随着国产数据库的发展越来越好，更多的DBA小伙伴也开始丰富自己的技术栈，学习新的国产数据库，作为一个入行不久的新人，除了立足本业之外，我也一直在关注国产数据库产品的发展。非常有幸，最近参加了“8小时玩转 openGauss 训练营第二期”活动，初步了解了一下华为出品的open gauss数据库。
open gauss是基于pg开发的一种国产关系型数据库管理系统 ，并且从2020年6月开始就已经开源了，并且开源协议是mulan PSL v2,就这一点，对于技术人员来说就非常值得称道。这表明open gauss 数据库不是一个封闭的产品，它欢迎广大开发者共享知识和力量的，并在积极的营造丰富的社区环境，在两天的培训中，首先就主讲老师就首先介绍了open gauss数据库开源的历程，并在最后一讲重点介绍了open gauss社区的发展情况，目前的体系架构包括社区技术委员会，社区用户组，企业和个人都可以签署CLA加入open gauss 社区，而且也推出了面向开发者的有奖资料捉虫活动。对于想要为open gauss共享力量的开发者，也可以直接注册gitee账号，为opengauss-bot提交issue反馈需求或bug。
印象比较深的是讲到opengauss sql命令的处理流程。
主要的流程步骤是客户端传入一条sql语句，然后链接到opengauss服务器上，从线程池中生成一个会话线程。
然后流程进入的是opengauss的SQL引擎，SQL引擎作为数据库系统的入口，主要承担了对SQL语言进行解析、优化、生成执行计划的作用，经过SQL引擎的一系列处置之后，在将执行计划交给执行引擎进行执行。
通常可以把SQL引擎分成SQL解析和查询优化两个主要的模块，opengauss的SQL引擎设计也是如此。
SQL解析部分分为：
词法分析：
openGauss采用flex和bison两个工具来完成词法分析和语法分析的主要工作。对于用户输入的每个SQL语句，它首先交由flex工具进行词法分析。flex工具通过对已经定义好的词法文件进行编译，生成词法分析的代码。
语法分析：
openGuass中定义了bison工具能够识别的语法文件gram.y，同样在Makefile中可以通过bison工具对gram.y进行编译，生成gram.cpp文件。
语义分析：
语义分析模块在词法分析和语法分析之后执行，用于检查SQL命令是否符合语义规定，能否正确执行。负责语义分析的是parse_analyze函数，位于analyze.cpp下。parse_analyze会根据词法分析和语法分析得到的语法树，生成一个ParseState结构体用于记录语义分析的状态，再调用transformStmt函数，根据不同的命令类型进行相应的处理，最后生成查询树。
查询优化模块主要分为
统计信息：
物理优化的依据，来源于表信息的统计。
行数估算：
代价估算的基础，来源于基表统计信息的推理。
代价估算：
根据关系的行数，推算出当前算子的执行代价。
路径搜索：
依据若干算子的执行代价，通过求解最优路径来进行路径搜索。
计划生成：
将查询的执行路径转换成planTree，能够输出给执行器进行查询执行。
执行引擎
关系数据库本身是对关系集合Relation的运算操作，执行引擎作为运算的控制逻辑主要是围绕着关系运算来实现的，算子可以分成以下几类：
扫描算子（Scan Plan Node）：
扫描节点负责从底层数据来源抽取数据，数据来源可能是来自文件系统，也可能来自网络。一般而言扫描节点都位于执行树的叶子节点，作为执行的数据输入来源。典型代表SeqScan、IndexScan、SubQueryScan，关键特征：输入数据、叶子节点、表达式过滤
控制算子（Control Plan Node）
控制算子一般不映射代数运算符，是为了执行器完成一些特殊的流程引入的算子，例如Limit、RecursiveUnion、Union，关键特征：用于控制数据流程
物化算子（Materialize Plan Node）
物化算子一般指算法要求，在做算子逻辑处理的时候，要求把下层的数据进行缓存处理，因为对于下层算子返回的数据量不可提前预知，因此需要在算法上考虑数据无法全部放置到内存的情况，例如Agg、Sort，关键特征：需要扫描所有数据之后才返回
连接算子（Join Plan Node）
这类算子是为了应对数据库中最常见的关联操作，根据处理算法和数据输入源的不同分成MergeJoin,SortJoin,HashJoin。关键特征：多个输入
存储引擎
主要分为：事务管理器，锁管理器，缓冲区管理器，日志管理器，存储管理器，文件管理器，最后文件管理器从磁盘上读取数据。
小结：
作为一个新兴的数据库，opengauss使用很多新的技术，相较于oracle更加灵动，但也有非常强大的性能表现。让我眼前一亮的是opengauss很重视AI自治的特性，两天的讲座也有专门一场介绍了ai4DB和DB4ai相关的知识，通过这次讲座，我对数据库的日常运维也有了新的思考。
