0 介绍
最近开始接触一个战斗民族开发的列式数据库ClickHouse，它是一个高性能的OLAP，根据一些测试，它的查询效率达到mysql的数十到数百倍。那么至于它的性能为何如此之高，一个很重要的优化就是它实现了向量化计算和编译执行，这里介绍几篇文章解释这两个优化操作。
1 火山模型
在谈优化之前，不妨先读一下这篇文章火山模型介绍。火山模型的缺点在于每次都是计算一个 tuple（Tuple-at-a-time），这样会造成多次operator节点调用 next ，也就是造成大量的虚函数调用，这样会造成 CPU 的利用率不高。
2 向量化计算和编译执行
这篇文章向量化与编译执行浅析讲的很好。
火山模型是一个拉取模型，编译执行则实现了一个推送执行模型，它利用LLVM生成中间语言，自底向上将tuple留在寄存器中，每个Operator直接处理寄存器中的数据。
至于向量化计算则比较容易理解，它依然采用类似火山模型的拉取式模型，唯一的区别是其Operator的next()函数每次返回的是一批数据。通过使用SIMD（Single Instruction Multiple Data，单指令流多数据流），SIMD 可以在一条 CPU 指令上处理 2、4、8 或者更多份的数据，这样大大提升了效率。
这两种方法是不兼容的，不过也有系统实现了兼容。ClickHouse是如何实现的，我后面研究研究。