MonetDB/X100 确立的 向量批执行 被 DuckDB 与 ClickHouse 共同继承；DuckDB 在并行层采用 morsel-driven（HyPer 论文传统）：Row Group 切成 morsel，线程池动态抢任务，而非静态 partition。本文从物理算子讲到 src/parallel/executor.cpp，并对照 ClickHouse 向量化（第 04 篇） 与 PostgreSQL 执行器 的 volcano 逐行模型。

版本锚定：DuckDB 1.x。

一、Volcano vs Vector vs Morsel

PostgreSQL 11+ 有部分 vectorization，但 OLTP 主路径仍是 tuple-at-a-time；DuckDB 纯分析 全路径向量 + morsel。

flowchart TB
  subgraph vol [Volcano PG]
    N1[Next tuple loop]
  end
  subgraph vec [Vector CH/DuckDB]
    B[Column batch]
    SIMD[SIMD filter/aggr]
    B --> SIMD
  end
  subgraph mor [Morsel DuckDB]
    Q[Task queue]
    W1[Worker]
    W2[Worker]
    Q --> W1
    Q --> W2
  end

二、Column Vector 与 Selection Vector

DuckDB DataChunk（概念名，源码见 src/common/types/data_chunk.cpp）持有：

• 多列 Vector；
• 行数 count；
• 可选 Selection Vector（filter 后活跃行索引，避免物理删除）。

Filter 典型路径：

1. 比较产生 SelectionVector；
2. 下游算子只处理选中行；
3. 常配合 字典编码 列避免物化。

ClickHouse ColumnUInt8 filter 类似，实现在 src/Columns/——第 04 篇 已述 Block 结构。

三、Physical Operator 与 Pipeline

物理计划树分解为 Pipeline：线性算子链 + 一个 Source + 一个 Sink。

flowchart LR
  SRC[Table Scan Source]
  F[Filter]
  P[Projection]
  H[Hash Join Probe]
  A[Hash Aggregate]
  SNK[Result Collector Sink]
  SRC --> F --> P --> H --> A --> SNK

• Pipeline breaker：Hash Join Build、Hash Aggregate 等会 Barrier——先完成 build 再 probe。
• Meta-Pipeline：复杂 JOIN 树多 pipeline 由 Executor 调度顺序。

源码入口：

• src/execution/physical_operator.cpp
• src/execution/operator/scan/physical_table_scan.cpp
• src/execution/operator/join/physical_hash_join.cpp
• src/execution/operator/aggregate/physical_hash_aggregate.cpp

4.1 划分

Table Scan 按 Row Group → morsel（默认与 Row Group 对齐或可再切）。每个 morsel 是一个 ParallelTask。

4.2 调度

TaskScheduler 维护 worker 线程；任务完成 push 新 morsel。负载均衡：慢 morsel（高 selectivity 后仍大）不阻塞快线程。

对比 ClickHouse：

• CH：max_threads + parts 级并行 + MergeTree range 读；
• DuckDB：单表 scan 也 morsel 并行，无 shard。

4.3 threads setting

超过 CPU 核数可能因 contention 变慢——须本地 benchmark，本文不给倍数。

五、Hash Join 实现要点

DuckDB 默认 hash join（无 index nested loop 对事实表大 scan 不友好）。

Build 侧：

• 向量化 insert hash table；
• 字符串用 salted hash；
• 大 build 可 external hash join spill 到 temp_directory。

Probe 侧：

• morsel 并行 probe；
• semi/anti join 优化消除不必要列。

ClickHouse ConcurrentHashJoin / grace hash 在 src/Processors/——分布式时还有 GLOBAL 广播（第 09 篇）。

六、Aggregation

6.1 单层聚合

PhysicalHashAggregate：hash table 键 = GROUP BY 列，值 = aggregate state。

6.2 两阶段 / 分区

高 cardinal GROUP BY：

• 先 partition 再 partial aggregate；
• spill 类似 join。

ClickHouse group_by_two_level_threshold 同族思路——配置（第 16 篇）。

6.3 DISTINCT

Often GROUP BY + COUNT 或专用 PhysicalDistinct——优化器 rewrite。

七、Optimizer 与 Pipeline 的衔接

src/optimizer/ 规则影响物理 plan：

• Predicate pushdown 到 scan（Parquet row group stats）；
• Join order 动态规划 / 启发式；
• Common subexpression elimination；
• Top-N 下推（LIMIT + ORDER BY）。

EXPLAIN SELECT ...;
EXPLAIN ANALYZE SELECT ...;

EXPLAIN ANALYZE 输出 实际 timing——仅本地有效，不可跨文引用具体毫秒。

八、Table Scan 与 Segment Skip

读 ColumnSegment 时：

1. 读 segment footer statistics；
2. 若 max < predicate constant → skip entire segment；
3. 否则 decompress + vector filter。

与 ClickHouse Mark Range + 跳数索引（第 07 篇） 同族 zonemap pruning。

Parquet 扫描复用 row group metadata——read_parquet 不经过 DuckDB storage 仍享 skip。

九、Spill 与内存

Settings：

OOM 时 DuckDB 尝试 spill；仍失败则报错——嵌入式 Python 需 catch。

ClickHouse OOM 见 max_memory_usage 与 经典故障（第 15 篇）。

十、并行 COPY 与 INSERT

COPY large_table FROM 'big.csv' (HEADER, DELIMITER ',');

Parser + 向量化 insert 可并行读文件——瓶颈常在磁盘或 CSV parse。

对比 ClickHouse INSERT FORMAT CSV + ingest 背压——DuckDB 单机 无 parts_to_throw_insert，但超大事务 checkpoint 压力存在。

十一、UDF 与向量边界

用户标量 UDF 若未向量化，可能 逐行回调 Python——destroy 性能。推荐：

• DuckDB 原生 SQL / 宏；
• Arrow 零拷贝接口；
• 扩展 C++ UDF。

ClickHouse 同理：Python UDF 慢于原生 executable 或 SQL。

十二、与 ClickHouse Processors 对照

读 CH 源码 src/Processors/Executors/ExecutingGraph.cpp 与 DuckDB src/parallel/executor.cpp 可感受 调度哲学差异。

十三、PostgreSQL 执行器对照

PG 执行器（第 12 篇 PG） ExecProcNode 逐 plan node 递归；DuckDB 编译为 扁平 pipeline + 向量 primitive。PG 向 OLAP 的 columnar store（cstore_fdw 等）不在 PG 核内——pg_duckdb 是旁路加速。

十四、Profiling

PRAGMA enable_profiling;
SELECT ...;
PRAGMA profiling_output = 'query.json';

Chrome trace 风格分析 morsel 并行度——工具随版本演进，以文档为准。

ClickHouse 用 query_log、trace_log（监控（第 14 篇））。

十五、实验框架（须本地执行）

15.1 并行度对比

SET threads=1;
SELECT sum(v) FROM big WHERE g > 0;
SET threads=8;
SELECT sum(v) FROM big WHERE g > 0;

记录 EXPLAIN ANALYZE 中 total time——仅本地。

15.2 Join spill

SET memory_limit='128MB';
SELECT count(*) FROM big a JOIN big b ON a.id = b.id;

观察是否 spill 或失败。

十六、小结

DuckDB 执行层 = 向量批 + morsel-driven 任务窃取；优化器把 skip 下推到 Segment/Parquet。理解 Pipeline breaker 与 spill，就理解嵌入式 OLAP 在 单机核数 上的扩展上限。

附录 A、物理算子目录（源码）

附录 B、Pipeline Breaker 列表

Hash Join Build、Hash Aggregate、Sort、部分 Window 会 barrier——先完成 build 再 probe/输出。理解 breaker 数量解释 为何某些查询并行度低。

附录 C、Grace Hash Join

Build 侧大于 memory 时分区 spill 到 temp_directory，逐分区 join。ClickHouse 类似 grace hash in processors。调小 memory_limit 可强制 spill 测试（测试库）。

附录 D、Optimizer 规则（代表性）

Filter pushdown、Join reorder、Common subexpression、Top-N pushdown、Duplicate grouping removal。EXPLAIN 输出 logical → physical 变化。

附录 E、TaskScheduler 与 work stealing

Worker 线程从队列取 morsel；慢 scan 不会阻塞快 scan 完成后的 worker 抢新 morsel——对比静态 hash partition 的 straggler 问题。

附录 F、SIMD

Filter/compare 在 vector_operations/ 使用 SIMD intrinsics——与 ClickHouse Columns SIMD 同类，具体 ISA 取决于编译 flag。

附录 G、Arrow 互操作

DuckDB 可 zero-copy 消费 Arrow _record batch——Python duckdb.query(arrow_table) 避免序列化。ClickHouse 用 Arrow format INSERT/SELECT 但跨进程。

附录 H、Preservation insertion order

preserve_insertion_order=false 允许更激进 reorder——ETL 无 ORDER BY 要求时可试，须验证结果确定性需求。

附录 I、Profiling 字段

EXPLAIN ANALYZE 给出 operator timing、cardinality estimate vs actual——estimate 偏差大时应 ANALYZE 或增统计信息（视版本）。

附录 J、对照 ClickHouse Processors

读 CH ExecutingGraph.cpp 与 DuckDB executor.cpp 对照加深理解。

附录 K、Union / Except pipeline

Set 操作可能 materialize 一侧——breaker。EXPLAIN 看是否 PhysicalUnion。

附录 L、CTE 与物化

大 WITH 可能被 inline 或 materialize——MATERIALIZED hint 语法查版本。错误 materialize 增加内存。

附录 M、Window 函数执行

Window 常 sort + partition pipeline——ROWS BETWEEN 需 buffer 帧。高 parallel window 受限。

附录 N、Pivot / unpivot

PIVOT SQL 语法糖重写 aggregate+join——计划仍 hash aggregate 为主。

附录 O、Sample

USING SAMPLE 表采样——快速近似，不保证跨 run 相同 seed 除非固定。

附录 P、Copy 并行解析

CSV parallel=true 多线程读文件 split——需行边界正确。Parquet copy 列并行。

附录 Q、Index ART（可选）

DuckDB ART index 加速点查——OLAP 全 scan 仍主路径。ClickHouse 稀疏索引不同机制。

附录 R、Subquery decorrelation

相关子查询 rewrite 为 join——优化失败则 correlated loop 慢。改写为 explicit join 常稳。

附录 S、Prepared statement

参数化重复查询 cache plan——嵌入式应用推荐。

附录 T、Error 与 OOM 消息

Out of Memory Error: could not allocate block of size ... — 降 threads、增 limit 或 spill path。

附录 · 深度补充（系列交叉索引）

深度 1

第 12 章与系列其它篇章的交叉：读路径见 第 05 篇；merge 见 第 06 篇；索引见 第 07 篇；副本见 第 08 篇；Distributed 见 第 09 篇；监控见 第 14 篇；故障见 第 15 篇；配置见 第 16 篇。 实施任何 setting 变更前，在 staging 用 system.parts / query_log 建立 24h 基线，变更后再对比——避免无证据调参。

深度 2

第 12 章与系列其它篇章的交叉：读路径见 第 05 篇；merge 见 第 06 篇；索引见 第 07 篇；副本见 第 08 篇；Distributed 见 第 09 篇；监控见 第 14 篇；故障见 第 15 篇；配置见 第 16 篇。 实施任何 setting 变更前，在 staging 用 system.parts / query_log 建立 24h 基线，变更后再对比——避免无证据调参。

深度 3

第 12 章与系列其它篇章的交叉：读路径见 第 05 篇；merge 见 第 06 篇；索引见 第 07 篇；副本见 第 08 篇；Distributed 见 第 09 篇；监控见 第 14 篇；故障见 第 15 篇；配置见 第 16 篇。 实施任何 setting 变更前，在 staging 用 system.parts / query_log 建立 24h 基线，变更后再对比——避免无证据调参。

深度 4

第 12 章与系列其它篇章的交叉：读路径见 第 05 篇；merge 见 第 06 篇；索引见 第 07 篇；副本见 第 08 篇；Distributed 见 第 09 篇；监控见 第 14 篇；故障见 第 15 篇；配置见 第 16 篇。 实施任何 setting 变更前，在 staging 用 system.parts / query_log 建立 24h 基线，变更后再对比——避免无证据调参。

深度 5

第 12 章与系列其它篇章的交叉：读路径见 第 05 篇；merge 见 第 06 篇；索引见 第 07 篇；副本见 第 08 篇；Distributed 见 第 09 篇；监控见 第 14 篇；故障见 第 15 篇；配置见 第 16 篇。 实施任何 setting 变更前，在 staging 用 system.parts / query_log 建立 24h 基线，变更后再对比——避免无证据调参。

深度 6

第 12 章与系列其它篇章的交叉：读路径见 第 05 篇；merge 见 第 06 篇；索引见 第 07 篇；副本见 第 08 篇；Distributed 见 第 09 篇；监控见 第 14 篇；故障见 第 15 篇；配置见 第 16 篇。 实施任何 setting 变更前，在 staging 用 system.parts / query_log 建立 24h 基线，变更后再对比——避免无证据调参。

深度 7

第 12 章与系列其它篇章的交叉：读路径见 第 05 篇；merge 见 第 06 篇；索引见 第 07 篇；副本见 第 08 篇；Distributed 见 第 09 篇；监控见 第 14 篇；故障见 第 15 篇；配置见 第 16 篇。 实施任何 setting 变更前，在 staging 用 system.parts / query_log 建立 24h 基线，变更后再对比——避免无证据调参。

深度 8

第 12 章与系列其它篇章的交叉：读路径见 第 05 篇；merge 见 第 06 篇；索引见 第 07 篇；副本见 第 08 篇；Distributed 见 第 09 篇；监控见 第 14 篇；故障见 第 15 篇；配置见 第 16 篇。 实施任何 setting 变更前，在 staging 用 system.parts / query_log 建立 24h 基线，变更后再对比——避免无证据调参。

深度 9

第 12 章与系列其它篇章的交叉：读路径见 第 05 篇；merge 见 第 06 篇；索引见 第 07 篇；副本见 第 08 篇；Distributed 见 第 09 篇；监控见 第 14 篇；故障见 第 15 篇；配置见 第 16 篇。 实施任何 setting 变更前，在 staging 用 system.parts / query_log 建立 24h 基线，变更后再对比——避免无证据调参。

深度 10

第 12 章与系列其它篇章的交叉：读路径见 第 05 篇；merge 见 第 06 篇；索引见 第 07 篇；副本见 第 08 篇；Distributed 见 第 09 篇；监控见 第 14 篇；故障见 第 15 篇；配置见 第 16 篇。 实施任何 setting 变更前，在 staging 用 system.parts / query_log 建立 24h 基线，变更后再对比——避免无证据调参。

深度 11

第 12 章与系列其它篇章的交叉：读路径见 第 05 篇；merge 见 第 06 篇；索引见 第 07 篇；副本见 第 08 篇；Distributed 见 第 09 篇；监控见 第 14 篇；故障见 第 15 篇；配置见 第 16 篇。 实施任何 setting 变更前，在 staging 用 system.parts / query_log 建立 24h 基线，变更后再对比——避免无证据调参。

深度 12

第 12 章与系列其它篇章的交叉：读路径见 第 05 篇；merge 见 第 06 篇；索引见 第 07 篇；副本见 第 08 篇；Distributed 见 第 09 篇；监控见 第 14 篇；故障见 第 15 篇；配置见 第 16 篇。 实施任何 setting 变更前，在 staging 用 system.parts / query_log 建立 24h 基线，变更后再对比——避免无证据调参。

深度 13

第 12 章与系列其它篇章的交叉：读路径见 第 05 篇；merge 见 第 06 篇；索引见 第 07 篇；副本见 第 08 篇；Distributed 见 第 09 篇；监控见 第 14 篇；故障见 第 15 篇；配置见 第 16 篇。 实施任何 setting 变更前，在 staging 用 system.parts / query_log 建立 24h 基线，变更后再对比——避免无证据调参。

深度 14

第 12 章与系列其它篇章的交叉：读路径见 第 05 篇；merge 见 第 06 篇；索引见 第 07 篇；副本见 第 08 篇；Distributed 见 第 09 篇；监控见 第 14 篇；故障见 第 15 篇；配置见 第 16 篇。 实施任何 setting 变更前，在 staging 用 system.parts / query_log 建立 24h 基线，变更后再对比——避免无证据调参。

深度 15

第 12 章与系列其它篇章的交叉：读路径见 第 05 篇；merge 见 第 06 篇；索引见 第 07 篇；副本见 第 08 篇；Distributed 见 第 09 篇；监控见 第 14 篇；故障见 第 15 篇；配置见 第 16 篇。 实施任何 setting 变更前，在 staging 用 system.parts / query_log 建立 24h 基线，变更后再对比——避免无证据调参。

深度 16

第 12 章与系列其它篇章的交叉：读路径见 第 05 篇；merge 见 第 06 篇；索引见 第 07 篇；副本见 第 08 篇；Distributed 见 第 09 篇；监控见 第 14 篇；故障见 第 15 篇；配置见 第 16 篇。 实施任何 setting 变更前，在 staging 用 system.parts / query_log 建立 24h 基线，变更后再对比——避免无证据调参。

深度 17

第 12 章与系列其它篇章的交叉：读路径见 第 05 篇；merge 见 第 06 篇；索引见 第 07 篇；副本见 第 08 篇；Distributed 见 第 09 篇；监控见 第 14 篇；故障见 第 15 篇；配置见 第 16 篇。 实施任何 setting 变更前，在 staging 用 system.parts / query_log 建立 24h 基线，变更后再对比——避免无证据调参。

深度 18

第 12 章与系列其它篇章的交叉：读路径见 第 05 篇；merge 见 第 06 篇；索引见 第 07 篇；副本见 第 08 篇；Distributed 见 第 09 篇；监控见 第 14 篇；故障见 第 15 篇；配置见 第 16 篇。 实施任何 setting 变更前，在 staging 用 system.parts / query_log 建立 24h 基线，变更后再对比——避免无证据调参。

深度 19

第 12 章与系列其它篇章的交叉：读路径见 第 05 篇；merge 见 第 06 篇；索引见 第 07 篇；副本见 第 08 篇；Distributed 见 第 09 篇；监控见 第 14 篇；故障见 第 15 篇；配置见 第 16 篇。 实施任何 setting 变更前，在 staging 用 system.parts / query_log 建立 24h 基线，变更后再对比——避免无证据调参。

深度 20

第 12 章与系列其它篇章的交叉：读路径见 第 05 篇；merge 见 第 06 篇；索引见 第 07 篇；副本见 第 08 篇；Distributed 见 第 09 篇；监控见 第 14 篇；故障见 第 15 篇；配置见 第 16 篇。 实施任何 setting 变更前，在 staging 用 system.parts / query_log 建立 24h 基线，变更后再对比——避免无证据调参。

深度 21

第 12 章与系列其它篇章的交叉：读路径见 第 05 篇；merge 见 第 06 篇；索引见 第 07 篇；副本见 第 08 篇；Distributed 见 第 09 篇；监控见 第 14 篇；故障见 第 15 篇；配置见 第 16 篇。 实施任何 setting 变更前，在 staging 用 system.parts / query_log 建立 24h 基线，变更后再对比——避免无证据调参。

深度 22

第 12 章与系列其它篇章的交叉：读路径见 第 05 篇；merge 见 第 06 篇；索引见 第 07 篇；副本见 第 08 篇；Distributed 见 第 09 篇；监控见 第 14 篇；故障见 第 15 篇；配置见 第 16 篇。 实施任何 setting 变更前，在 staging 用 system.parts / query_log 建立 24h 基线，变更后再对比——避免无证据调参。

深度 23

第 12 章与系列其它篇章的交叉：读路径见 第 05 篇；merge 见 第 06 篇；索引见 第 07 篇；副本见 第 08 篇；Distributed 见 第 09 篇；监控见 第 14 篇；故障见 第 15 篇；配置见 第 16 篇。 实施任何 setting 变更前，在 staging 用 system.parts / query_log 建立 24h 基线，变更后再对比——避免无证据调参。

深度 24

第 12 章与系列其它篇章的交叉：读路径见 第 05 篇；merge 见 第 06 篇；索引见 第 07 篇；副本见 第 08 篇；Distributed 见 第 09 篇；监控见 第 14 篇；故障见 第 15 篇；配置见 第 16 篇。 实施任何 setting 变更前，在 staging 用 system.parts / query_log 建立 24h 基线，变更后再对比——避免无证据调参。

附录 · 工程深化索引

深化 1：Morsel 大小与 cache

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 2：Pipeline 打断与 reschedule

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 3：并行 worker 窃取

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 4：Hash join 内存 spill

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 5：Aggregate hash table

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 6：Filter 向量化

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 7：Expression 求值

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 8：Physical plan 缓存

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 9：Prepared statement

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 10：EXPLAIN ANALYZE

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 11：Profiling 输出

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 12：SIMD 实现入口

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 13：Vector 类型系统

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 14：Chunk 生命周期

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 15：Operator 接口

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 16：Pipeline executor

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 17：Task scheduler

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 18：NUMA 无关设计

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 19：单线程 fallback

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 20：与 CH Processors 对照

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 21：向量化 volcano 差异

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 22：批大小 2048 默认

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 23：并行度 SET threads

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 24：I/O 预取

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 25：外部 sort merge

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 26：Morsel 大小与 cache

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 27：Pipeline 打断与 reschedule

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 28：并行 worker 窃取

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 29：Hash join 内存 spill

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 30：Aggregate hash table

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 31：Filter 向量化

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 32：Expression 求值

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 33：Physical plan 缓存

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

深化 34：Prepared statement

flowchart LR
  Q[查询/写入] --> P[parts 状态]
  P --> M[merge 后台]
  M --> MON[system.merges]
  MON --> CFG[配置调优]

上一篇：DuckDB 架构

下一篇：ClickHouse vs DuckDB 选型

参考资料

1. DuckDB Documentation, Execution, Parallelism, 1.x
2. DuckDB Source, src/execution/, src/parallel/
3. Boncz et al., MonetDB/X100: Hyper-Pipelining Query Execution, CIDR 2005
4. Leis et al., Morsel-Driven Parallelism, SIGMOD 2014
5. ClickHouse Source, src/Processors/ — 对照