打造次世代分析型数据库（七）：向量化计算层缓存

作者介绍

azurezhao（赵阳），腾讯云数据库高级工程师，具备多年存储经验，包括文件存储、kv存储、数据库存储等。目前在腾讯专注于CDW PG数据库内核相关的研发。

1. 整体架构和设计目标

向量化计算层缓存(VectorTableSlot Cache, 下面简称VTS-Cache)。和传统的OLTP数据按行聚簇方式不同，在OLAP场景下，查询大多数是对某些列进行的，数据存储按照列式存储，查询运算时的数据也是按照列式存储，如下图所示。当前每次执行都需要去存储层读取数据，会有开销，所以考虑引入一层缓存层。但是在OLAP场景下，因为数据很大，如果使用一个类似OLTP下的BufferPool的磁盘-内存映射缓存，会因为频繁的换入换出导致缓存几乎不生效。所以考虑引入一层执行层的缓存，缓存的粒度是如下的ColumnVector，因为缓存的数据会带Qualification，所以能比较大的过滤一些数据，从而减少数据cache的量，并且支持DML，不影响数据的一致性，支持缓存的LRU淘汰机制，目前只对Estore支持，后续会考虑支持Heap表，从而为HTAP提供统一的缓存层。

2. 竞品对比

2.1 查询结果缓存（MySQL）

缓存语句，通过配置项和规则（内存大小、语句条件是否含有变量等等）将满足要求的语句和结果缓存在query_cache中，并且使用LRU规则做内存替换。

• 优点：对于前端透明，如果缓存命中，能有很大的收益。