GreenPlum和openGauss进行简单聚合时对扫描列的区别

GreenPlum在PG优化器下针对列存表执行单列聚集时（无过滤条件），不管聚集中包含多少列，都需要将所有列扫描上来。比如select avg(id1) from t1。扫描时，不仅将id1列的数据读取出来，还会将其他列的数据也读取上来。一旦列里有变长数据，无疑会显著拖慢扫描速度。

这是怎么做到的？在哪里设置的需要读取所有列？以及为什么要这么做？

1、首先，需要知道如何确定扫描哪些列。GP的aocs_getnext函数中columScanInfo信息有投影列数和投影列数组，由此决定需要读取哪些列值：

2、接着就需要了解columScanInfo信息来自哪里

aoco_beginscan_extractcolumn函数对列进行提取，也就是targetlist和qual：

3、顺藤摸瓜，targetlist和qual来自哪里？

在SeqNext函数中，可以看到SeqScan计划节点的targetlist和qual。由此可以知道他们来自执行计划中：

4、这样，就需要知道执行计划如何生成，targetlist链表是如何初始化的

create_plan是执行计划的生成入口。如果select id1 from t1，无聚合，那么入口的flag标签是CP_EXACT_TLIST，进入create_scan_plan后，use_physical_tlist函数依据该标签立即返回false，使用build_path_tlist构建targetlist，仅获取表id1列：

plan = create_plan_recurse(root,best_path,CP_EXACT_TLIST);

plan = create_scan_plan(root,best_path,flags)

而使用select avg(id1) from t1时，执行计划的首节点是AGG：

plan = create_plan_recurse(root,best_path,CP_EXACT_TLIST);

到扫描节点处的标签是CP_LABEL_TLIST了，所以use_physical_tlist函数返回true,通过build_physical_tlist函数构建targetlist链表，该函数将所有列都构建了进去。

为什么要这么做呢？

5、openGauss的聚合下列扫描仅扫描1列，它是如何做到的？

通过create_cstorescan_plan构建targetlist，可以看到它将传进来的tlist释放掉了，通过函数build_relation_tlist重新构建，此函数构建时，仅将聚合列构建进去。