优化器是关系数据库的一个重要而有特色的部分，优化器的理论和实践也多半也都很复杂，本系列文章希望通过解析MySQL优化器，来用好MySQL,扬其长，避其短。顺便也一窥关系数据库优化器的实现思路。文章将重点介绍重要的数据结构和数据结构之间的关系，而不是侧重于代码(“Bad programmers worry about the code. Good programmers worry about data structures and their relationships.”)。
0 写在前面
本文解决了什么问题：希望通过这些文章能够帮你更加顺畅的理解MySQL优化器的行为；在你阅读MySQL源代码之前了解更多的背后思路。
本文不解决什么问题：教你如何读懂源代码；
这个系列很长,大概按这样的思路进行下去: 基本的数据结构、语法解析、JOIN的主要算法、JOIN顺序和单表访问。数据结构(以及他们的关系)和算法流程总是相互穿插介绍。
建议阅读：参考文献中的文章和书籍，都建议在阅读本文之前阅读。
1 SQL语句解析基础
1.1 语法解析基础/Flex与Bison
MySQL语法解析封装在函数MYSQLparser中完成。跟其他的语法解析器一样，它包含两个模块：词法分析(Lexical scanner)和语法规则(Grammar rule module)。词法分析将整个SQL语句打碎成一个个单词(Token)，而语法规则模块则根据MySQL定义的语法规则生成对应的数据结构，并存储在对象THD->LEX结构当中。最后优化器，根据这里的数据，生成执行计划，再调用存储引擎接口执行。
词法分析和语法规则模块有两个较成熟的开源工具Flex和Bison分别用来解决这两个问题。MySQL处于性能和灵活考虑，选择了自己完成词法解析部分，语法规则部分使用Bison。词法解析和Bison沟通的核心函数是由词法解析器提供的函数接口yylex()，在Bison中，必要的时候调用yylex()获得词法解析的数据，完成自己的语法解析。Bison的入口时yyparse()，在MySQL中是，MYSQLParse。
如果对词法分析和语法规则模块感到陌生，建议阅读参考文献[4][5][6]先注1，否则很难理解整个架构，或者至少会有很强的断层感。而且，根据Bison的Action追踪MySQL数据的存储结构是很有效的。
1.2 MySQL语法解析Sample与示意图
简单的解析过程可以使用下面的示意图说明：
具体的解析一个SQL语句的WHERE部分:
2 SQL语句到MySQL的内部对象
Bison在做语法解析后，会将解析结果(一颗解析树/AST)存储在THD::LEX中。这里将通过考察存储WHERE的数据结构来查看语法解析的结果。
2.1 著名的Item对象
在了解MySQL的解析树之前，我们需要先来认识一个重要的数据结构Item。这是一个基础对象，在优化器部分代码，满地都是。在MySQL Internal Manual中也单独介绍：The Item Class。
Item是一个基础类，在他的基础上派生了很多子孙。这些子类基本描述所有SQL语句中的对象，他们包括：
- 一个文本字符串/数值对象
- 一个数据表的某一列(例如，select c1,c2 from dual…中的c1，c2)
- 一个比较动作，例如c1>10
- 一个WHERE子句的所有信息
- ……
可以看到，Item基本上代码SQL语句中的所有对象。在语法解析树中，这些Item以一颗树的形式存在。示意图如下：
2.2 Bison语法中的WHERE
从SELECT子句开始，我们看到对应的where_clause就是我们关注的WHERE：
我们来看看Bison中的几个重要的Action参考注1：
where_clause:
/* empty */ {}
| WHERE expr
{
THD->lex->current_select->where = $2
}
expr:
...
| expr and expr
{
$$ = new (YYTHD->mem_root) Item_cond_and($1, $3)
}
|ident comp_op NUM /*这一行并不是源码的一部分，便于理解简化如此*/
{
$$ = new Item_func_ge(a, b); /*这一行并不是源码的一部分，便于理解简化如此*/
}
根据这里的Bison语法，就可以生产上面的WHERE语法树了。如果你是和我一样刚刚了解Flex/Bison/AST，一定也会决定很巧妙！
2.3 WHERE的数据结构和他们之间的关系
绘制了下面的关系图用来描述WHERE和WHERE解析树的各个分支：
例如WHERE条件WHERE c1=”orczhou” and c2 > 10，WHERE本身(lex->select->where)就是一个Item_cond_and对象，这个对象中有一个Item List，将List中每一个Item的值做AND运输，也就是这个WHERE的取值了。
这里，WHERE的List中有两个Item对象，分别代表了c1=”orczhou”和c2 > 10。具体的，这两个对象的类型分别是Item_func_eq和Item_func_gt。
再单独看看Item_func_gt(代表c2 > 10)对象，这个对象由Item_func派生而来(当然追根朔源都是Item的孩儿们)，这个对象有成员：Item **args。args则存放了比较操作需要使用的Item。
对于c2 > 10，这个不等式中有两个Item，分别代表字段c2和整数10，存储这两个对象的类型分别是：Item_field和Item_int。
2.4 通过GDB打印WHERE对象
WHERE条件是：WHERE id = 531389273 AND reg_date > ’2012-02-12 09′;
打印WHERE中的List
(gdb) p ((Item_cond *)select_lex->where)->list
$13 = {
<base_list> = {
<Sql_alloc> = {<No data fields>},
members of base_list:
first = 0x7f5bbc005860,
last = 0x7f5bbc005870,
elements = 2
}
因为WHERE有两个判断，所以这里list中有两个元素。
打印list中的第一个判断(id = 531389273)
(gdb) p *(Item_func *)((Item_cond *)select_lex->where)->list->first->info
$69 = {
<Item_result_field> = {
<Item> = {
......
next = 0x7f2134005320,
......
},
......
},
members of Item_func:
args = 0x7f2134005420,
tmp_arg = {0x7f2134005228, 0x7f2134005320},
arg_count = 2,
.......
}
这里等于操作有两个操作元素(arg_count=2)，并以数组的形式存储在args中
打印上面等式的第一个对象(也就是id)
打印第一个Item的类型
p ((Item_func *)((Item_cond *)select_lex->where)->list->first->info)->args[0]->type()
$74 = Item::FIELD_ITEM
将第一个Item转换成正确的类型再打印
p *(Item_field *)((Item_func *)((Item_cond *)select_lex->where)->list->first->info)->args[0]
$78 = {
<Item_ident> = {
<Item> = {
.......
name = 0x7f2134005208 "id",
......
},
......
members of Item_ident:
orig_field_name = 0x7f2134005208 "id",
field_name = 0x7f2134005208 "id",
.......
},
members of Item_field:
field = 0x0,
result_field = 0x0,
.......
}
可以看到这里的id对象的类型是Item::FIELD_ITEM，也就是Item_field类型。
3 关于Item对象
继续从存储WHERE的Item_cond_and对象开始：
(点击可以查看大图)
看到Item_cond_and的继承关系：Item_cond->Item_bool_func->……->Item_result_filed->Item
Item一个很重要的成员函数就是type，所以在gdb的时候如果不清楚Item的类型，可以调用该方法确定：
(gdb) p ((*(Item_func *)thd->lex->current_select->where)->tmp_arg[0])->type() $42 = Item::FIELD_ITEM
这篇文章就到这吧，希望能够继续下去。
Pingback: MySQL源代码：从SQL语句到MySQL内部对象 – 山海的TechShare