关于 OceanBase 向量化执行引擎（Vectorized Execution Engine）的特点，以下说法正确的是？

培训 & 考证
#1

A. 向量化执行引擎是对传统火山模型（Volcano Model）的替代，采用逐行迭代的处理方式，每次只计算一行数据。

B. 向量化执行引擎通过批量处理数据（通常一次处理多行，如 1024 行），将多行数据打包为向量进行计算，显著减少了函数调用次数和 CPU 分支预测失败。

C. 向量化执行引擎仅在 OLAP 分析型查询中生效，对于 OLTP 点查询场景，系统会自动回退到传统火山模型执行。

D. 向量化执行引擎默认关闭，用户需要通过 ENABLE_VECTORIZED_ENGINE Hint 手动开启才能生效。

1 个赞
#2

解析 ：
OceanBase 的 SQL 执行引擎从传统的火山模型（逐行迭代）演进为向量化执行引擎，通过批量处理数据（如一次处理 1024 行）大幅降低函数调用次数，提升 CPU 缓存友好性，减少分支预测失败。在 TPC-H 测试中，向量化引擎性能可达非向量化的 3 倍，对于聚合分析类查询性能提升约 10 倍。

  • A 错误 ：向量化引擎批量处理 数据（一次多行），而非逐行迭代。逐行迭代是传统火山模型的特征。
  • B 正确 ：批量处理是向量化引擎的核心特征，显著提升 CPU 效率。
  • C 错误 ：向量化执行引擎对所有查询类型 均生效（包括 OLTP 点查询），并非仅在 OLAP 场景使用。
  • D 错误 ：向量化执行引擎是 OceanBase 默认开启 的，无需用户手动启用。
#3

正确答案：B

#4

选B

#5

B. 向量化执行引擎通过批量处理数据（通常一次处理多行，如 1024 行），将多行数据打包为向量进行计算，显著减少了函数调用次数和 CPU 分支预测失败

#6

选择B
向量化引擎会把多行（默认批量 1024 行）打包成向量批量运算，大幅减少单行循环带来的函数调用、CPU 分支跳转，降低分支预测失败，提升 OLAP 类查询 CPU 效率。

其余错误
A 错误
传统火山模型是逐行处理；向量化引擎不是逐行，而是批量多行打包计算，且它是火山模型的优化增强，并非完全替代。
C 错误
OceanBase 向量化引擎OLTP、OLAP 场景均可自适应启用，并非仅 OLAP 生效；点查小批量数据时优化器会自动判断是否走向量执行，不是强制退回火山模型。
D 错误
向量化引擎默认自动开启，优化器根据查询代价自动选择；无需手动加 Hint 开启，也不存在该 Hint 强制开关。