首先感谢来自tidb徐老师的讲解！此文记录一下看完视频后的读后感。
论文地址：原文
论文备份：百度云 提取码：fxde
视频地址：视频：解读论文《Everything You Always Wanted to Know About Compiled and Vectorized Queries But Were Afraid to Ask》
向量化
What？
首先，什么是向量化？这里主要运用到的是一维的向量，学过线性代数可能知道，一维的向量都是一类的，例如高度、长度、重量。我们可以用一个一维的向量表达多个object的某一个属性，表现到代码里面的就是数组。
Why？
首先要提到两个概念。
- 行存储（row store）：处于同一行的数据连续存储；比较有利于整行数据读取的操作。
- 列存储（column store）：处于同一列的数据连续存储；比较有利于列数据运算的操作。
为什么需要向量化？在关系型数据库当中，OLTP(Online Transaction Processing)数据库一般是按行存储（row store）的，意思就是同一行数据在存储空间当中是连续的。
下面会举个例子：
在下表中执行：select * from age > 15 and tall < 176
| id | name | age | tall |
|---|---|---|---|
| 1 | anker | 25 | 175 |
| 2 | john | 12 | 165 |
| 3 | andy | 33 | 178 |
非向量化代码主要是会拿到了同行的其他无用数据，这对于CPU缓存极度不友好，会造成频繁缺页（page）。
非向量化代码(golang)
func where(rows []*Row) []*Row {
var result []*Row
for _, row := range rows {
if row.age > 15 && row.tall < 176 {
result = append(result, row)
}
}
return result
}
向量化代码（golang）
func whereAge(cols []*Col) []int {
selectedCol := make([]int, 0)
for i, colValue := range cols {
if colValue > 15 {
selectedCol = append(selectedCol, i)
}
}
return selectedCol
}
func whereTall(cols []*Col, selected []int) []int {
selectedCol := make([]int, 0)
for _, index := range selected {
if cols[index].tall < 176 {
selectedCol = append(selectedCol, index)
}
}
return selectedCol
}
