->kind());
if (planners == plannersMap().end()) {
return Status::Error("No planners for sentence: %s", sentence->toString().c_str());
}
for (auto& planner : planners->second) { // second 是语句具体对应的 planner 的实例化对象： MatchAndInstantiate
if (planner.match(astCtx)) { // match 方法是具体 planner 的 match 方法，对应到 LookupPlaner，就是 match
// 这里的 instantiate 是 LookupPlanner 的 make 方法
// 这里的 transform 是拿着 lookupcontext 生成执行计划的函数
return planner.instantiate()->transform(astCtx);
}
}
return Status::Error("No planner matches sentence: %s", sentence->toString().c_str());
}
7. 计划中的 transform()
我们分析到这里，使用了 Planner 的 toPlan 方法生成一些复杂语句的执行计划。接下来，就是进去 LookupPlanner 的 transform 方法从 LookupContext 转换到执行计划的过程了。我们直接定位到 LookupPlanner 的 transform 方法上：
// src/graph/planner/ngql/LookupPlanner.cpp
StatusOr<SubPlan> LookupPlanner::transform(AstContext* astCtx) {
// 是不是我们上面提到的 lookupContext
auto lookupCtx = static_cast<LookupContext*>(astCtx);
auto qctx = lookupCtx->qctx;
// ON 后面的 name_label
auto from = static_cast<const LookupSentence*>(lookupCtx->sentence)->from();
SubPlan plan;
// 如果是边的话，生成的是 EdgeIndexFullScan
if (lookupCtx->isEdge) {
auto* edgeIndexFullScan = EdgeIndexFullScan::make(qctx,
nullptr,
from,
lookupCtx->space.id,
{},
lookupCtx->idxReturnCols,
lookupCtx->schemaId,
lookupCtx->isEmptyResultSet);
edgeIndexFullScan->setYieldColumns(lookupCtx->yieldExpr);
plan.tail = edgeIndexFullScan;
plan.root = edgeIndexFullScan;
} else { // 如果是点的话，生成的是 TagIndexFullScan
auto* tagIndexFullScan = TagIndexFullScan::make(qctx,
nullptr,
from,
lookupCtx->space.id,
{},
lookupCtx->idxReturnCols,
lookupCtx->schemaId,
lookupCtx->isEmptyResultSet);
tagIndexFullScan->setYieldColumns(lookupCtx->yieldExpr);
plan.tail = tagIndexFullScan;
plan.root = tagIndexFullScan;
}
plan.tail->setColNames(lookupCtx->idxColNames);
// 我们没有指定 where 语句，所以不会有 filter 算子
if (lookupCtx->filter) {
plan.root = Filter::make(qctx, plan.root, lookupCtx->filter);
}
// 会有 Project 算子生成：对输出列做一个映射
plan.root = Project::make(qctx, plan.root, lookupCtx->yieldExpr);
// 这里是 distinct 关键字，我们没有指定，默认是没有这个算子的
if (lookupCtx->dedup) {
plan.root = Dedup::make(qctx, plan.root);
}
return plan;
}
8. explain 验证生成的执行计划
通过我们上述的介绍，执行计划已经生成了。那么，我们是不是可以通过 explain 或者 profile 来验证我们分析生成的执行计划就是 Project→TagIndexFullScan→Start 呢。下面是我们通过 explain 生成的执行计划，它验证了我们分析的源码和生成的执行计划是一致的。 大喜
(root@nebula) [basketballplayer]> explain lookup on player yield id(vertex)
Execution succeeded (time spent 615µs/1.057064ms)
Execution Plan (optimize time 42 us)
-----+------------------+--------------+----------------+-----------------------------------
| id | name | dependencies | profiling data | operator info |
-----+------------------+--------------+----------------+-----------------------------------
| 2 | Project | 3 | | outputVar: { |
| | | | | "colNames": [ |
| | | | | "id(VERTEX)" |
| | | | | ], |
| | | | | "type": "DATASET", |
| | | | | "name": "__Project_2" |
| | | | | } |
| | | | | inputVar: __TagIndexFullScan_1 |
| | | | | columns: [ |
| | | | | "id(VERTEX)" |
| | | | | ] |
-----+------------------+--------------+----------------+-----------------------------------
| 3 | TagIndexFullScan | 0 | | outputVar: { |
| | | | | "colNames": [ |
| | | | | "_vid", |
| | | | | "player._tag", |
| | | | | "player.age", |
| | | | | "player.name" |
| | | | | ], |
| | | | | "type": "DATASET", |
| | | | | "name": "__TagIndexFullScan_1" |
| | | | | } |
| | | | | inputVar: |
| | | | | space: 6 |
| | | | | dedup: false |
| | | | | limit: 9223372036854775807 |
| | | | | filter: |
| | | | | orderBy: [] |
| | | | | schemaId: 7 |
| | | | | isEdge: false |
| | | | | returnCols: [ |
| | | | | "_vid", |
| | | | | "_tag", |
| | | | | "age", |
| | | | | "name" |
| | | | | ] |
| | | | | indexCtx: [ |
| | | | | { |
| | | | | "columnHints": [], |
| | | | | "filter": "", |
| | | | | "index_id": 11 |
| | | | | } |
| | | | | ] |
-----+------------------+--------------+----------------+-----------------------------------
| 0 | Start | | | outputVar: { |
| | | | | "colNames": [], |
| | | | | "type": "DATASET", |
| | | | | "name": "__Start_0" |
| | | | | } |
-----+------------------+--------------+----------------+-----------------------------------
阶段小结
源码阅读到这里，我们知道 Graph 层从一个 nGQL 语句，到生成执行计划的所有过程。当中可能有一些细节没有面面俱到，但是，我们应该整体对代码有了初步了解。
9. 调度执行计划
接下来，我们要了解执行计划是如何被物理执行、Executor 是如何调度执行计划的。目前，我们只涉及到三个物理算子的执行，而且 Start 节点是一个没有实际语义的算子。这里我们仔细分析一下 TagIndexScan 和 Project 算子。
我们需要先回到第二章节的注释 7 那里了。注释 5 我们就不讲了，那里是内核语句 RBO 规则对执行计划进行优化的子模块，我们的简单语句的执行计划不涉及这块，留下后续扩展介绍吧。
// src/graph/scheduler/AsyncMsgNotifyBasedScheduler.cpp
// 我们回到了注释 7 那里，对 scheduler_ 的 shcedule 方法解读一下
// 然后我们再看 LOOKUP 语句的两个物理算子在这里是怎么执行的
// 目前内核只实现了基于消息的异步调度器
folly::Future<Status> AsyncMsgNotifyBasedScheduler::schedule() {
// 拿到执行计划的 root 节点，在这次的语句中，就是 Project
auto root = qctx_->plan()->root();
// 这块还没有深入解读过，后续再扩展吧
if (FLAGS_enable_lifetime_optimize) {
// special for root
root->outputVarPtr()->userCount.store(std::numeric_limits<uint64_t>::max(),
std::memory_order_relaxed);
analyzeLifetime(root);
}
// 递归将执行计划 convert 到物理执行计划 Executor，也就是 Project->ProjectExecutor, TagindexFullScan->IndexScanExecutor
// 把物理 Executor 的拓扑结构创建出来
// ProjectExecutor 依赖 IndexScanExecutor IndexScanExecutor 的后继是 ProjectExecutor
// IndexScanExecutor 依赖 StartExecutor StartExecutor 的后继是 IndexScanExecutor
auto executor = Executor::create(root, qctx_);
// 这里开始 DAG 的物理计划执行
// 调度是基于 folly 的 Promise 和 Future 异步调用展开的
return doSchedule(executor);
}
folly::Future<Status> AsyncMsgNotifyBasedScheduler::doSchedule(Executor* root) const {
// 这个是按照算子的 id，承诺给别的算子的 promise（你可以理解为谁依赖这个算子，那么就给谁一个 promise）
std::unordered_map<int64_t, std::vector<folly::Promise<Status>>> promiseMap;
// 这个是当前算子，被谁许诺过的 future，是从 promise 那里或者的结果值。也就是说，如果这个算子依赖了某些算子，只有它们的许诺兑现了（promise set value），这里的 future 才能得到处理
std::unordered_map<int64_t, std::vector<folly::Future<Status>>> futureMap;
// 这个 queue 是为了辅助算子生成 promiseMap 和 futureMap 的
std::queue<Executor*> queue;
// 这个 queue2 是为结合刚才生成的 promiseMap 和 futureMap 实际进行调度运行的
std::queue<Executor*> queue2;
// 算子节点访问标记，避免重复遍历
std::unordered_set<Executor*> visited;
auto* runner = qctx_->rctx()->runner();
// 首先把 root 的 promise 出来，这个对于我们的执行计划中的算子就是 Project
folly::Promise<Status> promiseForRoot;
auto resultFuture = promiseForRoot.getFuture();
promiseMap[root->id()].emplace_back(std::move(promiseForRoot));
queue.push(root);
visited.emplace(root);
// 开始 DAG 访问图计算节点，生成每一个节点的 promise 和 future
while (!queue.empty()) {
auto* exe = queue.front();
queue.pop();
queue2.push(exe);
std::vector<folly::Future<Status>>& futures = futureMap[exe->id()];
if (exe->node()->kind() == PlanNode::Kind::kArgument) {
auto nodeInputVar = exe->node()->inputVar();
const auto& writtenBy = qctx_->symTable()->getVar(nodeInputVar)->writtenBy;
for (auto& node : writtenBy) {
folly::Promise<Status> p;
futures.emplace_back(p.getFuture());
auto& promises = promiseMap[node->id()];
promises.emplace_back(std::move(p));
}
} else {
for (auto* dep : exe->depends()) {
auto notVisited = visited.emplace(dep).second;
if (notVisited) {
queue.push(dep);
}
folly::Promise<Status> p;
futures.emplace_back(p.getFuture());
auto& promises = promiseMap[dep->id()];
promises.emplace_back(std::move(p));
}
}
}
// 开始调度执行，下面的 scheduleExecutor 这个方法是关键
// 这个方法是纯异步运行的，比如运行 ProjectExecutor，它的依赖是 IndexScanExecutor
// 那么 ProjectExecutor 的 future 就来自于 IndexScanExecutor 的 promise
// ProjectExecutor 需要在 folly::collect 出等待 IndexScanExecutor 的执行结束
// 这样 ProjectExecutor 才可以得到执行的机会
while (!queue2.empty()) {
auto* exe = queue2.front();
queue2.pop();
auto currentFuturesFound = futureMap.find(exe->id());
DCHECK(currentFuturesFound != futureMap.end());
auto currentExeFutures = std::move(currentFuturesFound->second);
auto currentPromisesFound = promiseMap.find(exe->id());
DCHECK(currentPromisesFound != promiseMap.end());
auto currentExePromises = std::move(currentPromisesFound->second);
scheduleExecutor(std::move(currentExeFutures), exe, runner)
.thenTry([this, pros = std::move(currentExePromises)](auto&& t) mutable {
if (t.hasException()) {
notifyError(pros, Status::Error(std::move(t).exception().what()));
} else {
auto v = std::move(t).value();
if (v.ok()) {
notifyOK(pros); // **Promise填充：成功以后具体填充promise的地方**
} else {
notifyError(pros, v);
}
}
});
}
return resultFuture;
}
// 你可以把这个函数理解为异步调度器，上面把所有的算子通过这个函数进行了调度
// 第一个参数包含了该算子所有的 futures，也就是这个算子依赖算子的 promise 需要执行结束，这里的 futures 才可以获取到结果
// 第二个参数是该算子的 Executor
// 第三个参数是执行器，你可以理解为线程池
// 根据不同的算子类型，实现不同的分支运行，我们上面的语句是走 default 分支
// lookup on player yield id(vertex)；语句整体的调度过程
// ProjectExecutor(P)->IndexScanExecutor(I)->Start(S）执行计划。下面我们用简写来表示三个算子
// 首先 P 算子调度以后，它到了 default 分支，depends 不为空，那么走 runExecutor
// P 算子的 future 就来自于 I 算子的 promise，所以需要等待 I 算子的执行结束
// I 算子调度到这个函数以后，它到了 default 分支，depends 不为空，那么走 runExecutor
// I 算子的 future 就来自于 S 算子的 promise，所以需要等待 S 算子的执行结束
// S 算子调度到这个函数以后，它到了 default 分支，depends 为空，那么走 runLeafExecutor
// S 算子就开始 execute 的逻辑了，可以去看看 StartExecutor 的 executor 方法，啥也没干，所以之前说 start 算子没啥语义
// S 算子结束以后，它的 promise 被填充，其实是上面那个函数的回调填充的，具体看我上面的注释 **Promise 填充**
// 那么 I 算子的 future 就得到了响应，去 runExecutor 看看，是不是也是有一个回调，立马发起了 I 算子的调用
// 当 I 算子的 promise 也被上面的函数填充
// 那么 P 算子的 executor 也得到了执行，这下就算执行完
folly::Future<Status> AsyncMsgNotifyBasedScheduler::scheduleExecutor(
std::vector<folly::Future<Status>>&& futures, Executor* exe, folly::Executor* runner) const {
switch (exe->node()->kind()) {
case PlanNode::Kind::kSelect: {
auto select = static_cast<SelectExecutor*>(exe);
return runSelect(std::move(futures), select, runner);
}
case PlanNode::Kind::kLoop: {
auto loop = static_cast<LoopExecutor*>(exe);
return runLoop(std::move(futures), loop, runner);
}
case PlanNode::Kind::kArgument: {
return runExecutor(std::move(futures), exe, runner);
}
default: {
if (exe->depends().empty()) {
return runLeafExecutor(exe, runner);
} else {
return runExecutor(std::move(futures), exe, runner);
}
}
}
}
10. LOOKUP 语句的算子在执行什么？
上面我介绍了物理算子通过 folly 三方库的 Promise 和 Future 异步编程模型来实现调度执行。接下来，重点介绍一下我们本次 LOOKUP 语句中两个算子执行了什么。源码走起：上面的语句主要介绍了三个物理算子：ProjectExecutor、IndexScanExecutor、StartExecutor。这里多说一句，因为和 IndexScan 有关的算子都会映射到 IndexScanExecutor。
// StartExecutor：啥也没干
// IndexScanExecutor：是主要干活的，需要 graph 和 storage 的 rpc，拉取数据
// ProjectExecutor：这个物理执行算子不需要和 storage 交互，直接在 graph 层闭环计算
// 这三个算子，我们只分析后两个算子的源码：
// src/graph/executor/query/IndexScanExecutor.cpp
folly::Future<Status> IndexScanExecutor::execute() {
return indexScan();
}
folly::Future<Status> IndexScanExecutor::indexScan() {
// 拿到和 storage 交互的 storageClient
StorageClient *storageClient = qctx_->getStorageClient();
auto *lookup = asNode<IndexScan>(node());
if (lookup->isEmptyResultSet()) {
DataSet dataSet({"dummy"});
return finish(ResultBuilder().value(Value(std::move(dataSet))).build());
}
const auto &ictxs = lookup->queryContext();
auto iter = std::find_if(
ictxs.begin(), ictxs.end(), [](auto &ictx) { return !ictx.index_id_ref().is_set(); });
if (ictxs.empty() || iter != ictxs.end()) {
return Status::Error("There is no index to use at runtime");
}
// Req 的公共请求参数
StorageClient::CommonRequestParam param(lookup->space(),
qctx()->rctx()->session()->id(),
qctx()->plan()->id(),
qctx()->plan()->isProfileEnabled());
return storageClient
->lookupIndex(param,
ictxs,
lookup->isEdge(), // 是不是边类型
lookup->schemaId(), // schemaId
lookup->returnColumns(), // resp 返回的列数据
lookup->orderBy(), // 是否带有 orderBy，为了下推 TopN 算子
lookup->limit(qctx_)) // 是否带有 limit，为了下推 limit 算子
.via(runner())
.thenValue([this](StorageRpcResponse<LookupIndexResp> &&rpcResp) {
addStats(rpcResp, otherStats_);
return handleResp(std::move(rpcResp));
});
}
// TODO(shylock) merge the handler with GetProp
template <typename Resp>
Status IndexScanExecutor::handleResp(storage::StorageRpcResponse<Resp> &&rpcResp) {
auto completeness = handleCompleteness(rpcResp, FLAGS_accept_partial_success);
if (!completeness.ok()) {
return std::move(completeness).status();
}
auto state = std::move(completeness).value();
nebula::DataSet v;
// 把每一个 resp 拉出来处理，因为我们 storage 是可以分布式部署的
// 这里有一个问题重点提出一下，结果集会维护在 ectx_ 中，供 ProjectExecutor 一会取
for (auto &resp : rpcResp.responses()) {
if (resp.data_ref().has_value()) {
nebula::DataSet &data = *resp.data_ref();
// TODO: convert the column name to alias.
if (v.colNames.empty()) {
v.colNames = data.colNames;
}
v.rows.insert(v.rows.end(), data.rows.begin(), data.rows.end());
} else {
state = Result::State::kPartialSuccess;
}
}
if (!node()->colNames().empty()) {
DCHECK_EQ(node()->colNames().size(), v.colNames.size());
v.colNames = node()->colNames();
}
return finish(
ResultBuilder().value(std::move(v)).iter(Iterator::Kind::kProp).state(state).build());
}
// src/graph/executor/query/ProjectExecutor.cpp
folly::Future<Status> ProjectExecutor::execute() {
SCOPED_TIMER(&execTime_);
auto *project = asNode<Project>(node());
// 刚才说从 storage 获取的结果数据都放在 ectx_ 里面了
auto iter = ectx_->getResult(project->inputVar()).iter();
DCHECK(!!iter);
QueryExpressionContext ctx(ectx_);
// 默认 max_job_size 是 1，我们先看 if 分支，看 handleJob 到底干了啥
if (FLAGS_max_job_size <= 1) {
auto ds = handleJob(0, iter->size(), iter.get());
return finish(ResultBuilder().value(Value(std::move(ds))).build());
} else {
DataSet ds;
ds.colNames = project->colNames();
ds.rows.reserve(iter->size());
auto scatter = [this](size_t begin, size_t end, Iterator *tmpIter) -> StatusOr<DataSet> {
return handleJob(begin, end, tmpIter);
};
auto gather = [this, result = std::move(ds)](auto &&results) mutable {
for (auto &r : results) {
auto &&rows = std::move(r).value();
result.rows.insert(result.rows.end(),
std::make_move_iterator(rows.begin()),
std::make_move_iterator(rows.end()));
}
finish(ResultBuilder().value(Value(std::move(result))).build());
return Status::OK();
};
return runMultiJobs(std::move(scatter), std::move(gather), iter.get());
}
}
DataSet ProjectExecutor::handleJob(size_t begin, size_t end, Iterator *iter) {
auto *project = asNode<Project>(node());
auto columns = project->columns()->clone();
DataSet ds;
ds.colNames = project->colNames();
QueryExpressionContext ctx(qctx()->ectx());
ds.rows.reserve(end - begin);
// 从头到尾遍历数据，去除关心的数据
for (; iter->valid() && begin++ < end; iter->next()) {
Row row;
for (auto &col : columns->columns()) {
Value val = col->expr()->eval(ctx(iter)); // 这个是表达式的 eval 执行，对于我们 id(vertex) 对应的是：src/common/function/FunctionManager.cpp:1832 auto &attr = functions_["id"];
row.values.emplace_back(std::move(val)); // 这个对于 id(vertex) 的 val 来说，就是 vertex.id
ds.rows.emplace_back(std::move(row));
}
return ds;
}
11. 数据结果显示
我们通过物理执行算子，把数据放在最后一个算子的 ProjectExecutor 的 ectx_(ExecutionContext) 里面了。我们接下来就是要知道，哪个流程把这个执行上下文的数据取走了：给客户端的 resp 填充这些数据，最终显示到我们的 nebula-console，或者其他客户端中。Its time to go back to 章节 2. 的注释 8：
// 请看第二步的注释 8：
this->onFinish(); // 8. 这里是干完了所有物理执行计划，然后开始处理客户端 resp 了
// 我们进到 onFinish 函数看下：
void QueryInstance::onFinish() {
auto rctx = qctx()->rctx();
VLOG(1) << "Finish query: " << rctx->query();
auto &spaceName = rctx->session()->space().name;
rctx->resp().spaceName = std::make_unique<std::string>(spaceName);
// 这个函数做了填充结果数据到 resp 中
fillRespData(&rctx->resp());
auto latency = rctx->duration().elapsedInUSec();
rctx->resp().latencyInUs = latency;
addSlowQueryStats(latency, spaceName);
rctx->finish();
rctx->session()->deleteQuery(qctx_.get());
// The `QueryInstance' is the root node holding all resources during the
// execution. When the whole query process is done, it's safe to release this
// object, as long as no other contexts have chances to access these resources
// later on, e.g. previously launched uncompleted async sub-tasks, EVEN on
// failures.
delete this;
}
// 把执行的数据从 ectx 中取出，然后填充到执行 resp 中，这次语句执行就结束了
// Get result from query context and fill the response
void QueryInstance::fillRespData(ExecutionResponse *resp) {
auto ectx = DCHECK_NOTNULL(qctx_->ectx());
auto plan = DCHECK_NOTNULL(qctx_->plan());
const auto &name = plan->root()->outputVar();
if (!ectx->exist(name)) return;
auto &&value = ectx->moveValue(name);
if (!value.isDataSet()) return;
// Fill dataset
auto result = value.moveDataSet();
if (!result.colNames.empty()) {
// 结果填充
resp->data = std::make_unique<DataSet>(std::move(result));
} else {
// 如果有错误，错误码和错误信息
resp->errorCode = ErrorCode::E_EXECUTION_ERROR;
resp->errorMsg = std::make_unique<std::string>("Internal error: empty column name list");
LOG(ERROR) << "Empty column name list";
}
}
小结
目前为止，我们把 LOOKUP 是怎么在内核中执行的一生的源码解读就做完了。有很多细节没有展开，后续的文章中我们将不断展开。其实，对于任意一个语句，基本执行的流程和 LOOKUP 的一生都类似，其中有不同的地方就是额外的算子不同，算子之间处理的逻辑不同。而且，这次我们没有打开 Storage 服务的代码，可以作为一个遗留项。
祝大家都可以在 NebulaGraph 图数据库的源码世界里面翱翔，欢迎大家和我来进行交流，学习 Wey Gu 的方式，给大家留一个微信联系方式：echo TWlsaXR0bGVUaW1l | base64 -d Call me.
谢谢你读完本文 (///▽///)
要来近距离体验一把图数据库吗？现在可以用用 NebulaGraph Cloud 来搭建自己的图数据系统哟，快来节省大量的部署安装时间来搞定业务吧~ NebulaGraph 阿里云计算巢现 30 天免费使用中，点击链接来用用图数据库吧~
想看源码的小伙伴可以前往 GitHub 阅读、使用、(з)-☆ star 它 -> GitHub；和其他的 NebulaGraph 用户一起交流图数据库技术和应用技能，留下「你的名片」一起玩耍呢~