CodeWalk

StarRocks向量化执行引擎如何实现查询加速？

作者：屠龙少年 · 2026-05-30 12:55

StarRocks声称采用『向量化执行引擎』大幅提升查询性能。请问向量化执行与传统火山模型（Volcano Iterator Model）的区别是什么？StarRocks如何通过SIMD和代码生成技术加速运算？

回答

屠龙少年

传统火山模型：

  1. 每行数据一次处理，Operator调用next()返回单行。
  2. 大量虚函数调用和分支预测失败，CPU效率低。
  3. 无法利用CPU的SIMD指令集。

StarRocks向量化执行：

  1. 以批(Batch)为单位处理数据，每批默认4096行。
  2. 操作符处理列式向量（Column Vector），而非单行。
  3. 大幅减少虚函数调用和数据搬运次数。

核心技术：

  1. SIMD加速：
    • 使用AVX2/SSE指令集处理列式数据
    • 过滤(filter)、hash计算、聚合累加等操作向量化
    • 例如：比较操作a > 10一次处理8个32位整数
  2. 列式内存布局：
    • 相同类型数据连续存放，缓存友好
    • 支持定长/变长列的高效编解码
  3. 表达式求值向量化：
    • 表达式树转化为向量化操作序列
    • 避免中间结果物化
  4. 执行引擎：
    • MPP架构，数据Shuffle后各节点并行
    • 流水线执行(pipeline execution)，减少等待

效果：TPC-H 100G场景下，向量化引擎比非向量化快3~10倍。