Page 263 - 《软件学报》2026年第3期

1226 软件学报 2026 年第 37 卷第 3 期

(solid state drives), the performance bottleneck in disk-based databases has shifted towards optimizing CPU utilization and memory
management. However, current database query execution often relies on interpreted methods, leading to numerous virtual function calls,
context switches, and cache misses. This limits the ability of modern CPUs to fully utilize their pipelines and cache mechanisms, resulting
in inefficient query execution, particularly in scenarios involving large datasets and complex queries. To address these issues, this study
proposes several just-in-time (JIT) compilation optimization strategies for traditional interpreted database execution, validated through
experiments on MySQL. First, an approach is presented wherein the LLVM (low level virtual machine) compiler is used to convert SQL
predicates into machine code at runtime, replacing the interpretation method to reduce the overhead of virtual function calls and context
switching. Next, a hybrid compilation and interpretation approach is introduced to extend the applicability of JIT execution. Finally, a
query pushdown strategy is designed for pluggable database system architectures, enabling the transfer of JIT-compiled machine code to
the storage engine layer to reduce unnecessary data transfer and computational overhead. Experimental results show that enabling JIT
compilation significantly enhances MySQL’s query performance. Notably, for complex queries and large datasets, the JIT-compiled system
reduces CPU load and memory usage, leading to substantial improvements in system response speed and throughput. In TPC-H-like tests,
compared to the native MySQL version, the optimized system shows performance gains of up to 148%.
Key words: just-in-time (JIT) compilation; hybrid compilation and execution; query optimization; predicate pushdown; pluggable architecture
optimization
随着信息技术的迅猛发展, 数据的规模与复杂性呈现出指数级增长, 尤其是在大数据、人工智能和物联网等
领域, 数据的生成与处理已成为技术革新的核心. 数据库作为数据存储与处理的核心, 其性能和效率直接关系到信
息化社会的运行效率. 在数据处理过程中, 磁盘 I/O 往往是系统性能瓶颈. 得益于近些年来存储技术的飞速发展,
内存容量显著提升, SSD (solid state drive) 固态硬盘价格大幅下降从而逐渐替代传统硬盘, 从根本上缓解了 I/O 带
来的问题. 因此, 数据库的性能瓶颈逐渐转向了 CPU 利用和内存管理方面的效率问题. 现代数据库系统要应对这
一挑战, 需要更高效地利用计算资源、优化数据访问和处理方式. 目前数据库的查询执行大多仍采用 Volcano 模
型 [1] 的解释执行方式. 系统将查询语句转换成由操作算子通过 GetNext 方法组合形成的查询执行树, 执行器采用
迭代器机制, 通过 GetNext 方法按需从当前方法获取下一批数据. 每个运算符会向下游的子节点请求数据, 直到获
取到满足条件的数据或子节点返回“无数据”. 这个查询处理机制导致了大量的虚函数调用、上下文切换和高速缓
存未命中 [2] . 在现代硬件环境中, 特别是在处理复杂查询时, 其性能瓶颈愈发明显. 每次执行查询时, 系统会频繁地
递归调用 GetNext 方法拉取数据, 执行相关计算. 频繁的虚函数调用带来的上下文切换使得系统无法充分利用现
代 CPU 的流水线和缓存机制, 造成查询执行效率的低下, 尤其在大规模数据集上, 性能问题尤为突出. 因此, 如何
减少虚函数调用, 优化计算过程, 成为现代数据库引擎亟待解决的问题之一.
近些年, JIT (just-in-time) 编译技术在数据库中愈发流行 [3−7] . JIT 编译通过将查询操作转化为机器码, 在查询
执行过程中动态生成优化后的可执行代码, 避免了传统解释执行带来的指令开销和函数调用开销. 与静态编译不
同, JIT 编译能够根据代码实际执行路径和硬件环境的特点进行针对性优化, 如选择最优查询执行计划、内存优化、
提升跨平台兼容等, 从而在查询执行时提升代码的执行效率. 这种优化方式不仅能有效减少解释执行带来的开销,
还能针对具体的查询逻辑和硬件特性进行定制化优化, 显著提高复杂查询的处理性能 [8] . JIT 编译技术尤其适用于
内存数据库和计算密集型任务, 能大幅提高数据库系统的吞吐量和响应速度.
鉴于以上研究背景, 本文针对传统 Volcano 引擎数据库提出若干 JIT 编译优化方案. 并在 MySQL 数据库 [9] 上
验证了技术可行性. 主要贡献如下.
(1) 基于 LLVM (low level virtual machine) 编译器 [10] , 提出一种非侵入式 JIT 实时代码生成技术, 并保留系统
原有的解释执行机制, 使得解释执行与 JIT 编译能够共存. 优化器根据查询执行代价自动选择最合适的执行方式,
为事务型与分析型场景融合提供一个可行的解决方案.
(2) 提出一种混合执行模式, 允许在同一个查询中同时存在编译与解释执行模式. 对不支持的查询树子树以函
数调用的方式嵌入到生成代码中, 规避朴素 JIT 代码生成机制在子节点包含不支持的函数或数据类型的时候切换
回解释执行模式, 浪费前置查询树节点的代码生成时间.
(3) 可插拔特性为数据库系统提供了灵活的数据存储选择, 但额外引入的中间层接口给数据传输带来不可忽