作为交互式分析领域的重量级产品，PB级分析型数据库ClickHouse受到越来越多的关注。本文将从源码层面解析ClickHouse查询语句的整体实现流程，并将其概况为SQL输入、语法分析Parser、查询优化Optimizer、查询执行Executor四个阶段。其中，本文将重点剖析SQL输入和语法分析Parser的实现细节，有关查询优化Optimizer和查询执行Executor的实现细节将在后续文章中进行分享。

作为交互式分析领域的重量级产品，PB级分析型数据库ClickHouse受到越来越多的关注。在《源码解析系列（一）：查询实现》一文中总结了ClickHouse查询语句的整体实现流程，并将其概括为SQL输入、语法分析Parser、查询优化Optimizer、查询执行Executor四个阶段。本文将从源码层面重点剖析查询优化Optimizer的实现细节。

本文是ClickHouse源码解析系列第三篇文章，将在前序文章基础上，与大家分享ClickHouse查询执行Executor的源码实现细节。

在数据库管理系统中，用户的查询请求可以采用不同的方案来执行。尽管不同方案返回给用户的结果相同，但执行效率却存在差异，查询优化就是根据系统收集的统计信息，进行代价模型估算，选择一种代价最小的执行方案。因此，查询优化在数据库的查询性能方面起着举足轻重的作用，称为数据库的大脑。本文从三个方面介绍PostgreSQL的查询优化，首先从优化器的产物查询计划进行介绍数据库中有哪些计划节点，什么样的SQL会生成什么计划节点，然后再介绍统计信息有哪些以及统计信息的作用，最后介绍优化器的整体处理流程以及如何使用统计信息估算代价，选择最小代价的查询计划。