Query Model
Query处理有三种方式，
首先是Iterator model，这是最基本的model，又称为volcano，pipeline模式
他是top-down的模式，通过next函数去逐层获取tuple
好处是比较简单，并且很容易做limit
iterator的例子，
输出一个数据，从top开始调用next，这里第二步需要join，建hashtable，需要把3的数据全部读取上来
第二种方式，materialization model
反其道，这是一种bottom-up的方式，每个把数据都准备好后，往上传递
这种方式，明显适合TP，对于AP会产生大量的中间结果，
而且不好控制limit，limit1，底下节点可能也要把所有的数据都读出来
Materailization Model的例子，
多了个out，来记录返回的全量结果
Vectorization Model
向量化模型，iterator的时候每次取一个batch，而不是一个tuple
这样大大降低next的调用频率，而且可以更好的利用SIMD进行并行处理
Vectorization Model的例子，
加上对out大小的判断以形成batch
3种模型的区别如下，
Access Methods
刚刚的查询计划里面，只是说读取数据，但是没有怎么说如何读取数据
Access Methods就是说明如何从数据库中读取数据的
Access Methods也有三种，
Sequentail Scan，Index Scan， Multi-Index/'Bitmap' Scan
Sequential Scan
顺序读，就是一个个page这么读过去，然后用一个内部的cursor去记录读到哪儿了
顺序读会比较慢，但有时是无法避免的
优化的方法如下，
预取，并行化，bypass bufferPool，都是前面说过的优化
Zone Maps
在每个page上加上一些统计信息，又称为pre-computed aggregates
这样我就可以根据这个信息来判断是否需要读这个page
Late Materialization
这个只能用于列存，因为列存才能一次读一列，
所以在前两个过滤条件上，我们只需要把offset传上来，不需要原始数据
到最后一步，才需要把C这一列真正的materialization出来
Heap Clustering
Tuples在pages中是按照clustering index排序的，所以根据clustering index进行query是非常高效的
但是如果要按非clustered index的字段进行排序，就是比较低效的
因为tuples会分布在不同的pages中，你需要混着读
一个优化是，把所有要读的tuples按page id进行排序，然后一个个page顺序读过来会比较高效
Index Scan
关键就是如何pick合适的index来进行查询，这个比较复杂，在后面会详细描述
Multi-index Scan
同时用多个index进行索引，
然后对多个索引的结果集，进行union和intersect，最终得到结果
intersection往往通过bitmaps，hash tables，bloom filters来实现，所以有时也称为Bitmap Scan
Expression Evaluation
SQL中的表达式，可以通过expression tree来表示，这种方式很灵活，但是性能比较差，所以比较高效的方式是直接codegen
