前言
在 .NET 裏寫查詢的時候，很多場景下數據其實早就都在內存裏了：不是數據庫連接，也不是某個遠程服務的結果，而就是一個數組或者 List<T>。我只是想過濾一下、投影一下。這時候，通常有幾種選擇：
- 寫一個
foreach循環 —— 性能好、可控，但代碼稍微有點囉嗦； - 用 LINQ —— 寫起來舒服，看起來也優雅，就是有迭代器、委託帶來的那點開銷；
- 要麼乾脆極端一點：把數據塞進數據庫，再寫真正的 SQL（這聽起來就有點反直覺……）
但是我想嘗試一條完全不同的思路：如果我們把 C# 的類型系統本身，當成查詢計劃會怎樣？
也就是説，不是像平時那樣：
- 在運行時構建一棵表達式樹，
- 再拿着這棵樹去解釋執行整個查詢；
而是：寫一段 SQL 風格的字符串，把它編譯成一個類型，這個類型從頭到尾描述了整個查詢管道，然後所有實際運行時的邏輯都走靜態方法。
這個想法最終促成了 TypedSql —— 一個用 C# 類型系統實現的內存內 SQL 查詢引擎。
把查詢變成嵌套的泛型類型
TypedSql 的核心想法看上去非常簡單：一個查詢，其實可以是一串嵌套的泛型類型，比如 WhereSelect<TRow, …, Stop<...>> 這樣。
順着這個想法，再往下推幾步，會自然落到一套具體的設計上。
把執行計劃塞進類型系統
在 TypedSql 裏，每一個編譯好的查詢，最終都會變成一個封閉的泛型管道類型。
這個管道是由一些基礎節點拼出來的，比如：
Where<TRow, TPredicate, TNext, TResult, TRoot>Select<TRow, TProjection, TNext, TMiddle, TResult, TRoot>WhereSelect<TRow, TPredicate, TProjection, TNext, TMiddle, TResult, TRoot>Stop<TResult, TRoot>
每個節點都實現了同一個接口：
internal interface IQueryNode<TRow, TResult, TRoot>
{
static abstract void Run(ReadOnlySpan<TRow> rows, scoped ref QueryRuntime<TResult> runtime);
static abstract void Process(in TRow row, scoped ref QueryRuntime<TResult> runtime);
}
這裏可以簡單理解成：
Run是外面那一圈大循環（整體遍歷）；Process是對單行執行的邏輯。
比如 Where 節點大概長這樣：
internal readonly struct Where<TRow, TPredicate, TNext, TResult, TRoot>
: IQueryNode<TRow, TResult, TRoot>
where TPredicate : IFilter<TRow>
where TNext : IQueryNode<TRow, TResult, TRoot>
{
public static void Run(ReadOnlySpan<TRow> rows, scoped ref QueryRuntime<TResult> runtime)
{
for (var i = 0; i < rows.Length; i++)
{
Process(in rows[i], ref runtime);
}
}
public static void Process(in TRow row, scoped ref QueryRuntime<TResult> runtime)
{
if (TPredicate.Evaluate(in row))
{
TNext.Process(in row, ref runtime);
}
}
}
關鍵點在於：
- 管道的形狀，完全藏在這些類型參數裏面；
- 每個節點是一個只有靜態方法的
struct—— 不需要創建實例，沒有虛調用。
對 JIT 來説，一旦這些泛型類型參數都被代入，這就是一張普通的靜態調用圖而已。
列和投影
查詢總得運行在某種行類型 TRow 上，這通常是你自己定義的一個 record/class/struct。
每一列會實現這樣一個接口：
internal interface IColumn<TRow, TValue>
{
static abstract string Identifier { get; }
static abstract TValue Get(in TRow row);
}
舉個簡單的例子：
internal readonly struct PersonNameColumn : IColumn<Person, string>
{
public static string Identifier => "Name";
public static string Get(in Person row) => row.Name;
}
而投影（SELECT 後面那部分）則實現：
internal interface IProjection<TRow, TResult>
{
static abstract TResult Project(in TRow row);
}
將選出某一列本身做成一個投影，可以這麼寫：
internal readonly struct ColumnProjection<TColumn, TRow, TValue>
: IProjection<TRow, TValue>
where TColumn : IColumn<TRow, TValue>
{
public static TValue Project(in TRow row) => TColumn.Get(row);
}
多列選擇時，TypedSql 會構造專門的投影，把結果拼成 ValueTuple：
internal readonly struct ValueTupleProjection<TRow, TColumn1, TValue1>
: IProjection<TRow, ValueTuple<TValue1>>
where TColumn1 : IColumn<TRow, TValue1>
{
public static ValueTuple<TValue1> Project(in TRow row)
=> new(TColumn1.Get(row));
}
// … 一直到 7 列，然後通過一個“Rest”再遞歸掛一個 IProjection
還是同樣的模式：全是 struct，全是靜態方法。
過濾器
過濾器的接口長這樣：
internal interface IFilter<TRow>
{
static abstract bool Evaluate(in TRow row);
}
一個最常用的比較過濾器形式，是列 + 字面量：
internal readonly struct EqualsFilter<TRow, TColumn, TLiteral, TValue> : IFilter<TRow>
where TColumn : IColumn<TRow, TValue>
where TLiteral : ILiteral<TValue>
where TValue : IEquatable<TValue>, IComparable<TValue>
{
[MethodImpl(MethodImplOptions.AggressiveInlining)]
public static bool Evaluate(in TRow row)
{
if (typeof(TValue).IsValueType)
{
return TColumn.Get(row).Equals(TLiteral.Value);
}
else
{
var left = TColumn.Get(row);
var right = TLiteral.Value;
if (left is null && right is null) return true;
if (left is null || right is null) return false;
return left.Equals(right);
}
}
}
這裏我們通過判斷 TValue 是值類型還是引用類型，來分別處理 null 的情況。.NET 的 JIT 能夠識別這種模式，並且為值類型和引用類型分別特化並生成不同的代碼路徑，從而實際上並不存在任何的分支開銷。
GreaterThanFilter、LessThanFilter、GreaterOrEqualFilter、LessOrEqualFilter、NotEqualFilter 等等，都是同樣的套路。
邏輯運算也是在類型層面組合的：
internal readonly struct AndFilter<TRow, TLeft, TRight> : IFilter<TRow>
where TLeft : IFilter<TRow>
where TRight : IFilter<TRow>
{
public static bool Evaluate(in TRow row)
=> TLeft.Evaluate(in row) && TRight.Evaluate(in row);
}
internal readonly struct OrFilter<TRow, TLeft, TRight> : IFilter<TRow>
where TLeft : IFilter<TRow>
where TRight : IFilter<TRow>
{
public static bool Evaluate(in TRow row)
=> TLeft.Evaluate(in row) || TRight.Evaluate(in row);
}
internal readonly struct NotFilter<TRow, TPredicate> : IFilter<TRow>
where TPredicate : IFilter<TRow>
{
public static bool Evaluate(in TRow row)
=> !TPredicate.Evaluate(in row);
}
所以，一條 WHERE 子句，最終就會變成一棵泛型過濾器類型樹，每個節點只有一個靜態 Evaluate 方法。
值類型特化版字符串：ValueString
在 .NET 裏，string 是一個引用類型，這給 TypedSql 帶來了一些麻煩：.NET 會對引用類型採用共享泛型在運行時做分發，而不是為 string 泛型實例化一個具體類型，這使得運行時會產生類型字典查找的開銷。雖然這點開銷不大，但是 TypedSql 追求的是媲美手寫循環的性能，所以我想盡量把熱路徑裏涉及的類型都做成值類型。
於是我選擇把字符串包在一個小的值類型裏：
internal readonly struct ValueString(string? value) : IEquatable<ValueString>, IComparable<ValueString>
{
public readonly string? Value = value;
public int CompareTo(ValueString other)
=> string.Compare(Value, other.Value, StringComparison.Ordinal);
public bool Equals(ValueString other)
{
return string.Equals(Value, other.Value, StringComparison.Ordinal);
}
public override string? ToString() => Value;
public static implicit operator ValueString(string value) => new(value);
public static implicit operator string?(ValueString value) => value.Value;
}
再配一個適配器，把原來的 string 列變成 ValueString 列：
internal readonly struct ValueStringColumn<TColumn, TRow>
: IColumn<TRow, ValueString>
where TColumn : IColumn<TRow, string>
{
public static string Identifier => TColumn.Identifier;
public static ValueString Get(in TRow row)
=> new(TColumn.Get(in row));
}
在內部，所有字符串列都統一成 ValueString，有幾個好處：
- 熱路徑裏儘量是值類型，少一點引用類型的干擾；
- 避開了泛型共享帶來的類型字典查找開銷。
對使用者來説，你照樣寫 string，而我的 TypedSql 會在內部自動在邊緣位置做封裝/解封裝，所以完全透明。
實現一個 SQL 子集
TypedSql 並不打算做成一個大而全的 SQL 引擎，而是針對單表、內存內查詢，設計了一個很小的 SQL 方言：
支持這些語句：
SELECT * FROM $SELECT col FROM $SELECT col1, col2, ... FROM $WHERE支持：- 比較：
=,!=,>,<,>=,<= - 布爾：
AND,OR,NOT - 括號
- 比較：
- 字面量支持：
- 整數（如
42） - 浮點數（如
123.45） - 布爾（
true/false） - 單引號字符串（
'Seattle'，內部用''轉義） null
- 整數（如
- 列名大小寫不敏感
$代表當前行來源
整體解析流程很簡單：
- 先把 SQL 字符串切成 token；
- 再構建一棵小 AST，包含：
ParsedQuery：整體查詢Selection：SelectAll或者列名列表WhereExpression：篩選表達式ComparisonExpression：比較AndExpression：與OrExpression：或NotExpression：非
LiteralValue：字面量LiteralKind.Integer+IntValueLiteralKind.Float+FloatValueLiteralKind.Boolean+BoolValueLiteralKind.String+StringValue（string?）LiteralKind.Null
在這個階段，整個系統其實完全不知道 C# 裏面的類型是什麼樣的，列又是什麼，只是單純看作 SQL 結構。
類型檢查、以及這個字面量能不能用在那一列上之類的問題，會留到後面的編譯階段去做。
把字面量變成類型 —— 包括字符串
在這裏，我想針對每一個 SQL 語句都生成一份獨特的類型，因此作為查詢條件中的字面量，也必須變成類型參數的一部分。
於是，在 TypeSql 中，所有的字面量類型都實現同一個接口：
internal interface ILiteral<T>
{
static abstract T Value { get; }
}
適用範圍包括：
- 整數（
int） - 浮點數（
float） - 字符（
char） - 布爾（
bool） - 字符串（這裏是
ValueString，內部包string?） - ……未來還可以擴展更多
數值字面量
數值字面量的編碼方式很直接：用 16 進制和位運算拼出來。
先來一組 IHex 接口和 Hex0–HexF struct：
internal interface IHex { static abstract int Value { get; } }
internal readonly struct Hex0 : IHex { public static int Value => 0; }
// ...
internal readonly struct HexF : IHex { public static int Value => 15; }
然後，一個整型字面量長這樣：
internal readonly struct Int<H7, H6, H5, H4, H3, H2, H1, H0> : ILiteral<int>
where H7 : IHex
// ...
where H0 : IHex
{
public static int Value
=> (H7.Value << 28)
| (H6.Value << 24)
| (H5.Value << 20)
| (H4.Value << 16)
| (H3.Value << 12)
| (H2.Value << 8)
| (H1.Value << 4)
| H0.Value;
}
浮點數也是一樣的 8 個十六進制數位，只不過最後用 Unsafe.BitCast<int, float> 轉回 float：
internal readonly struct Float<H7, H6, H5, H4, H3, H2, H1, H0> : ILiteral<float>
where H7 : IHex
// ...
{
public static float Value
=> Unsafe.BitCast<int, float>(
(H7.Value << 28)
| (H6.Value << 24)
| (H5.Value << 20)
| (H4.Value << 16)
| (H3.Value << 12)
| (H2.Value << 8)
| (H1.Value << 4)
| H0.Value);
}
字符則是 4 個十六進制數位：
internal readonly struct Char<H3, H2, H1, H0> : ILiteral<char>
where H3 : IHex
// ...
{
public static char Value
=> (char)((H3.Value << 12)
| (H2.Value << 8)
| (H1.Value << 4)
| H0.Value);
}
字符串字面量：類型的鏈表！
字符串字面量就比較有趣了。
這裏我選擇在類型層面構建一條字符鏈表，用接口 IStringNode 來描述：
internal interface IStringNode
{
static abstract int Length { get; }
static abstract void Write(Span<char> destination, int index);
}
有三個實現：
StringEnd：字符串的結尾（長度 0）；StringNull：表示 null 字符串（長度 -1）；StringNode<TChar, TNext>：當前一個字符 + 剩餘部分。
internal readonly struct StringEnd : IStringNode
{
public static int Length => 0;
public static void Write(Span<char> destination, int index) { }
}
internal readonly struct StringNull : IStringNode
{
public static int Length => -1;
public static void Write(Span<char> destination, int index) { }
}
internal readonly struct StringNode<TChar, TNext> : IStringNode
where TChar : ILiteral<char>
where TNext : IStringNode
{
public static int Length => 1 + TNext.Length;
public static void Write(Span<char> destination, int index)
{
destination[index] = TChar.Value;
TNext.Write(destination, index + 1);
}
}
有了這樣的類型鏈表，我們就可以基於某個 IStringNode，構造出真正的 ValueString：
internal readonly struct StringLiteral<TString> : ILiteral<ValueString>
where TString : IStringNode
{
public static ValueString Value => Cache.Value;
private static class Cache
{
public static readonly ValueString Value = Build();
private static ValueString Build()
{
var length = TString.Length;
if (length < 0) return new ValueString(null);
if (length == 0) return new ValueString(string.Empty);
var chars = new char[length];
TString.Write(chars.AsSpan(), 0);
return new string(chars, 0, length);
}
}
}
StringLiteral<TString> 就是一個 ILiteral<ValueString>，它的 Value 在類型初始化時算好並緩存下來，所以只需要計算一次，後續訪問都是直接讀靜態字段，非常高效。
把字符串塞進類型
LiteralTypeFactory.CreateStringLiteral 負責把字符串字面量轉換成這樣一個類型：
public static Type CreateStringLiteral(string? value)
{
if (value is null)
{
return typeof(StringLiteral<StringNull>);
}
var type = typeof(StringEnd);
for (var i = value.Length - 1; i >= 0; i--)
{
var charType = CreateCharType(value[i]); // Char<...>
type = typeof(StringNode<,>).MakeGenericType(charType, type);
}
return typeof(StringLiteral<>).MakeGenericType(type);
}
比如我們有一個字面量 'Seattle'，整個流程大致是：
-
解析階段讀到
'Seattle'，生成一個LiteralValue：Kind == LiteralKind.StringStringValue == "Seattle"
-
編譯階段根據列的類型判斷：這是個字符串列，於是對應的運行時類型是
ValueString。 -
調用
CreateStringLiteral("Seattle")：-
初始
type = typeof(StringEnd)； -
從右到左遍歷每個字符：
'e'→ 得到一個Char<…>類型（4 個十六進制數位對應 Unicode）type = StringNode<Char<'e'>, StringEnd>
'l'再往前：type = StringNode<Char<'l'>, StringNode<Char<'e'>, StringEnd>>
- 一直重複：
't'、't'、'a'、'e'、'S'……
-
最終得到類似這樣一個類型：
StringNode<Char<'S'>, StringNode<Char<'e'>, StringNode<Char<'a'>, StringNode<Char<'t'>, StringNode<Char<'t'>, StringNode<Char<'l'>, StringNode<Char<'e'>, StringEnd>>>>>>>>
-
-
最後再用
StringLiteral<>把它包起來：StringLiteral< StringNode<Char<'S'>, StringNode<Char<'e'>, ... > > >
這一整個封閉泛型類型，就是字面量 'Seattle' 的類型版本。
而過濾器在需要值的時候，只是簡單地訪問 TLiteral.Value，再通過 TString.Length 和 TString.Write 復原出一個 ValueString("Seattle")，其中復原通過靜態類型的緩存完成，藉助類型系統的力量，每一個獨立的字面量都會產生一個單獨的類型實例，我們的字面量就緩存在那個類型的靜態字段裏，從而避免了一切運行時的計算開銷。
null 字符串字面量
null 的處理稍微特殊一點：
- 寫類似
WHERE Team != null這種代碼時，解析器會把它識別為LiteralKind.Null； - 對字符串列來説，
CreateStringLiteral(null)會返回typeof(StringLiteral<StringNull>)； StringNull.Length == -1，於是StringLiteral<StringNull>.Value直接返回new ValueString(null)。
這樣一來，null 和 "" 在類型層面和運行時都可以被區分開。
字面量工廠
上面這些編碼最後都歸到一個工廠類裏統一封裝：
internal static class LiteralTypeFactory
{
public static Type CreateIntLiteral(int value) { ... }
public static Type CreateFloatLiteral(float value) { ... }
public static Type CreateBoolLiteral(bool value) { ... }
public static Type CreateStringLiteral(string? value) { ... }
}
SQL 編譯階段會根據兩方面信息來調用它：
- 列的運行時類型（
int、float、bool、ValueString）； - 字面量的種類（
Integer、Float、Boolean、String、Null）。
最終的效果就是：WHERE 子句裏每一個字面量，都會變成一個具體的 ILiteral<T> 類型，值直接嵌在類型參數裏。
搭好整個管道類型
到目前為止，我們已經有了：
- 一棵解析出來的查詢（
SELECT+WHERE）； - 一份 schema，把列名映射到具體的
IColumn<TRow, TValue>實現； - 一套機制，把字面量變成
ILiteral<T>類型。
SQL 編譯器接下來要做的就是，把這些東西變成：
- 一個封閉的管道類型
TPipeline，它實現IQueryNode<TRow, TRuntimeResult, TRoot>； - 一個運行時結果類型
TRuntimeResult； - 一個對外公開的結果類型
TPublicResult。
編譯 SELECT
先看選擇部分。
SELECT *
最簡單的情況就是：SELECT * FROM $。
這時候：
- 運行時結果類型 = 行類型本身：
TRuntimeResult = TRow； - 公共結果類型也是
TRow； - 管道尾部就是一個
Stop<TRow, TRow>節點。
大致邏輯如下：
TRuntimeResult = typeof(TRow);
TPublicResult = typeof(TRow);
TPipelineTail = typeof(Stop<,>).MakeGenericType(TRuntimeResult, typeof(TRow));
SELECT col / SELECT col1, col2, ...
當有明確列投影時，步驟稍微多一點：
-
SELECT col：- 根據列名解析出對應的
ColumnMetadata； - 決定它的運行時值類型：
- 如果列類型本身不是
string，運行時類型就跟它一致； - 如果是
string，運行時類型改為ValueString；
- 如果列類型本身不是
- 構建一個
ColumnProjection<TRuntimeColumn, TRow, TRuntimeValue>。
- 根據列名解析出對應的
-
SELECT col1, col2, ...：- 分別解析每一列；
- 構造一個
ValueTupleProjection，返回一個ValueTuple<...>，裏面放運行時類型； - 同時記錄一份公共
ValueTuple<...>類型，用聲明的 CLR 類型（如string）。
最後，無論是一列還是多列，都會在 Stop 前面再加一個 Select 節點：
Select<TRow, TProjection, Stop<...>, TMiddle, TRuntimeResult, TRoot> → Stop<...>
這個節點內部會調用投影的靜態 Project 方法，再把結果轉交給 Stop.Process 處理。
編譯 WHERE
WHERE 子句以遞歸方式編譯成類型。
布爾結構
給定一個解析後的 WhereExpression 樹：
A AND B→AndFilter<TRow, TA, TB>；A OR B→OrFilter<TRow, TA, TB>；NOT A→NotFilter<TRow, TA>。
編譯器做的事情，大概是對這棵樹一層層往下調自己的方法：
Type BuildPredicate<TRow>(WhereExpression expr)
{
return expr switch
{
ComparisonExpression cmpExpr => BuildComparisonPredicate<TRow>(cmpExpr),
AndExpression andExpr => typeof(AndFilter<,,>).MakeGenericType(typeof(TRow), BuildPredicate<TRow>(andExpr.Left), BuildPredicate<TRow>(andExpr.Right)),
OrExpression orExpr => typeof(OrFilter<,,>).MakeGenericType(typeof(TRow), BuildPredicate<TRow>(orExpr.Left), BuildPredicate<TRow>(orExpr.Right)),
NotExpression notExpr => typeof(NotFilter<,>).MakeGenericType(typeof(TRow), BuildPredicate<TRow>(notExpr.Expression)),
_ => throw …
};
}
比較表達式
每一個葉子比較表達式，比如：
City = 'Seattle'
Salary >= 180000
Team != null
都會變成一個具體的過濾器類型：
Type BuildComparisonPredicate<TRow>(ComparisonExpression comparison)
{
var rowType = typeof(TRow);
var column = SchemaRegistry<TRow>.ResolveColumn(comparison.ColumnIdentifier);
var runtimeColumnType = column.GetRuntimeColumnType(rowType);
var runtimeColumnValueType = column.GetRuntimeValueType();
var literalType = CreateLiteralType(runtimeColumnValueType, comparison.Literal);
var filterDefinition = comparison.Operator switch
{
ComparisonOperator.Equals => typeof(EqualsFilter<,,,>),
ComparisonOperator.GreaterThan => typeof(GreaterThanFilter<,,,>),
ComparisonOperator.LessThan => typeof(LessThanFilter<,,,>),
ComparisonOperator.GreaterOrEqual=> typeof(GreaterOrEqualFilter<,,,>),
ComparisonOperator.LessOrEqual => typeof(LessOrEqualFilter<,,,>),
ComparisonOperator.NotEqual => typeof(NotEqualFilter<,,,>),
_ => throw …
};
return filterDefinition.MakeGenericType(
rowType, runtimeColumnType, literalType, runtimeColumnValueType);
}
以 City = 'Seattle' 為例，如果那一列是字符串列，那麼：
- 運行時列類型是：
ValueStringColumn<PersonCityColumn, Person>； - 運行時值類型是：
ValueString； - 字面量類型，則是通過
CreateStringLiteral("Seattle")得到的某個StringLiteral<SomeStringNode<…>>。
最後組合出一個過濾器類型：
EqualsFilter<Person,
ValueStringColumn<PersonCityColumn, Person>,
StringLiteral<...>,
ValueString>
到這一步，我們就可以把一個 Where 節點掛到管道上了：
Where<TRow, TPredicate, TNext, TRuntimeResult, TRoot> → ...
把 Where 和 Select 融合起來
直接這麼拼出來的管道是正確的，但在性能上還能再優化一點：
Where 和 Select 其實可以合併成一步。
TypedSql 裏有一個很小的優化器，會去找這樣的模式：
Where<TRow, TPredicate, Select<TRow, TProjection, TNext, TMiddle, TResult, TRoot>, TResult, TRoot>
一旦發現，就把它替換成：
WhereSelect<TRow, TPredicate, TProjection, TNext, TMiddle, TResult, TRoot>
這個融合節點的實現如下：
internal readonly struct WhereSelect<TRow, TPredicate, TProjection, TNext, TMiddle, TResult, TRoot>
: IQueryNode<TRow, TResult, TRoot>
where TPredicate : IFilter<TRow>
where TProjection : IProjection<TRow, TMiddle>
where TNext : IQueryNode<TMiddle, TResult, TRoot>
{
public static void Run(ReadOnlySpan<TRow> rows, scoped ref QueryRuntime<TResult> runtime)
{
for (var i = 0; i < rows.Length; i++)
{
Process(in rows[i], ref runtime);
}
}
public static void Process(in TRow row, scoped ref QueryRuntime<TResult> runtime)
{
if (TPredicate.Evaluate(in row))
{
var projected = TProjection.Project(in row);
TNext.Process(in projected, ref runtime);
}
}
}
於是像下面這種常見的查詢：
SELECT Name FROM $ WHERE City = 'Seattle'
最終就會是：
WhereSelect<...> → Stop<...>
也就是説：一個循環裏完成過濾和投影，不需要再分兩趟。並且，我們的優化器還能識別更復雜的嵌套結構，儘可能地把 Where 和 Select 融合在一起，減少中間步驟，提升性能。而這並不需要複雜的優化算法，只需要簡單地把泛型參數取出來重新帶入到新的融合類型即可，實現起來非常簡單。
結果轉換
管道把所有行跑完之後，最後還得把結果以某種形式“交出去”。
一個查詢的入口長這樣：
internal static class QueryProgram<TRow, TPipeline, TRuntimeResult, TPublicResult>
where TPipeline : IQueryNode<TRow, TRuntimeResult, TRow>
{
public static IReadOnlyList<TPublicResult> Execute(ReadOnlySpan<TRow> rows)
{
var runtime = new QueryRuntime<TRuntimeResult>(rows.Length);
TPipeline.Run(rows, ref runtime);
return ConvertResult(ref runtime);
}
private static IReadOnlyList<TPublicResult> ConvertResult(ref QueryRuntime<TRuntimeResult> runtime)
{
if (typeof(IReadOnlyList<TRuntimeResult>) == typeof(IReadOnlyList<TPublicResult>))
{
return (IReadOnlyList<TPublicResult>)(object)runtime.Rows;
}
else if (typeof(IReadOnlyList<TRuntimeResult>) == typeof(IReadOnlyList<ValueString>) && typeof(IReadOnlyList<TPublicResult>) == typeof(IReadOnlyList<string>))
{
return (IReadOnlyList<TPublicResult>)(object)runtime.AsStringRows();
}
else if (RuntimeFeature.IsDynamicCodeSupported && typeof(TRuntimeResult).IsGenericType && typeof(TPublicResult).IsGenericType)
{
return runtime.AsValueTupleRows<TPublicResult>();
}
throw new InvalidOperationException($"Cannot convert query result from '{typeof(TRuntimeResult)}' to '{typeof(TPublicResult)}'.");
}
}
可以看到主要有三種情況：
-
運行時結果類型和公共結果類型一模一樣
→ 直接把Rows返回就行。 -
運行時內部用的是
ValueString，外面希望看到string
→ 調用AsStringRows，它會把內部的ValueString[]包裝一下，對外返回string?（靠隱式轉換）。 -
兩邊都是某種
ValueTuple形狀
→ 用AsValueTupleRows<TPublicResult>()，底層交給ValueTupleConvertHelper去做拷貝和字段轉換。
ValueTupleConvertHelper：用動態 IL 在元組之間搬運字段
ValueTupleConvertHelper<TPublicResult, TRuntimeResult> 的職責是：
- 在兩個兼容形狀的
ValueTuple之間搬運字段； - 識別並處理
string↔ValueString的轉換； - 如果
ValueTuple有Rest（嵌套元組），要遞歸下去做同樣的事情。
它在類型初始化時，會生成一個 DynamicMethod 來做拷貝：
internal static class ValueTupleConvertHelper<TPublicResult, TRuntimeResult>
{
private delegate void CopyDelegate(ref TPublicResult dest, ref readonly TRuntimeResult source);
private static readonly CopyDelegate _helper = default!;
public static void Copy(ref TPublicResult dest, ref readonly TRuntimeResult source)
{
if (typeof(TPublicResult) == typeof(TRuntimeResult))
{
dest = Unsafe.As<TRuntimeResult, TPublicResult>(ref Unsafe.AsRef(in source));
}
else
{
_helper.Invoke(ref dest, in source);
}
}
static ValueTupleConvertHelper()
{
// 構造 DynamicMethod 和 IL，按字段複製，
// 若發現 string <-> ValueString，就做對應轉換，
// 遇到 Rest 字段時遞歸。
}
}
這樣，運行時內部可以用一個對自己更舒服的元組類型，比如 (ValueString, int, ValueString, …)，而外面看到的則是 (string, int, string, …)，兩者之間通過這一層幫助類橋接，成本也很低。這使得查詢過程可以最大化利用值類型的泛型特化優勢，同時對外還不需要暴露這些內部細節，達到了性能和易用性的平衡。
不過需要注意的是，這一塊用到了動態代碼生成，所以在一些受限環境（比如 AOT）下可能無法使用，因此 TypedSql 會在編譯階段檢查這一點，確保只有在支持動態代碼的環境下，才允許使用這種元組轉換。否則的話，就只能退回到直接讓運行時結果類型和公共結果類型一致的方式。
整體流程：編譯並執行查詢
站在使用者的角度，入口一般會是這樣的：
var compiled = QueryEngine.Compile<Person, string>(
"SELECT Name FROM $ WHERE City != 'Seattle'");
Compile<TRow, TResult> 在內部會做這麼幾件事：
- 解析 SQL，生成
ParsedQuery； - 把 SQL 編譯成：
- 管道類型
TPipeline； TRuntimeResult；TPublicResult；
- 管道類型
- 檢查
TPublicResult是否和你指定的TResult一致； - 構造
QueryProgram<TRow, TPipeline, TRuntimeResult, TPublicResult>這個類型； - 找到它的靜態方法
Execute(ReadOnlySpan<TRow>)； - 把它變成一個委託，塞進
CompiledQuery<TRow, TResult>。
CompiledQuery<TRow, TResult> 本身只是包了一個委託：
private readonly Func<ReadOnlySpan<TRow>, IReadOnlyList<TResult>> _entryPoint
= executeMethod.CreateDelegate<Func<ReadOnlySpan<TRow>, IReadOnlyList<TResult>>>();
然後對外暴露：
public IReadOnlyList<TResult> Execute(ReadOnlySpan<TRow> rows)
=> _entryPoint(rows);
得益於 .NET 10 對委託的逃逸分析、去虛擬化和內聯等優化，這一層委託調用可以説幾乎沒有任何開銷。
在 JIT 看來，一旦 Compile 做完這些準備工作，以後每次 Execute 就只是：
- 一次直接的靜態調用；
- 調入一個所有類型參數已經封死的泛型方法；
- 這個方法裏面再調用一串全是
struct和靜態方法組成的管道。
最終編譯出來的類型，你既可以直接拿去執行，也可以把它輸出到代碼裏然後通過 NativeAOT 編譯成原生二進制文件，一套代碼同時支持 JIT 和 AOT！
使用和性能測試
快速上手
和很多輕量級查詢庫類似，TypedSql 的打開方法是：
-
定義你的行類型，例如：
public sealed record Person( int Id, string Name, int Age, string City, float Salary, string Department, bool IsManager, int YearsAtCompany, string Country, string? Team, string Level); -
為每一列實現一個
IColumn<Person, TValue>； -
把這些列註冊到
Person對應的 schema 裏； -
然後就可以編譯並運行查詢，例如：
// 編譯一次 var wellPaidManagers = QueryEngine.Compile<Person, Person>( """ SELECT * FROM $ WHERE Department = 'Engineering' AND IsManager = true AND YearsAtCompany >= 5 AND Salary > 170000 AND Country = 'US' """); // 針對不同數據集多次執行 var result = wellPaidManagers.Execute(allPeople.AsSpan());
要是你只需要一部分列，也可以返回元組：
var seniorTitles = QueryEngine.Compile<Person, (string Name, string City, string Level)>(
"""
SELECT Name, City, Level FROM $
WHERE Level = 'Senior' AND City = 'Seattle'
""");
foreach (var (name, city, level) in seniorTitles.Execute(allPeople.AsSpan()))
{
Console.WriteLine($"{name} in {city} [{level}]");
}
所有重活——解析 SQL、字面量編碼、在類型系統裏搭管道——都發生在編譯查詢這一步。
之後每次 .Execute，都只是跑一遍已經專門化好的靜態管道，沒有任何的運行時分發，沒有任何的虛擬調用，不存在任何的反射和裝箱，完全是 JIT 能看懂的強類型、零分配代碼，從而實現極高的性能。
簡單性能對比
TypedSql 的目標並不是炫技用類型，而是想試試看：在保持 SQL 風格外殼的情況下，我們能讓生成的代碼離一個手寫循環有多近。
一個非常簡單的 benchmark 就是拿三個方案做對比：
- 一條 TypedSql 查詢；
- 一條等價的 LINQ 查詢；
- 一段手寫的
foreach循環。
任務內容：
- 過濾出
City == "Seattle"的行； - 返回它們的
Id。
TypedSql 編譯出來的類型大概是這樣：
QueryProgram<
Person,
WhereSelect<
Person,
EqualsFilter<
Person,
ValueStringColumn<PersonCityColumn, Person>,
'Seattle',
ValueString
>,
ColumnProjection<PersonIdColumn, Person, Int32>,
Stop<Int32, Person>,
Int32,
Int32,
Person>,
Int32,
Int32
>
讓我們來看看 RyuJIT 為我們的查詢方案生成了什麼樣的機器碼：
G_M000_IG01: ; prologue
push r15
push r14
push rdi
push rsi
push rbp
push rbx
sub rsp, 40
mov rbx, rcx
G_M000_IG02: ; 分配結果數組
mov esi, dword ptr [rbx+0x08]
mov edx, esi
mov rcx, 0x7FFE71F29558
call CORINFO_HELP_NEWARR_1_VC
mov rdi, rax
xor ebp, ebp
mov rbx, bword ptr [rbx]
test esi, esi
jle SHORT G_M000_IG06
G_M000_IG03: ; 初始化循環變量
xor r14d, r14d
G_M000_IG04: ; 循環體
lea r15, bword ptr [rbx+r14]
mov rcx, gword ptr [r15+0x08]
mov rdx, 0x16EB0400D30
mov rdx, gword ptr [rdx]
mov rdx, gword ptr [rdx+0x08]
cmp rcx, rdx
je G_M000_IG12
test rcx, rcx
je SHORT G_M000_IG05
test rdx, rdx
je SHORT G_M000_IG05
mov r8d, dword ptr [rcx+0x08]
cmp r8d, dword ptr [rdx+0x08]
je SHORT G_M000_IG08
G_M000_IG05: ; 更新循環計數器
add r14, 72
dec esi
jne SHORT G_M000_IG04
G_M000_IG06: ; 產生結果對象
mov rcx, 0x7FFE72227600
call CORINFO_HELP_NEWSFAST
mov rbx, rax
lea rcx, bword ptr [rbx+0x08]
mov rdx, rdi
call CORINFO_HELP_ASSIGN_REF
mov dword ptr [rbx+0x10], ebp
mov rax, rbx
G_M000_IG07: ; epilogue
add rsp, 40
pop rbx
pop rbp
pop rsi
pop rdi
pop r14
pop r15
ret
G_M000_IG08: ; 字符串長度比較
lea rax, bword ptr [rcx+0x0C]
add rdx, 12
mov ecx, dword ptr [rcx+0x08]
add ecx, ecx
mov r8d, ecx
cmp r8, 10
je SHORT G_M000_IG10
G_M000_IG09: ; 字符串內容慢速比較
mov rcx, rax
call [System.SpanHelpers:SequenceEqual(byref,byref,nuint):bool]
jmp SHORT G_M000_IG11
G_M000_IG10: ; 字符串內容快速比較
mov rcx, qword ptr [rax]
mov rax, qword ptr [rax+0x02]
mov r8, qword ptr [rdx]
xor rcx, r8
xor rax, qword ptr [rdx+0x02]
or rcx, rax
sete al
movzx rax, al
G_M000_IG11: ; 處理比較結果
test eax, eax
je SHORT G_M000_IG05
G_M000_IG12: ; 把匹配的 Id 寫入結果數組
mov ecx, dword ptr [r15+0x30]
lea rax, bword ptr [rdi+0x10]
lea edx, [rbp+0x01]
mov r15d, edx
movsxd rdx, ebp
mov dword ptr [rax+4*rdx], ecx
mov ebp, r15d
jmp G_M000_IG05
注意看 G_M000_IG08 的 r8, 10，這裏的 10 就是字符串字面量 'Seattle' 的長度，JIT 直接把我們的字符串字面量的長度常量嵌進了機器碼裏；進一步當長度匹配時，JIT 又生成了代碼跳轉到 G_M000_IG10，這段代碼專門處理長度為 10 的字符串的快速比較路徑。也就是説，JIT 不僅把字面量的值嵌進去了，還根據它生成了專門的代碼路徑！
再注意看循環計數器的更新部分，G_M000_IG05 裏的 add r14, 72，這裏的 72 就是 sizeof(Person)，JIT 直接把行類型的大小常量也嵌進去了，避免了運行時的計算；而 dec esi 更是直接把遞增的循環優化成了遞減，減少了一次比較指令。
上述代碼的邏輯等價於：
int length = elements.Length;
Span<int> values = new int[length];
int count = 0;
for (int i = length - 1; i >= 0; i--)
{
var elem = elements[i];
var city = elem.City;
if (city == null)
continue;
if (city.Length == 10 && city == "Seattle")
{
values[length - 1 - count] = elem.Id;
count++;
}
}
return values[..count];
看到了嗎？跟你手寫的循環幾乎一模一樣！我們的抽象完全被 JIT 優化的一乾二淨！
上個跑分結果：
| Method | Mean | Error | StdDev | Gen0 | Code Size | Allocated |
|---|---|---|---|---|---|---|
| TypedSql | 10.953 ns | 0.0250 ns | 0.0195 ns | 0.0051 | 111 B | 80 B |
| Linq | 27.030 ns | 0.1277 ns | 0.1067 ns | 0.0148 | 3,943 B | 232 B |
| Foreach | 9.429 ns | 0.0417 ns | 0.0326 ns | 0.0046 | 407 B | 72 B |
可以看到：TypedSql 在時間和分配上無限逼近 foreach，遠遠超過即使是在 .NET 10 中已經被高度優化後的 LINQ 的性能。
這也符合我們對它內部結構的預期：
- 查詢管道是類型層級的，結構在編譯期就定死
- 列、投影、過濾全是值類型 + 靜態方法
- 字符串統一走
ValueString熱路徑 - 字面量則通過
ILiteral<T>嵌在類型參數裏 - 所有這些都讓 JIT 能夠把代碼特化、展開、內聯，最終生成和手寫循環幾乎一樣的機器碼
尾聲
TypedSql 只是一個簡單的內存查詢引擎實驗。它只是圍繞一個很具體的問題：C# 的類型系統到底能讓我們把多少查詢邏輯搬過去，.NET 又能針對這些類型生成多快的代碼？
於是，在 TypeSql 中，我們實現了：
- 把列、投影、過濾全都表示成帶靜態方法的
struct，並通過接口的靜態抽象成員來約束它們的行為 - 把它們組合成一串嵌套的泛型管道節點（
Where、Select、WhereSelect、Stop） - 把數字和字符串字面量都編碼成類型（
ILiteral<T>）
最後得到的是一個小小的、看起來很像 SQL 的內存查詢引擎；而在 JIT 眼裏，它其實就是一套可以進行高度優化的、類型特化後的循環。
因此答案是肯定的：.NET 的類型系統完全可以用來表達圖靈完備的邏輯，並且藉助 JIT 編譯器的強大優化能力，生成非常高效的代碼。
展望未來的應用，諸如查詢引擎、DSL 編譯器、甚至是語言運行時等複雜系統，都可以通過類似的方式來實現，從而在保持靈活性的同時，最大化性能。而你甚至不需要實現任何的代碼生成後端，只要利用好 C# 的泛型和靜態成員，就能讓 JIT 幫你完成大部分的工作。而把構建好的類型輸出成代碼文件，再通過 NativeAOT 編譯成原生二進制文件，也同樣是可行的。編寫一次，同時支持 JIT 和 AOT，兩全其美。並且不同於 C++ 的模板和 constexpr，我們的引擎是完全支持來自外部的動態輸入的，而不需要在編譯時確定一切！
本項目的代碼已經開源在 GitHub 上，歡迎點贊和 Star：https://github.com/hez2010/TypedSql
