版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/lifestxx/article/details/84973838
数据库的架构，本书是查询优化模块 src/backend/optimizer
查询优化的优势(优化器对人)：
信息不对称(内部更多：统计数据)
时效性(数据时刻在变，查询计划不是恒定的)
算力不同(人弱爆了)
查询优化分两个层次：基于规则的(RBO)；基于代价的(CBO)
逻辑优化：等价变换；
物理优化：变成最优的查询执行器的语言
逻辑优化的可能性：
例子：笛卡尔积的带条件的查询
可以变为：条件下推到表的笛卡尔乘积。
关系表达式计算量降低：需要保存的中间结果减少，从而减少CPU与IO消耗。
可以从水平和垂直方向上尽早缩小笛卡尔积的中间结果：
尽量将选择操作下推到下层节点来做；
尽量在叶子节点使用投影缩小中间结果。
但：很多情况下简单处理会导致不等价！！
物理优化的可能性：
单个表有多个查询路径(全表扫，索引，快速索引，跳表等)；多个表的连接顺序；多个连接路径。
工具：
B+树；Hash表；排序；物化
如此多的路径，如何搜索最优？
1 少的话就动态规划寻最优；
2 多的话用启发算法如遗传算法。
源码结构如上图。
plan总调度。prep预处理。path寻最优路径。