PostgreSQL数据库技术名词解释

PostgreSQL数据库技术名词解释
• pg：PostgreSQL简称，单机版关系数据库，可使用psql命令行工具访问pg，关于其SQL基础语法可以参考官网，比如：数据定义语句、操作语句、查询语句、函数与逻辑运算、索引、约束、子查询、连接、分组、排序、聚合、联合、去重、窗口函数等。
• gp：Greenplum简称，gp是基于单机pg的多机OLAP&MPP分析型数据库，也称gpdb。
• GUC：配置项，pg内部的配置系统（Grand Unified Config），可以使用gpconfig命令来调整一个GUC的值，初始化入口为InitializeGUCOptions()函数。GUC示例：work_mem内存容量限制、enable_parallel_mode是否开启并行模式、enable_mergejoin是否开启Merge-Join。
• entry：主节点，即master节点。
• segment：存储的节点，即worker节点，处理分片数据。
• postmaster：数据库服务守护进程，每个节点上均包含一个守护进程负责处理外部的首个请求处理。postmaster启动入口为PostmasterMain()函数，该进程会为用户自动创建postgres服务进程，以及在启动时自动创建其它辅助进程。其中postgres服务入口为PostgresMain()函数，辅助进程包括walwriter、background writer、autovacuum launcher、stats collector等。
• make cluster：gp内置在gpAux/gpdemo目录下的demo集群启动工具，其本质是通过demo_cluster.sh脚本来执行$GPPATH/gpinitsystem命令，而配置项GUC等参数是通过gpinitsystem -p参数传递给各个节点的。
• motion：跨segment分布式数据分发，类似shuffle，gp的gather阶段分为广播、多播、聚集，motion即是多播（m->n）。
• slice：纵向的任务划分阶段，类似stage，一个SQL任务可划分为多个阶段，每个阶段称为一个slice。
• gang：分布式并行任务管理结构，在同一个slice阶段，在不同的segment上执行的同一个任务称为一个gang。
• QD：查询分发进程，在master节点上，由master节点的postmaster进程 fork 出来，执行查询任务时，client连接到QD进程。
• QE：查询执行进程，在segment节点上，由QD进程请求segment节点的postmaster进程 fork 出来，然后QD进程会连接到此QE进程进行任务分发，QE进程负责执行在本segment分片上的数据查询。
• schema：一个数据库实例内的命名空间namespace，schema下面可以创建独立的表、索引、视图、存储过程等。
• tablespace：表的磁盘存储目录，比如指定临时表存放位置。
• catalog：元数据表，分为local catalog和global catalog，后者是所有分片都复制共享一份表数据，主要包括：pg_namespace、pg_tablespace、pg_database、pg_class（表）、pg_type（数据类型）、pg_attribute（表字段）、pg_index（索引）等。
• regression：回归测试，开发调试时需要通过运行测试来验证功能正确性。
• partition key：表分区键，pg概念，用于单机子表分区，建表是可指定partition by column。
• distributed key：分布式键，gp概念，用于分布式集群分区，建表是可指定distributed by column。
• orca：与pg的原生优化器不同，orca是gp提供的面向OLAP场景的优化器，通过optimizer=on参数控制，默认打开。
• gpfdist：gp提供的外部表的分布式文件数据导入工具或协议，类似的还有file、pxf、s3等外部表协议。
• TPC-：TPC-C为复杂的在线事务OLTP处理测试基准，TPC-H为面向商业决策支持的OLAP测试基准，SSB为基于TPC-H的星型模型数仓OLAP测试基准，TPC-DS为面向大数据的OLAP测试基准。
• heap：堆存储表、索引表，简写h，行存结构，支持MVCC。
• ao：AO存储表（append only row），简写a，行存结构。
• aoco：AOCO存储表（append only column），简写c，列存结构。
• external：外部表（external table），简写x，外部表转发组件FDW。
• view：视图，简写v。
• analyze：数据统计机制，通过扫表来统计表数据的分布信息（直方图），用于优化查询，比如估算查询计划的代价。经常与explain搭配使用：explain analyze select * from TABLE。
• auto analyze：自动触发analyze机制，在表第一次插入数据时自动进行一次同步analyze操作。
• vacuum：数据清理机制，类似compaction，但是有一些小区别，vacuum只是清理删除或过期的数据，但是不回收空间；严格的说vacuum full等价于compaction，会回收磁盘空洞。
• auto vacuum：自动触发vacuum机制，后来异步任务；因为需要扫表，所以会附带着进行analyze操作，不过完成时间具有随机性。
• relation：关系，pg内部的说法，相当于表table。
• tuple：元组，pg内部的说法，相当于行row。
• OID：用于表示数据库中一个对象的ID，比如reloid是一张表的ID，OID本质上是一个正整数。
• TID：元组在磁盘上的物理地址，可以直接通过一个随机TID定位到数据。
• Scan：表扫描，典型扫描方式有：Seq Scan、Bitmap Heap Scan、Index Scan、TID Scan，以及Subquery Scan、WorkTable Scan等。
• CTE：公共表达式，with语句。
• Join：多表连接，典型连接方式包括：Nested Loop、Hash Join、Merge Join等。
• UTIL：功能类语句前缀（简写自Utility），比如建表、键索引等，看起来是处理DDL相关语句的模块。（关于各种DL解释：DDL – Data Definition Language、DML – Data Manipulation Language、DCL – Data Control Language）
• RTE：范围表条目（简写自range table entry，？含义：range table是指所有表，entry是指一个表）。
• planner：查询规划器（也是查询优化器optimizer的入口），用于生成路径、生成计划。
• executor：查询执行器。
• node：按c++理解的话其相当于是pg中各种数据结构的一个基类，NodeTag是所有Node子类的首个成员变量。
• path：查询路径，是各种查询路径的抽象，描述了一个查询要扫描的内容。其NodeTag类型标记是T_Path，其子类包括：AppendOnlyPath、TidPath、BitmapHeapPath、IndexPath、SubqueryScanPath、JoinPath、GatherPath、MaterialPath、AppendPath、SortPath、GroupPath、AggPath、LimitPath等。
• pathlist：备选查询路径的列表，由于一个SQL的每种连接树可以构成一条path路径，可能的最优路径将保存在备选路径列表中。
• path_fraction：路径得分，简单理解为使用该条plan查询路径时，查询一行数据的平均分数。
• best_path：最优路径，在完成路径生成之后，计算可得到best_path然后通过调用create_plan()生成执行计划。
• plan：查询计划，根据best_path路径树来递归生成相应的plan计划树。
• targetlist：期望输出/返回的结果字段列表，貌似也称为投影信息列表。
• qual：查询条件（来自where字句内容，类似的joinqual为连接条件），简写自qualification。
• subquery：子查询，嵌套在from的中的select语句会被解析为Subquery。
• rtable：简写自range table，注意：其实际上含义为表的列表（rtable对应RTE中的RT，RTE是一张表，而RT等价于list of RTE，因此rtable就是list）。
• relids：表的列表，本质上是一个Bitmapset，每个bit索引到range table中一个RTE。
• base_rel：基本关系，简单理解为横向无法再拆解的表查询，但是纵向可能包括多层嵌套。
• join_rel：连接关系，简单理解为横向可由多个关系连接起来的组合，纵向不限定。
• append_rel：组合关系（将多个部分组合到结果集中去？），比如union、partition查询。
• cdb：集群数据库。
• locus：元组到segments的路由信息，由cdbpathlocus_from_*()函数族构建。
• pathkeys：扫描表的排序键列表，一般是指索引扫描的排序键（顺序扫描时pathkeys为空值），key的位置在越前面则排序优先级越高。
• pathtarget：期望返回的结果字段列表，相当于targetlist的前身，同时还包括列宽、排序、分组等信息。
• tle：一个输出结果字段，简写自TargetEntry，每个tle是targetlist中的一个元素。
• RelOptInfo：关系信息结构，planning的路径生成阶段为会每个路径树节点创建一个RelOptInfo，其保存了一个查询中间节点的几乎所有信息，比如：关系类型reloptkind（如RELOPT_BASEREL、RELOPT_JOINREL）、原始基本表relids，估算行数rows、可行路径列表pathlist、输出结果信息pathtarget、各维度的最优路径指针cheapest_startup_path/cheapest_total_path/cheapest_unique_path等信息。RelOptInfo的内容来自于 Query parse语法树，而PlannerInfo中持有各种RelOptInfo列表，比如build_simple_rel()会填充simple_rel_array，build_join_rel()会填充join_rel_list。
• flow：一个plan指向其subplan的指针称为flow，用于MPP跟踪Plan节点的输出元组的流向特征（？含义）。
• dqa：简写自Distinct Qualified Aggregates（？含义）。
• spill：溢写，指当内存无法容纳大量数据时，将一部分数据从内存写到磁盘中，比如hash merge时可能会触发spill，有点类似外排。
• filter：过滤器，来自于where条件中的比较操作符，比如where age > 18。
• in_filter：IN过滤器，来自于where条件中的IN操作符，比如where city in (Beijing, Shanghai)。
• PlanState：查询运行时的查询状态，一般简称ps，每个子计划都拥有自己的子状态child_ps（可简单理解为PlanState.lefttree，但是注意 AppendState 的child_ps不太一样，是一个数组结构）。
• am：插件注册相关？