向量化查询对于获得高性能分析系统非常有帮助。
我知道矢量化可以对值块（SIMD 指令）执行所有操作，而不是一次解释一个查询表达式元组。
但是我怎么能理解，向量化可以减少虚函数的开销呢？
当我阅读慕尼黑工业大学的一篇论文时，我想到了这个问题：
Data Blocks: Hybrid OLTP and OLAP on Compressed Storage using both Vectorization and Compilation
查询评估效率的飞跃通常是通过使用向量化执行来实现的，在这种情况下，不是一次解释查询表达式元组，而是在值块上执行所有操作。其效果是减少了解释开销，因为实现块式操作的虚拟函数每次函数调用处理数千个元组，并且这些函数实现内的块循环受益于许多循环驱动的编译器优化，包括 SIMD 指令的自动生成。
这种表述也可以在其他 DBMS 论文中找到，因为矢量化是一种流行的方式。
这个问题与一般的 DBMS 相关，而 TUM 的论文与 相关HyPer，这是一个不太“著名”的 DBMS。我很乐意收到任何类型的示例和解释。如果我的表述有误，请随时对其进行编辑。
翻阅论文，答案似乎很简单：
您提到的报价中主要包含
调用一次函数来处理数千行，比调用函数数千次，每行一次要便宜得多。
在任何程序中，调用函数都有开销，尤其是虚函数（在查找表中查找实际函数实现的地址，错过某些编译时优化，因为实际实现函数直到运行时才知道，等等 - 请参阅在 C++ 中，虚函数为什么以及如何变慢？有关虚函数开销的更多讨论）。
查看 SQL Server 基于批处理的查询处理的实现（我知道这篇论文是关于 HyPer，但一般原则成立），您可以找到其他资源来讨论在 CPU 方面每行与每批的成本节省。考虑这篇文章：
列存储索引性能：BatchMode 执行
它比较了基于行的处理：
基于批处理的处理：
由于多种原因，批量处理查询结果降低了 SQL Server 中的 CPU 成本，但虚拟函数调用开销可能是其中之一（尽管它可能不如对压缩数据进行操作、按批次应用谓词、计算聚合等重要）每批次等）。