tidb contributor

近年来国产数据库进行的如火如荼，目前做的比较好的一个是PingCAP的TIDB，一个是阿里的OceanBase。

我对数据库的理解谈不上深刻，但是我认为，数据库一定要是个产品，有企业愿意用，这样才能实现他的价值和有动力迭代。不同的是，OB走的是闭源路线，在支撑内部电商业务的同时，商业化也做的不错。而TIDB走的是开源路线。

为什么开源，引用PingCAP的一句话：

对一个技术型公司来说，最宝贵的资产其实是人，对一个开源项目来说，最核心的资产是一个活跃的开源社区以及他人对这个项目的认可。

这正是开源的意义，我也做过一部分开源工作，而TIDB正是这一切的开始。

本科时代，由于项目的规模有限，基本没机会参与到协同开发这一步骤，每个人单打独斗，你写的是图书管理系统，我写的是教务管理系统，这种系统的代码量靠一个人是可以搞定的，所以对于划水选手而言，也就懒得去探索github，了解git。但是当面临团队开发的时候，git便是你逃避不了的话题。可以说，在社区做贡献的同时，也让我学习到这些知识，后来我发表了一篇小论文，就是基于github提供的用户历史数据做推荐，当然这个工作更偏向于数据分析的工作，但是也是tidb的那次经历给的启发。

接下来来谈谈这个contribute–表达式向量化

TIDB为了鼓励参与，在很简单的向量化这里留下了很多口子，对于小白来说非常友好。

如何访问和修改向量

在TIDB中有变长类型和定长类型，有如下读写方式：

• 定长类型(int64为例)
  • ResizeInt64s(size, isNull)：预分配 size 个元素的空间，并把所有位置的 null 标记都设置为 isNull；
  • Int64s()：返回一个 []int64 的 Slice，用于直接读写数据；
  • SetNull(rowID, isNull)：标记第 rowID 行为 isNull。
• 变长类型(String为例)
  • ReserveString(size)：预估 size 个元素的空间，并预先分配内存；
  • AppendNull()：追加一个 null 到向量末尾；
  • GetString(rowID)：读取下标为 rowID 的 string 数据。

向量表达式计算框架

向量化的计算接口

vectorized() bool
vecEvalXType(input *Chunk, result *Column) error

• xType：类型
• input：输入数据，类型为\*Chunk
• result存放结果数据。

对于任意表达式，只有在其中所有的函数都支持向量化后，才认为表达式支持向量化。

为函数实现向量化接口

向量化需要实现vecEvalXType()和vectorized接口

• 在 vectorized() 接口中返回 true ，表示该函数已经实现向量化计算；
• 在 vecEvalXType() 实现此函数的计算逻辑。

向量化的代码存放在_vec.go中，文件头加上licence说明。

以下是代码：

func (b *builtinMicroSecondSig) vectorized() bool {
	return false
	return true
}

func (b *builtinMicroSecondSig) vecEvalInt(input *chunk.Chunk, result *chunk.Column) error {
	return errors.Errorf("not implemented")
	n := input.NumRows()
	buf, err := b.bufAllocator.get(types.ETDuration, n)
	if err != nil {
		return err
	}
	defer b.bufAllocator.put(buf)
	if err = b.args[0].VecEvalDuration(b.ctx, input, buf); err != nil {
		return err
	}

	result.ResizeInt64(n, false)
	result.MergeNulls(buf)
	i64s := result.Int64s()
	ds := buf.GoDurations()
	for i := 0; i < n; i++ {
		if result.IsNull(i) {
			continue
		}
		i64s[i] = int64((ds[i] % time.Second) / time.Microsecond)
	}
	return nil
}

PR链接

就是这么简单，最后还送了一个马克杯，和一个勋章。