2. 聚合查询性能模型：理解聚合算子（HashAgg、SortAgg）的执行模型与代价模型

聚合查询是数据库中最常见的性能瓶颈场景之一。在尾延迟压测中，聚合算子的选择直接决定了查询的响应时间分布。本章深入剖析两种核心聚合算子——HashAgg 与 SortAgg 的执行模型与代价模型，为后续调优提供理论基础。

2.1 聚合算子执行模型对比

HashAgg 与 SortAgg 在内存使用、计算路径和适用场景上存在本质差异。下表从关键维度进行对比：

2.2 HashAgg 执行模型与代价分析

HashAgg 的执行分为三个阶段：构建哈希表 → 聚合计算 → 结果输出。其代价模型主要由以下因素决定：

• 哈希计算代价： 每个输入行计算分组键的哈希值，复杂度 O(1) 但存在 CPU 开销。
• 冲突解决代价： 哈希冲突导致链表遍历或开放寻址，冲突率随负载因子上升。
• 内存分配代价： 哈希表初始化和扩容操作，涉及内存分配与数据重哈希。
• 磁盘溢出代价： 当内存不足时，部分哈希表写入磁盘，后续读取产生 I/O 抖动。

HashAgg 的总代价可近似表示为：

Cost_HashAgg = N * (C_hash + C_conflict) + M * C_mem + O_disk * C_io

其中：N 为输入行数，C_hash 为单行哈希计算代价，C_conflict 为平均冲突处理代价，M 为哈希表大小，O_disk 为溢出数据量。

2.3 SortAgg 执行模型与代价分析

SortAgg 的执行分为两个阶段：排序 → 顺序聚合。其代价模型更依赖于排序操作的效率：

• 排序代价： 基于输入数据量 N 和排序算法复杂度 O(N log N)。
• 内存排序代价： 当数据量小于 work_mem 时，完全在内存中完成快速排序。
• 外部排序代价： 数据量超过内存时，触发归并排序，产生多次磁盘读写。
• 顺序聚合代价： 排序完成后，仅需一次线性扫描即可完成分组聚合，代价 O(N)。

SortAgg 的总代价可近似表示为：

Cost_SortAgg = N * log(N) * C_sort + N * C_agg + O_merge * C_io

其中：C_sort 为单次比较交换代价，C_agg 为单行聚合计算代价，O_merge 为外部归并的 I/O 次数。

2.4 聚合算子选择决策流程

下图展示了数据库优化器在选择聚合算子时的典型决策路径：

2.5 代价模型关键参数与压测指标

在尾延迟压测中，以下参数直接影响聚合算子的性能表现：

2.6 执行模型对尾延迟的直接影响

从执行模型角度，两种算子在尾延迟上的差异可归纳为：

• HashAgg 的尾延迟特征： 正常情况延迟较低，但遇到哈希冲突链过长或磁盘溢出时，延迟出现突发尖峰，形成“长尾”。压测中表现为 P99 突然跳变。
• SortAgg 的尾延迟特征： 排序阶段延迟相对均匀，外部归并排序的 I/O 行为可预测，尾延迟分布更集中，P99 与 P50 的比值通常较小。
• 混合场景： 部分数据库支持 Hybrid Agg，先使用 HashAgg 在内存中聚合部分数据，溢出后转为 SortAgg，但切换过程本身可能引入额外延迟抖动。