多表 Join 查询能力
在构建实时数据分析的场景中，我们常在数据加工的过程中，将多张表通过一些关联字段打平成一张宽表，通过一张表对外提供分析能力，即大宽表模型。其实大宽表依然有它的局限性，一是，生成每一张大宽表都需要数据开发人员不小的工作量，而且生成过程也需要一定的时间；二是，生成宽表会产生大量的数据冗余。
针对宽表模型的局限性，我们从 0 到 1 自研实现了查询优化器，非常好的支持复杂查询的需求，有如下特性：
兼容两种 SQL 语法，支持 ANSI SQL 和原生 CLICKHOUSE SQL ;
支持基于 RBO 优化能力，即支持：列裁剪、分区裁剪、表达式简化、子查询解关联、谓词下推、冗余算子消除、Outer-JOIN 转 INNER-JOIN、算子下推存储、分布式算子拆分等常见的启发式优化能力；
支持基于 CBO 优化能力，基于 Cascade 搜索框架，实现了高效的 Join 枚举算法，以及基于 Histogram 的代价估算，对 10 表全连接级别规模的 Join Reorder 问题，能够全量枚举并寻求最优解，同时针对大于 10 表规模的 Join Reorder 支持启发式枚举并寻求最优解。CBO 支持基于规则扩展搜索空间，除了常见的 Join Reorder 问题以外，还支持 Outer-Join/Join Reorder，Magic Set Placement 等相关优化能力；
分布式计划优化，面向分布式 MPP 数据库，生成分布式查询计划，并且和 CBO 结合在一起。相对业界主流实现：分为两个阶段，首先寻求最优的单机版计划，然后将其分布式化。我们的方案则是将这两个阶段融合在一起，在整个 CBO 寻求最优解的过程中，会结合分布式计划的诉求，从代价的角度选择最优的分布式计划。对于 Join/Aggregate 的还支持 Partition 属性展开。
高阶优化能力，实现了 Dynamic Filter pushdown、单表物化视图改写、基于代价的 CTE （公共表达式共享）。
