為什麼向量化可以減少虛函式的使用？
矢量化查詢對於獲得高性能的分析系統非常有幫助。
我知道向量化可以對值塊（SIMD 指令）執行所有操作，而不是一次解釋查詢表達式元組。
但是我怎麼能理解，向量化可以減少虛函式的成本呢？
當我讀到慕尼黑工業大學的一篇論文時，我想到了這個問題：
數據塊：混合 OLTP 和 OLAP 在使用矢量化和編譯的壓縮儲存上
查詢評估效率的飛躍通常是通過使用向量化執行來實現的，其中所有操作都在值塊上執行，而不是一次解釋查詢表達式元組。其效果是減少了解釋成本，因為實現逐塊操作的虛擬函式在每個函式呼叫處理數千個元組，並且這些函式實現內部的塊循環受益於許多循環驅動的編譯器優化，包括自動生成 SIMD 指令。
這種公式也可以在其他 DBMS 論文中找到，因為矢量化是一種流行的方式。
這個問題與一般 DBMS 相關，TUM 的論文與 相關
HyPer，這是一個不太“有名”的 DBMS。我很高興收到任何類型的例子和解釋。如果我的表述有誤，請隨時編輯。
瀏覽論文，聽起來答案很簡單：
- 對於“基於行的”（非矢量化）操作，用於處理查詢結果的（虛擬）函式必須每行呼叫一次。
- 對於“基於批處理的”（矢量化）操作，（虛擬）函式每批處理呼叫一次，然後可以在虛擬函式實現中執行優化循環（通過減少呼叫這些函式的次數來減少虛擬函式成本）
您提到的報價中大部分都涵蓋了
…實現逐塊操作的虛擬函式在每個函式呼叫中處理數千個元組…
呼叫一次函式來處理數千行，比呼叫函式數千次（每行一次）要便宜得多。
在任何程序中，呼叫函式都有成本，尤其是虛函式（在查找表中查找實際函式實現的地址，錯過某些編譯時優化，因為實際實現函式直到執行時才知道，等等 - 請參閱在 C++ 中，虛函式為什麼以及如何變慢？有關虛函式成本的更多討論）。
查看 SQL Server 的基於批處理的查詢處理的實現（我意識到這篇論文是關於 HyPer，但一般原則是成立的），您可以找到其他資源，討論在 CPU 方面的每行與每批成本節省。考慮這篇文章：
它比較基於行的處理：
- 查詢以 ROW 模式執行。謂詞應用於 3580 行，一次一行，得到 1200 行
- …實際的 CPU 成本是 15 毫秒…
要基於批處理：
- 查詢（特別是 SCAN 運算符）在 BatchMode 中執行。執行了兩批，每批包含 900 行。謂詞一次應用於 900 行
- …實際執行時間 < 1 ms（可以測量的最短時間）…
批量處理查詢結果因此降低了 SQL Server 中的 CPU 成本，原因有很多，但虛擬函式呼叫成本可能是其中之一（儘管它可能不如對壓縮數據進行操作、每批應用謂詞、計算聚合每批次等）。